[[421984]]

數(shù)據(jù)科學(xué)家指出，數(shù)據(jù)準(zhǔn)備對(duì)于任何一個(gè)人工智能系統(tǒng)的成功都至關(guān)重要。即使是最好、最復(fù)雜的分析技術(shù)采用低質(zhì)量、集成度低、設(shè)計(jì)草率或基本上不相關(guān)的數(shù)據(jù)，最終的結(jié)果也是不可靠的。

分析和探討人工智能和機(jī)器學(xué)習(xí)用途的文章有很多，但關(guān)于人工智能系統(tǒng)基礎(chǔ)——高質(zhì)量的數(shù)據(jù)的文章則很少。以下介紹有助于確保企業(yè)的人工智能系統(tǒng)不會(huì)由于數(shù)據(jù)質(zhì)量問(wèn)題而受到阻礙的五個(gè)規(guī)則。

規(guī)則1.少即是多

有些企業(yè)很難知道哪些數(shù)據(jù)對(duì)其業(yè)務(wù)重要，所以使用盡可能多的數(shù)據(jù)構(gòu)建人工智能系統(tǒng)，人們會(huì)發(fā)現(xiàn)重要的見(jiàn)解隱藏在其中。但是，企業(yè)的人工智能系統(tǒng)采用大量無(wú)關(guān)或糟糕的數(shù)據(jù)，最終將面臨失敗。一篇名為《機(jī)器學(xué)習(xí)系統(tǒng)中隱藏的技術(shù)債務(wù)》的文章指出，未充分利用的數(shù)據(jù)、提供很少或沒(méi)有增量收益的數(shù)據(jù)，將使人工智能系統(tǒng)受到不利的影響，其后果有時(shí)是災(zāi)難性的。剔除無(wú)關(guān)數(shù)據(jù)使人工智能系統(tǒng)更易于測(cè)試、運(yùn)行、擴(kuò)展和維護(hù)。

企業(yè)遇到的問(wèn)題是——哪些數(shù)據(jù)子集是包含所有或幾乎所有信號(hào)的精簡(jiǎn)數(shù)據(jù)集?這可能不容易確定。有一些數(shù)據(jù)科學(xué)技術(shù)可以確定特定數(shù)據(jù)功能的重要性，但它們不一定能說(shuō)明全部情況。雖然有些數(shù)據(jù)可能非常重要，但僅限于某些情況?；蛘咭恍?shù)據(jù)可能只有在與其他數(shù)據(jù)結(jié)合使用時(shí)才重要。弄清楚使用哪些數(shù)據(jù)以及要消除哪些數(shù)據(jù)是一個(gè)棘手但關(guān)鍵的步驟，在企業(yè)急于實(shí)現(xiàn)人工智能的過(guò)程中，這一步常常被忽略。

規(guī)則2.仔細(xì)尋找數(shù)據(jù)來(lái)源

在設(shè)計(jì)人工智能解決方案的原型或創(chuàng)建實(shí)驗(yàn)時(shí)，數(shù)據(jù)通常有著不同的來(lái)源。數(shù)據(jù)集成和準(zhǔn)備可能是臨時(shí)的，只要人工智能系統(tǒng)做好了準(zhǔn)備，企業(yè)就可以利用適合其目的的所有自動(dòng)化和控制來(lái)實(shí)現(xiàn)特定的流程工業(yè)實(shí)力。

在某些情況下，人工智能開(kāi)發(fā)人員從更加簡(jiǎn)單便捷的來(lái)源獲取數(shù)據(jù)，但這不一定是最好的來(lái)源。例如在一個(gè)案例中，開(kāi)發(fā)了一個(gè)來(lái)自未經(jīng)協(xié)調(diào)和處理的數(shù)據(jù)模型，其結(jié)果證明該模型與公布的財(cái)務(wù)數(shù)據(jù)完全不一致。對(duì)于概念證明，這樣的錯(cuò)誤可能是可以接受的。但在實(shí)施之前，其數(shù)據(jù)應(yīng)該來(lái)自支持良好的平臺(tái)，這些平臺(tái)需要具有控制能力強(qiáng)、可靠性和可用性高的特點(diǎn)。

