Logotyp ITSV
Logotyp ITSV

Jak ITSV wyeliminowało 9 000 reguł jakości danych dzięki AI-driven Observability

Zespół profesjonalistów ITSV współpracujących przy drewnianym stole z laptopami i słuchawkami, reprezentujący transformację ITSV na napędzaną AI jakość danych i Observability wspieraną przez digna.
Zespół profesjonalistów ITSV współpracujących przy drewnianym stole z laptopami i słuchawkami, reprezentujący transformację ITSV na napędzaną AI jakość danych i Observability wspieraną przez digna.

PRZEMYSŁ

Opieka zdrowotna, Ubezpieczenie społeczne

PRZEMYSŁ

Opieka zdrowotna, Ubezpieczenie społeczne

PRZEMYSŁ

Opieka zdrowotna, Ubezpieczenie społeczne

PRZYKŁADY UŻYCIA

Monitoring Jakości Danych, Zapewnienie Terminowości

PRZYKŁADY UŻYCIA

Monitoring Jakości Danych, Zapewnienie Terminowości

PRZYKŁADY UŻYCIA

Monitoring Jakości Danych, Zapewnienie Terminowości

UŻYWANE MODUŁY

digna Data Anomalies, digna Data Timeliness

UŻYWANE MODUŁY

digna Data Anomalies, digna Data Timeliness

UŻYWANE MODUŁY

digna Data Anomalies, digna Data Timeliness

„Łatwa konfigurowalność digna umożliwia jej użycie jako platformy do zarządzania jakością danych w całym sektorze ubezpieczeń społecznych.”

Thomas Schauer

Dyrektor ds. Analityki Danych

Logotyp ITSV
Logotyp ITSV

Wyzwanie: 9000 zasad. Brak kontroli.

Przed wdrożeniem digna, ITSV — informatyczny kręgosłup austriackiego ubezpieczenia społecznego — zarządzał jakością danych za pomocą 9000 ręcznie tworzonych reguł w swoim magazynie danych. Jednak to tradycyjne podejście nie nadążało za tempem ani złożonością nowoczesnych danych:

Rosnąca objętość (50GB dziennie z ponad 30 źródeł w ponad 500 strukturach) sprawiła, że utrzymanie reguł stało się niewykonalne

Rosnąca objętość (50GB dziennie z ponad 30 źródeł w ponad 500 strukturach) sprawiła, że utrzymanie reguł stało się niewykonalne

Rosnąca objętość (50GB dziennie z ponad 30 źródeł w ponad 500 strukturach) sprawiła, że utrzymanie reguł stało się niewykonalne

Wiedza została utracona z powodu rotacji personelu i niewystarczającej dokumentacji

Wiedza została utracona z powodu rotacji personelu i niewystarczającej dokumentacji

Wiedza została utracona z powodu rotacji personelu i niewystarczającej dokumentacji

Zasady musiały być stale dostosowywane, ale żaden zespół nie czuł się za nie odpowiedzialny.

Zasady musiały być stale dostosowywane, ale żaden zespół nie czuł się za nie odpowiedzialny.

Zasady musiały być stale dostosowywane, ale żaden zespół nie czuł się za nie odpowiedzialny.

Ponad 140 codziennych powiadomień zalewało skrzynki odbiorcze - większość ignorowana z powodu niejasnego znaczenia.

Ponad 140 codziennych powiadomień zalewało skrzynki odbiorcze - większość ignorowana z powodu niejasnego znaczenia.

Ponad 140 codziennych powiadomień zalewało skrzynki odbiorcze - większość ignorowana z powodu niejasnego znaczenia.

Tylko 25% istotnych przypadków jakości danych zostało faktycznie uwzględnionych

Tylko 25% istotnych przypadków jakości danych zostało faktycznie uwzględnionych

Tylko 25% istotnych przypadków jakości danych zostało faktycznie uwzględnionych

Krótko mówiąc: jakość danych była poza kontrolą, a zaufanie do systemu było zagrożone.

