Veri Kalitesi Stratejik Eğilimler: Metric in Motion - Veri Kalitesine Yapay Zeka Destekli Bir Yaklaşım

Yüksek kaliteli veri bir ölçütten daha fazlasıdır - küresel güven, uyumluluk ve birlikte çalışabilirlik için stratejik bir gerekliliktir. Bu blogda, GLEIF Veri Kalitesi Yönetimi ve Veri Bilimi Başkanı Zornitsa Manolova, yapay zekanın daha şeffaf bir küresel ekonomi inşa etmek için Veri Kalitesi Denetimlerini güçlendirmeye nasıl yardımcı olduğunu araştırıyor.

---

---

Giderek daha fazla birbirine bağlanan küresel ekonomide, kuruluşların verilere güvenme ve verileri etkin bir şekilde kullanma becerisi inovasyon, büyüme ve rekabet gücünün temelidir.

Yüksek kaliteli bir veri ekosistemi, kuruluşların yeni fırsatları belirleyip yakalamasını sağlayan bir değişim ve inovasyon itici gücüdür; düşük Veri Kalitesi ise verimsizliğe ve düzenleyici ve itibar risklerine maruz kalmaya yol açabilir.

GLEIF, LEI verilerinin kalitesini, güvenilirliğini ve kullanılabilirliğini optimize etmeye kararlıdır. Global LEI Sisteminde elde edilen genel veri kalitesini şeffaf bir şekilde göstermek için 2017'den bu yana aylık raporlar yayınlamaktadır.

GLEIF'in Veri Kalitesi girişimlerinin sektör tarafından daha iyi anlaşılmasına ve farkındalığına yardımcı olmak için bu yeni blog serisi, raporlarda yer alan temel metrikleri incelemektedir.

Bu ayki blogda yapay zekânın Veri Kalitesi Denetimlerini geliştirmeye nasıl yardımcı olduğu vurgulanıyor.

Global ölçekte güvenilir LEI verilerinin sağlanması, mevzuat ve politika gerekliliklerinin tutarlı bir şekilde yorumlanmasını gerektirir. Bu gereksinimler geliştikçe ve karmaşıklığı arttıkça, yapay zeka GLEIF'in ölçeklenebilir kalite güvencesini destekleme yeteneklerini güçlendirirken, şeffaflık ve Yönetimin merkezi kalmasını sağlıyor.

Politika Gerekliliklerinden Veri Kalitesi Denetimlerine

Düzenleyici Gözetim Komitesi (ROC) Global LEI Sistemini yöneten iş kurallarını ve politikalarını tanımlar. Bu gereksinimler daha sonra Durum Geçişi ve Doğrulama Kuralları aracılığıyla tanımlanır ve teknik spesifikasyonlara dönüştürülür. Bunlar birlikte, LEI verilerinin Ortak Veri Dosyası formatı altında tahsis edilmesi, güncellenmesi, yönetimi ve yayınlanması için iş mantığını ve süreçlerini tanımlar.

GLEIF , bu politikaları ayrıntılı teknik şartnamelere dönüştürerek ve Veri Kalitesi Denetimleri yoluyla uygulayarak operasyonel hale getirir ve düzenleyici amacın sistem genelinde yayınlanan LEI verilerine tutarlı bir şekilde yansıtılmasını sağlar .

Veri Kalitesi Kuralı Belirleme Yoluyla Tutarlılık Oluşturma

Bu uygulamanın merkezinde, her bir Veri Kalitesi Denetiminin Global LEI Sistemi genelinde nasıl belirlendiğini, yorumlandığını ve uygulandığını tanımlayan yapılandırılmış ve sistematik bir yaklaşım olan GLEIF'in Veri Kalitesi Kural Belirleme süreci yer alır.

Her bir kontrolün arkasındaki mantığı açıkça resmileştiren süreç, tutarlı ve tekrarlanabilir değerlendirmeler sağlar. Bu, milyonlarca LEI kaydı genelinde şeffaf, ölçeklenebilir Veri Kalitesi değerlendirmelerini mümkün kılar ve yargı bölgeleri, tahsis eden kurumlar ve güncelleme döngüleri genelinde aynı kuralların tutarlı bir şekilde uygulanmasını sağlamaya yardımcı olur.

Ancak Global LEI Sistemi geliştikçe ve büyüdükçe kuralların ve ilgili kontrollerin sayısı da artmaktadır. Şu anda 200'den fazla Veri Kalitesi Denetimi bulunmaktadır ve bu artan ölçek ek karmaşıklık ve yeni sorgulamalar getirmektedir.

Yapay zeka, ortaya çıkan bu hususların ele alınmasına yardımcı olmaktadır. Karmaşık, birbirine bağlı kuralların analizini desteklemek, kontroller arasındaki çakışmaları veya boşlukları belirlemeye yardımcı olur ve Veri Kalitesi mantığının oluşturulmasını ve sürdürülmesini kolaylaştırır. Sonuç olarak, genel Veri Kalitesi Çerçevesi daha verimli, uyarlanabilir ve ölçeklenebilir hale gelirken, yerleşik yönetim süreçlerine bağlı kalır.

