Datakeskeinen

Datakeskeinen (data-centric) tarkoittaa lähestymistapaa, jossa keskeinen huomio kohdistuu dataan: sen laatuun, kattavuuteen, hallintaan ja luotettavuuteen. Datakeskeisessä suunnittelussa järjestelmän arkkitehtuuri, kehitysprosessi ja päätökset perustuvat ensisijaisesti dataan sekä sen laadunvarmistukseen, datan keruuseen, puhdistukseen, annotaatioihin ja versionhallintaan. Tällainen painotus heijastuu sekä ohjelmisto- että tekoälysovellusten elinkaareen, käytettäviin mittareihin ja vastuullisuusnäkökulmiin.

Erityisesti tekoälyssä datakeskeinen lähestymistapa tarkoittaa, että mallin suorituskykyä pyritään parantamaan ensisijaisesti kehittämällä ja laajentamalla dataa. Keskeisiä keinoja ovat laadukkaan annotaation parantaminen, virheellisten tai puutteellisten esimerkkien korjaaminen, datan kattavuuden laajentaminen sekä datalähteiden monipuolistaminen.

Käytännön sovelluksissa datakeskeinen lähestymistapa näkyy data-pipelines, datakatalogit, datan laadunvalvonta, data-versionhallinta sekä hallinto- ja MLOps-käytännöissä. Organisaatiot pyrkivät parantamaan datan hallittavuutta, läpinäkyvyyttä sekä vaatimustenmukaisuutta ja varmistamaan, että data tukee päätöksentekoa ja luotettavaa teknologiaa.

Termi on lainattu englanninkielisestä ilmauksesta data-centric. Suomessa siitä käytetään sekä "datakeskeinen" että "data-keskeinen" muotoa. Ajatus on kokenut erityisen levittäytymisen tekoäly- ja dataan keskittyvässä keskustelussa, osittain Andrew Ng:n esiin tuoman data-first -lähestymistavan kautta.

Lisää aiheesta: data-centric AI, datan hallinta (data governance), datalaatu (data quality) sekä MLOps.