通常情況下，必須將來(lái)自不同來(lái)源的數(shù)據(jù)匯集在一起​​，然后為采用人工智能的目的進(jìn)行整合和組合?？紤]這些組合來(lái)自不同系統(tǒng)的客戶數(shù)據(jù)、產(chǎn)品數(shù)據(jù)和交易數(shù)據(jù)。將這些數(shù)據(jù)放在一起進(jìn)行建模是一個(gè)重要的步驟。這可能會(huì)以快速的方式進(jìn)行實(shí)驗(yàn)，但在實(shí)施之前，需要對(duì)流程進(jìn)行適當(dāng)?shù)脑O(shè)計(jì)和測(cè)試。

然而在設(shè)計(jì)良好的人工智能系統(tǒng)之前，允許使用實(shí)驗(yàn)人工智能系統(tǒng)的誘惑是強(qiáng)烈的，必須加以抵制。當(dāng)然，只是定期使用的人工智能(例如用于月度報(bào)告)可能需要更少的數(shù)據(jù)，以便在業(yè)務(wù)運(yùn)營(yíng)中持續(xù)使用。人工智能的高風(fēng)險(xiǎn)使用(例如損失預(yù)測(cè)、信貸批準(zhǔn)、欺詐檢測(cè))比低風(fēng)險(xiǎn)使用(例如營(yíng)銷活動(dòng)、客戶細(xì)分、潛在客戶優(yōu)先級(jí))要求更嚴(yán)格。

規(guī)則3.確定數(shù)據(jù)良好的程度

在商業(yè)環(huán)境中，完美的數(shù)據(jù)是罕見(jiàn)的。因此，不可避免地存在需要修補(bǔ)數(shù)據(jù)中的漏洞、需要清理的數(shù)據(jù)中的錯(cuò)誤或需要在使用前解決不一致的問(wèn)題。

數(shù)據(jù)達(dá)到100%準(zhǔn)確率的成本可能很高，有時(shí)甚至無(wú)法實(shí)現(xiàn)。但在某些情況下則要求完全準(zhǔn)確，例如使用人工智能來(lái)預(yù)測(cè)貸款損失，那么其記錄貸款損失的歷史數(shù)據(jù)最好是100%完整的。但對(duì)于欺詐檢測(cè)模型來(lái)說(shuō)，如果額外的2%的數(shù)據(jù)會(huì)阻礙模型的實(shí)施，那么達(dá)到98%的準(zhǔn)確率就足夠了，這將為企業(yè)減少大量欺詐損失。對(duì)于市場(chǎng)營(yíng)銷而言，85%的準(zhǔn)確率已經(jīng)足夠了。

企業(yè)需要決定數(shù)據(jù)質(zhì)量良好的程度。但需記住的是，這是一把雙刃劍。建立在低質(zhì)量數(shù)據(jù)上的人工智能系統(tǒng)最終在使用中變得不可靠，但也看到模型風(fēng)險(xiǎn)管理阻礙了人工智能模型的實(shí)施，因?yàn)閿?shù)據(jù)質(zhì)量問(wèn)題影響人工智能的價(jià)值的情況令人擔(dān)憂。

每個(gè)用例都有所不同，在確定數(shù)據(jù)良好的過(guò)程中必須有一些步驟明確聲明數(shù)據(jù)質(zhì)量級(jí)別。并且需要實(shí)施控制措施(例如數(shù)據(jù)質(zhì)量指標(biāo))，以證明已達(dá)到閾值或在低于某些最低質(zhì)量標(biāo)準(zhǔn)時(shí)發(fā)出警告。

規(guī)則4.管理變化

更多的模型由于數(shù)據(jù)變更管理不善而失敗，而不是其他原因。數(shù)據(jù)中的某些意外變化或數(shù)據(jù)在某處中斷，將導(dǎo)致人工智能會(huì)產(chǎn)生不可靠的結(jié)果，有時(shí)甚至非常糟糕。

大多數(shù)企業(yè)都制定了數(shù)據(jù)變更管理流程。這一流程旨在傳達(dá)和分析數(shù)據(jù)更改的影響。但人工智能系統(tǒng)的應(yīng)用讓這變得更加困難。人工智能和數(shù)據(jù)管理交織在一起;數(shù)據(jù)可以影響人工智能，人工智能也可以影響數(shù)據(jù)。在通常情況下，數(shù)據(jù)變更管理由企業(yè)首席數(shù)據(jù)官負(fù)責(zé)，人工智能變更管理由首席分析官負(fù)責(zé)，或者模型風(fēng)險(xiǎn)管理由首席風(fēng)險(xiǎn)官負(fù)責(zé)，而這些部門(mén)并沒(méi)有充分或有效地溝通。