Bunun pratikte nasıl işlediğini göstermek için aşağıdaki bölümde Büyük Dil Modellerinin (LLM'ler) politika metninin makine tarafından okunabilir kurallara ve operasyonel Veri Kalitesi Denetimlerine yapılandırılmış dönüşümünü nasıl desteklediğine dair teknik bir derinlemesine inceleme sunulmaktadır.

Derin Dalış: İlke Metninin Makine Tarafından Okunabilir Kurallara Dönüştürülmesi

GLEIF, yeni kuralların tanımlanmasını desteklemek ve mevcut Veri Kalitesi Denetimleri ile olası çelişkileri tespit etmeye yardımcı olmak için LLM'leri kullanarak düzenleyici ve politika belgelerinden bunların uygulanmasına kadar uçtan uca bir inceleme süreci sağlar.

Bu yaklaşım, Global LEI Sistemi genelinde politika amacının operasyonel kontrollere tutarlı bir şekilde yansıtılmasını sağlayan açık ve yapılandırılmış bir iş akışını takip eder. İş akışı aşağıdaki aşamalarla özetlenebilir:

Ön işleme: Süreç, ilgili kural ve gereklilikleri belirlemek için politika ve standartlar belgelerinin sistematik analizi ile başlar. Yapay zeka, bu metinlerde yer alan temel kavramların ve koşulların ortaya çıkarılmasına yardımcı olarak önemli düzenleyici beklentilerin doğru ve kapsamlı bir şekilde yakalanmasını sağlar. Bu ilk aşamada, ilgili kuralları güvenilir bir şekilde çıkarmak için kaynak belge alınır. Bu şunları içerir:

• belgeyi bağlama duyarlı parçalara bölme
• varlık adlarının ve terimlerinin tanımlanması
• anahtar-varlık-adı aramasıyla bağlama duyarlı yığınları filtreleme
• yapılandırılmamış metinsel kuralların çıkarılması.

Örnek: Uluslararası bir şube, merkez ofisinden farklı bir yargı alanında bulunan bir Tüzel Kişinin tüzel kişiliği olmayan bir kuruluşudur.

Ontoloji Eşleme ile Varlık Çözümü: Resmi belgelerde açıklanan gereksinimler daha sonra GLEIF'in kural dili modeli ile hizalanarak varlıkların, niteliklerin ve ilişkilerin nasıl yorumlanması gerektiğine dair ortak bir anlayış oluşturulur. Bu adım tutarlılık için gereklidir ve kaynak belgelerde farklı şekilde tanımlansa bile aynı kavramların aynı şekilde uygulanmasını sağlar. Bu amaçla, çıkarılan terimler normalleştirilir ve GLEIF Kural Ayarı ontolojisiyle eşleştirilir.

Örnek:

• "Uluslararası bir şube, bir tüzel kişinin tüzel kişiliği olmayan bir kuruluşudur" ile eşleştirilir:

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

• "merkez ofisinden farklı bir yargı bölgesinde bulunan" ile eşleştirilir:

  - *lei:LegalAddress/lei:Country NOT $EQUALS $ENDNODERECORD lei:_LegalJurisdiction_$COUNTRY_PART

Kontrol oluşturma ve Doğrulama: Son olarak, türetilen kurallar mevcut Veri Kalitesi Denetimleri ile uzlaştırılır ve yapay zeka, kontrollerin zaten nerede olduğunu, nerede çakıştığını ve nerede çelişkiler veya boşluklar ortaya çıkabileceğini belirlemeye yardımcı olur. Bu yaklaşım, tipik olarak spesifikasyon, geliştirme, inceleme, test ve yayınlamayı içeren uygulama ile 200'den fazla kontrolde karmaşıklığın yönetilmesine yardımcı olur. Bu, kural setinin kontrollü ve şeffaf bir şekilde geliştirilmesini destekler ve Veri Kalitesi Çerçevesinin genel tutarlılığını, ölçeklenebilirliğini ve güvenilirliğini güçlendirir.

Yapay Zeka Daha Şeffaf Bir Küresel Ekonomi İçin Veri Kalitesi Denetimlerini Nasıl Güçlendiriyor?

Yapay zeka odaklı otomasyonu insan uzmanlığıyla birleştiren GLEIF, Veri Kalitesi Çerçevesinin hem verimliliğini hem de güvenilirliğini güçlendiriyor. Ontoloji odaklı bir yaklaşım tutarlılık ve doğruluk sağlarken, temel süreçler veri hacimleri ve karmaşıklığı artmaya devam ettikçe ölçeklenecek şekilde tasarlanmıştır. Aynı zamanda yapay zeka, kural dilindeki belirsizlikleri vurgulayarak ve metodolojileri iyileştirme fırsatlarını ortaya çıkararak sürekli iyileştirmeyi destekliyor. Bu yetkinlikler birlikte Global LEI Sistemi genelinde Veri Kalitesi'ne yönelik esnek, şeffaf ve geleceğe hazır bir yaklaşımı güçlendirmektedir.

---