AI- ja data-arkkitehtuurin opas

Datan laatu tekoälyssä

Täydellisyys, oikeellisuus, ajantasaisuus, edustavuus ja semanttinen selkeys vaikuttavat malliin eri tavoin.

Datan laatuAI

Tarkistettu 10.8.2026 · Emilia K. Saarento

Rakenteellinen laatu

Puuttuvat kentät, väärät tietotyypit ja yksikkömuutokset ovat teknisiä ongelmia, joita voidaan usein havaita automaattisesti.

Semanttinen laatu

Arvo voi olla teknisesti validi mutta tarkoittaa väärää asiaa. Liiketoimintamääritelmä ja lähdekonteksti ovat välttämättömiä.

Edustavuus

Lisää dataa ei auta, jos aineisto ei vastaa sitä maailmaa, jossa mallia aiotaan käyttää.

AI-järjestelmän soveltuvuus, riskiluokka, tietosuoja ja sääntelyvelvoitteet arvioidaan tapauskohtaisesti. Sivusto ei ole oikeudellista neuvontaa.