Tendências estratégicas na Qualidade de Dados: Metric in Motion - Uma abordagem à Qualidade de Dados baseada em IA

Dados de alta qualidade são mais do que uma referência - são uma necessidade estratégica para a confiança, a Conformidade e a interoperabilidade globais. Neste Blog da GLEIF, Zornitsa Manolova, Chefe de Gestão da Qualidade de Dados e Ciência de Dados, explora como a IA está a ajudar a reforçar as Verificações da Qualidade dos Dados para construir uma economia global mais transparente.

---

---

Em uma economia global cada vez mais interconectada, a capacidade das organizações de confiar e usar os dados de forma eficaz é a base para a inovação, o crescimento e a competitividade.

Um ecossistema de dados de alta qualidade é um motor de mudança e inovação que permite às organizações identificar e aproveitar novas oportunidades, enquanto a baixa Qualidade de Dados pode levar a ineficiências e exposição a riscos regulamentares e de reputação.

A GLEIF está empenhada em otimizar a qualidade, fiabilidade e usabilidade dos dados de LEI. Desde 2017, tem publicado relatórios mensais para demonstrar de forma transparente a qualidade geral dos dados alcançada no Global LEI System.

Para ajudar a uma compreensão e conscientização mais ampla do setor sobre as iniciativas de qualidade de dados da GLEIF, esta nova série de blogs explora as principais métricas incluídas nos relatórios.

O blogue deste mês destaca como a IA ajuda a melhorar as Verificações da Qualidade dos Dados.

Garantir dados de LEI fiáveis a uma escala global requer uma interpretação consistente dos requisitos regulamentares e de política. À medida que estes requisitos evoluem e aumentam em complexidade, a IA está a reforçar as capacidades da GLEIF para apoiar a garantia de qualidade escalável, assegurando simultaneamente que a transparência e a Governança permanecem centrais.

Das Exigências da Política às Verificações da Qualidade dos Dados

O Comitê de Supervisão Regulatória (ROC) define as regras e políticas comerciais que regem o Global LEI System. Estes requisitos são então descritos e traduzidos em especificações técnicas através das Regras de Transição e Validação de Estado. Juntos, eles definem a lógica de negócios e os processos para a emissão, atualização, gestão e publicação de dados de LEIs sob o Formato do Arquivo de Dados Comuns (CDF).

A GLEIF operacionaliza essas políticas convertendo-as em especificações técnicas detalhadas e implementando-as por meio de Verificações da Qualidade dos Dados, garantindo que a intenção regulatória seja refletida de forma consistente nos dados de LEI publicados em todo o sistema.

Criando consistência através da definição de regras de Qualidade de Dados

No centro desta implementação está o processo de Definição de Regras de Qualidade de Dados da GLEIF, uma abordagem estruturada e sistemática que define como cada verificação de Qualidade de Dados é especificada, interpretada e aplicada em todo o Global LEI System.

Ao formalizar claramente a lógica por trás de cada verificação, o processo garante avaliações consistentes e reproduzíveis. Isto permite avaliações transparentes e escaláveis da Qualidade de Dados em milhões de registos de LEIs e ajuda a garantir a aplicação consistente das mesmas regras em todas as jurisdições, Emissores e ciclos de atualização.

No entanto, à medida que o Global LEI System evolui e cresce, também cresce o número de regras e verificações correspondentes. Existem agora mais de 200 Verificações da Qualidade dos Dados, e esta escala crescente introduz complexidade adicional e novos Desafios.

A IA está a ajudar a abordar estas considerações emergentes. O apoio à análise de regras complexas e interdependentes ajuda a identificar sobreposições ou lacunas nas verificações e simplifica a criação e a manutenção da lógica da Qualidade dos Dados. Como resultado, a estrutura geral da Qualidade de Dados torna-se mais eficiente, adaptável e escalável - mantendo-se, ao mesmo tempo, baseada em processos de Governança estabelecidos.