數(shù)據(jù)變更管理和模型變更管理必須緊密聯(lián)系在一起。必須分析數(shù)據(jù)更改對(duì)人工智能的潛在影響，并且必須分析人工智能更改對(duì)其數(shù)據(jù)輸出的消費(fèi)者的潛在影響。這兩者都不能孤立地進(jìn)行管理。

還有兩種方法可以處理這個(gè)問(wèn)題：一種選擇是將數(shù)據(jù)變更管理和模型變更管理合并在一起，但這對(duì)大多數(shù)企業(yè)來(lái)說(shuō)難以做到。第二種選擇是制定正確的政策和程序，例如在實(shí)施之前分析數(shù)據(jù)更改對(duì)人工智能的潛在影響。

為此，必須有一個(gè)完整的人工智能注冊(cè)表，其中包括人工智能使用的數(shù)據(jù)信息(模型元數(shù)據(jù))。否則幾乎不可能確定哪個(gè)人工智能受到數(shù)據(jù)更改的影響。同樣，模型風(fēng)險(xiǎn)應(yīng)該是一個(gè)因素，與只影響低風(fēng)險(xiǎn)模型的數(shù)據(jù)更改相比，高風(fēng)險(xiǎn)模型將得到更嚴(yán)格的潛在影響分析。

規(guī)則5.建立警報(bào)系統(tǒng)

數(shù)據(jù)的質(zhì)量問(wèn)題可能并不明顯，而且數(shù)據(jù)流從表面上看似乎都在正常運(yùn)行。如果沒(méi)有設(shè)計(jì)良好的警報(bào)系統(tǒng)，數(shù)據(jù)問(wèn)題可能會(huì)被忽視。例如一家銀行的信用模型運(yùn)行了數(shù)周時(shí)間，但在任何人意識(shí)到出現(xiàn)問(wèn)題之前就已經(jīng)丟失了關(guān)鍵數(shù)據(jù)。

即使是細(xì)微但出乎意料的數(shù)據(jù)變化也可能導(dǎo)致模型性能下降。更糟糕的是由于流程故障而突然丟失數(shù)據(jù)，這樣的事件很常見(jiàn)。

被忽視的數(shù)據(jù)問(wèn)題比快速發(fā)現(xiàn)的數(shù)據(jù)問(wèn)題造成的損害更大。例如，證券定價(jià)錯(cuò)誤可以通過(guò)多個(gè)系統(tǒng)蔓延，并且持續(xù)的時(shí)間越長(zhǎng)，修復(fù)起來(lái)就越困難，成本也越高。建立正確的警報(bào)系統(tǒng)，可以發(fā)現(xiàn)數(shù)據(jù)問(wèn)題并采取行動(dòng)，降低因數(shù)據(jù)處理中斷而導(dǎo)致人工智能系統(tǒng)故障的風(fēng)險(xiǎn)。

這需要采用正確的工具?，F(xiàn)有的應(yīng)用程序監(jiān)控系統(tǒng)通常不足以監(jiān)控?cái)?shù)據(jù)流。它們甚至可能提供虛假的安全感，表明一切正常，而實(shí)際上企業(yè)的數(shù)據(jù)中存在重大漏洞或高度異常的情況。企業(yè)可以從簡(jiǎn)單的數(shù)據(jù)質(zhì)量指標(biāo)開(kāi)始，例如完整性檢查(是否獲得了所有數(shù)據(jù)?)和一致性檢查(是否與總賬或基礎(chǔ)貸款或存款系統(tǒng)等記錄系統(tǒng)相匹配?)。

當(dāng)出現(xiàn)問(wèn)題時(shí)，企業(yè)需要制定故障轉(zhuǎn)移計(jì)劃，例如在研究和糾正錯(cuò)誤時(shí)暫時(shí)讓人工智能離線運(yùn)行。

結(jié)語(yǔ)

數(shù)據(jù)是優(yōu)秀人工智能系統(tǒng)的重要基礎(chǔ)。數(shù)據(jù)科學(xué)家通常不會(huì)獨(dú)自承擔(dān)上述所有任務(wù)。他們需要來(lái)自數(shù)據(jù)治理、數(shù)據(jù)工程和IT團(tuán)隊(duì)的正確支持。采用正確的控制措施，可以幫助企業(yè)避免在人工智能系統(tǒng)由于無(wú)法預(yù)見(jiàn)或未被發(fā)現(xiàn)的數(shù)據(jù)問(wèn)題而出現(xiàn)的嚴(yán)重錯(cuò)誤。