Comment ITSV a éliminé 9 000 règles de qualité des données grâce à l'Observability pilotée par l'IA
« La configurabilité sans effort de digna permet son utilisation comme une plateforme de qualité de données en libre-service dans tout le secteur de l'assurance sociale. »
Thomas Schauer
Responsable de l'analyse des données
Le défi : 9000 règles. Pas de contrôle.
Avant la mise en œuvre de digna, ITSV — l'infrastructure informatique de l'assurance sociale autrichienne — gérait la qualité des données grâce à 9000 règles faites à la main dans son entrepôt de données. Mais cette approche traditionnelle ne suivait pas le rythme ni la complexité des données modernes :
Le volume croissant (50 Go/jour provenant de plus de 30 sources dans plus de 500 structures) a rendu la maintenance des règles insoutenable.
La connaissance a été perdue en raison du turnover du personnel et d'une documentation insuffisante.
Les règles devaient être constamment ajustées, mais aucune équipe n'avait la propriété.
Plus de 140 alertes quotidiennes inondaient les boîtes de réception — la plupart ignorées en raison d'un sens peu clair.
Seulement 25 % des cas de qualité des données pertinents ont été réellement couverts
En résumé : la qualité des données était hors de contrôle et la confiance dans le système était en danger.
La solution : surveillance des anomalies et de la ponctualité alimentée par l'IA
Dès septembre 2021, nous avons commencé la preuve de valeur avec ITSV et avons commencé à remplacer son cadre entièrement basé sur des règles par digna Data Anomalies et digna Data Timeliness — effectuant une transition complète vers l'observabilité et la confiance basées sur l'intelligence artificielle.
Toute l'analyse s'est déroulée en toute sécurité à l'intérieur de l'infrastructure d'ITSV, garantissant ainsi la conformité totale à la confidentialité des données
Pas d'accordage, pas de configuration de seuil, pas de surcharge de maintenance
digna Data Timeliness a utilisé l'apprentissage automatique pour apprendre les modèles d'arrivée et alerter lorsque les données étaient en retard ou manquantes
digna Data Anomalies a automatiquement appris les modèles normaux pour 50 Go/jour à travers 30 sources, puis a signalé les écarts — éliminant les seuils manuels
Cas d'utilisation : Données nationales de sécurité sociale
Le centre de données d'ITSV intègre des données de cinq fournisseurs d'assurance santé, servant des millions d'Autrichiens. Cela inclut des ensembles de données hautement hétérogènes et sensibles utilisés dans la facturation, les réclamations médicales, les informations sur les patients, et plus encore.
Le défi n'était pas seulement la qualité des données — c'était le volume, la rapidité, et la responsabilité des données. digna a permis de :
✦ Surveiller toutes les tables entrantes sans écrire ni réécrire une seule règle
✦ Assurer la fraîcheur des données à travers les régions et les pipelines — même sans emplois du temps définis
✦ Fournir une détection d'anomalies en libre-service à travers les équipes — augmentant l'adoption et la couverture
Les Résultats : Du Chaos à la Confiance
Métrique | Pré-digna (2021) | Avec digna (2025) | Amélioration |
|---|---|---|---|
Règles de qualité des données | 9,000 | 0 | Réduction de 100% |
Couverture des cas | 25% | 90% | Augmentation de 3,6x |
Alertes quotidiennes | 140 (principalement ignorées) | 20 (exploitable) | 86% de faux positifs en moins |
Maintenance des règles | Ajustements constants | Entièrement automatisé | 0 heures/mois |
En savoir plus sur ITSV
Rapport de la Conférence sur l'Excellence des Données ADV
Big Data Minds Europe : ITSV x digna (YouTube)
Un An Sans Règles Techniques – digna.ai