Para ilustrar como isto funciona na prática, a secção seguinte fornece um aprofundamento técnico sobre como os Modelos de Linguagem Ampla (LLMs) suportam a conversão estruturada de texto de política em regras legíveis por máquina e Verificações da Qualidade dos Dados operacionais.

Mergulho profundo: Tradução de texto de política em regras legíveis por máquina

A GLEIF utiliza LLMs para apoiar a identificação de novas regras e ajudar a detetar potenciais contradições com as Verificações da Qualidade dos Dados existentes, permitindo um processo de revisão de ponta a ponta - desde os documentos regulamentares e políticos até à sua implementação.

Esta abordagem segue um fluxo de trabalho claro e estruturado que garante que a intenção da política é reflectida de forma consistente nas verificações operacionais em todo o Global LEI System. O fluxo de trabalho pode ser resumido nas seguintes etapas:

Pré-processamento: O processo começa com a análise sistemática de documentos de políticas e normas para identificar regras e requisitos relevantes. A IA ajuda a revelar os principais conceitos e condições contidos nesses textos, garantindo que as expectativas regulatórias importantes sejam capturadas de forma precisa e abrangente. Nesta fase inicial, o documento de origem é ingerido para extrair de forma fiável as regras relevantes. Isto inclui

• dividir o documento em partes sensíveis ao contexto
• identificar nomes de entidades e termos
• filtragem de partes sensíveis ao contexto por pesquisa de nomes de entidades-chave
• extração das regras textuais não estruturadas.

Exemplo: Uma sucursal internacional é um estabelecimento não incorporado de uma entidade Jurídica localizada numa jurisdição diferente da sua sede.

Resolução de Entidades com Mapeamento Ontológico: Os requisitos descritos nos documentos formais são então alinhados com o modelo de linguagem de regras da GLEIF, criando um entendimento partilhado de como as entidades, atributos e relacionamentos devem ser interpretados. Esta etapa é essencial para a consistência, garantindo que os mesmos conceitos sejam aplicados uniformemente, mesmo quando descritos de forma diferente nos documentos de origem. Para isso, os termos extraídos são normalizados e mapeados para a ontologia de Definição de Regras da GLEIF.

Exemplo:

• "Uma sucursal internacional é um estabelecimento não constituído em sociedade de uma entidade jurídica" é mapeado para:

  - *lei:EntityCategory IN ['BRANCH']
  
  - *rr:RelationshipType IN ['_ISINTERNATIONALBRANCH_OF_']

• "located in a different jurisdiction from its head office" is mapped to:

  - *lei:LegalAddress/lei:Country NOT $EQUALS _$ENDNODERECORD_lei:LegalJurisdiction $COUNTRY_PART

Criação e validação de verificações: Finalmente, as regras derivadas são reconciliadas com as Verificações da Qualidade dos Dados existentes, com a IA a ajudar a identificar onde as verificações já existem, onde se sobrepõem e onde podem surgir contradições ou lacunas. Esta abordagem ajuda a gerir a complexidade de mais de 200 verificações, com a implementação a envolver normalmente a especificação, o desenvolvimento, a revisão, o teste e o lançamento. Isto suporta uma evolução controlada e transparente do conjunto de regras e reforça a coerência geral, a escalabilidade e a fiabilidade do Quadro de Qualidade de Dados.

Como a IA reforça as Verificações da Qualidade dos Dados para uma Economia Global mais Transparente

Ao combinar a automação orientada por IA com a experiência humana, a GLEIF está a reforçar a eficiência e a fiabilidade do seu Quadro de Qualidade de Dados. Uma abordagem orientada por ontologia garante consistência e precisão, enquanto os processos subjacentes são projetados para escalar à medida que os volumes de dados e a complexidade continuam a crescer. Ao mesmo tempo, a IA apoia a melhoria contínua, destacando ambiguidades na linguagem das regras e revelando oportunidades para aperfeiçoar as metodologias. Juntos, esses recursos reforçam uma abordagem resiliente, transparente e pronta para o futuro da qualidade de dados em todo o Global LEI System.

---