Rammeværket skal hjælpe organisationer med at afgøre, om data er egnede til det tilsigtede formål, samtidig med at det skaber grundlag for ensartede, reproducerbare og standardiserede metoder til test af datakvalitet.

Den tekniske rapport definerer 18 ”Data Quality Metrics” med formelle definitioner og matematiske målemetoder. De skal hjælpe organisationer med at vurdere, om datasæt er tilstrækkeligt pålidelige, komplette, nøjagtige, repræsentative og troværdige til det tilsigtede formål.

I takt med den stigende anvendelse af AI får organisationer stadig større fokus på kvaliteten af de data, som AI-økosystemerne bygger på. ETSI's 18 målepunkter for datakvalitet gør det muligt for organisationer at identificere potentielle problemer med kvalitet, pålidelighed og bias.

De 18 målepunkter, der beskrives i dokumentet, fokuserer på:

• Grundlæggende datakvalitet: herunder fuldstændighed, nøjagtighed, pålidelighed, konsistens, præcision, integritet, redundans og entydighed
• Anvendelighed: herunder tilgængelighed, dækning, dataoprindelse, sporbarhed og aktualitet.
• Fairness: herunder kvaliteten af datamærkning samt måle- og repræsentationsbias.
• Privatliv og ansvarlig brug af data: herunder anonymitet og fortrolighed.

For at validere rammeværket og demonstrere dets anvendelighed har ETSI anvendt målepunkterne på to meget forskellige datasæt – sensordata fra industriel IoT og demografiske data. Det viste, hvordan målepunkterne kan anvendes på tværs af forskellige datatyper, og hvordan forskellige anvendelsesområder kræver forskellige kombinationer og vægtninger af målepunkterne:

• Sensordata fra industriel IoT: Her er egenskaber som pålidelighed, aktualitet, nøjagtighed, fuldstændighed, sporbarhed og integritet særligt vigtige
• Demografiske data: Data, der repræsenterer menneskelige og sociale karakteristika, hvor blandt andet fuldstændighed, anonymitet, repræsentationsbias, kvaliteten af datamærkning, fortrolighed og dækning er centrale.

Målepunkterne kan gøre det muligt for ejere af datasæt selv at kontrollere og rapportere datakvaliteten og dermed kommunikere dataenes pålidelighed på en transparent måde og styrke tilliden i digitale økosystemer og AI-økosystemer.

– Det er afgørende, at datakvalitet kan måles, især for organisationer, der har behov for at fastslå, om deres data er egnede til væsentlige formål, som det eksempelvis er tilfældet med troværdig AI, siger Diego Lopez, formand for ETSI's tekniske komité DATA.

– ETSI's standardiserede målepunkter giver et fælles sprog til vurdering af datakvalitet og leverer kvantitativ dokumentation for, om et datasæt er egnet til det tilsigtede formål. Det skaber et vigtigt fundament for mere ensartede og reproducerbare metoder til vurdering af datakvalitet, i takt med at AI og datadrevne teknologier fortsætter med at udvikle sig.