Rozwiązanie: Monitorowanie anomalii i terminowości z wykorzystaniem sztucznej inteligencji

Już we wrześniu 2021 roku rozpoczęliśmy Proof of Value z ITSV i zaczęliśmy zastępować cały jego oparty na regułach system digna Data Anomalies i digna Data Timeliness — dokonując pełnego przejścia na sztuczną inteligencję napędzaną Observability i zaufaniem.

Cała analiza odbyła się bezpiecznie wewnątrz infrastruktury ITSV - zapewniając pełną zgodność z wymogami prywatności danych

Cała analiza odbyła się bezpiecznie wewnątrz infrastruktury ITSV - zapewniając pełną zgodność z wymogami prywatności danych

Cała analiza odbyła się bezpiecznie wewnątrz infrastruktury ITSV - zapewniając pełną zgodność z wymogami prywatności danych

Bez dostosowywania, bez konfiguracji progów, bez obciążenia utrzymaniem.

Bez dostosowywania, bez konfiguracji progów, bez obciążenia utrzymaniem.

Bez dostosowywania, bez konfiguracji progów, bez obciążenia utrzymaniem.

digna Data Timeliness wykorzystało uczenie maszynowe do nauki wzorców przybycia i powiadamiania, gdy dane były spóźnione lub brakujące

digna Data Timeliness wykorzystało uczenie maszynowe do nauki wzorców przybycia i powiadamiania, gdy dane były spóźnione lub brakujące

digna Data Timeliness wykorzystało uczenie maszynowe do nauki wzorców przybycia i powiadamiania, gdy dane były spóźnione lub brakujące

digna Data Anomalies automatycznie nauczyła się normalnych wzorców dla 50 GB danych dziennie z 30 źródeł, a następnie wykrywała odchylenia — eliminując konieczność ręcznego ustawiania progów.

digna Data Anomalies automatycznie nauczyła się normalnych wzorców dla 50 GB danych dziennie z 30 źródeł, a następnie wykrywała odchylenia — eliminując konieczność ręcznego ustawiania progów.

digna Data Anomalies automatycznie nauczyła się normalnych wzorców dla 50 GB danych dziennie z 30 źródeł, a następnie wykrywała odchylenia — eliminując konieczność ręcznego ustawiania progów.

Przykład użycia: Krajowe dane ubezpieczeń społecznych

Magazyn ITSV integruje dane z pięciu dostawców ubezpieczeń zdrowotnych, obsługując miliony Austriaków. Obejmuje to wysoce heterogeniczne, wrażliwe zbiory danych wykorzystywane w rozliczeniach, roszczeniach medycznych, wglądach pacjentów i nie tylko.

Wyzwanie dotyczyło nie tylko jakości danych — ważna była również ich objętość, prędkość i odpowiedzialność. digna umożliwiła:

✦ Monitorowanie wszystkich przychodzących tabel bez pisania lub przepisywania ani jednej reguły
✦ Zapewnienie świeżości danych we wszystkich regionach i przepływach danych — nawet bez zdefiniowanych harmonogramów
✦ Umożliwienie samoobsługowego wykrywania anomalii w zespołach — zwiększając wdrożenie i zasięg

Wyniki: Od chaosu do pewności

Metryka

Przed digna (2021)

Z digna (2025)

Ulepszenie

Reguły jakości danych

9,000

0

100% redukcji

Pokrycie przypadków

25%

90%

wzrost o 3,6x

Codzienne alerty

140 (głównie ignorowane)

20 (do działania)

86% mniej fałszywych alarmów

Utrzymanie reguł

Stała aktualizaja potrzebna

Całkowicie zautomatyzowane

0 godzin/miesiąc

86% mniej alertów - pokazujemy tylko te, które naprawdę mają znaczenie.

86% mniej alertów - pokazujemy tylko te, które naprawdę mają znaczenie.

+260% wzrost w zakresie pokrycia przypadków - bez dodatkowej konserwacji

+260% wzrost w zakresie pokrycia przypadków - bez dodatkowej konserwacji

Zespoły mogą wreszcie koncentrować się na wnioskach, a nie na utrzymaniu infrastruktury.

Zespoły mogą wreszcie koncentrować się na wnioskach, a nie na utrzymaniu infrastruktury.

Do grudnia 2022 roku ITSV zdecydowało się wdrożyć digna jako platformę numer 1 do zarządzania jakością danych dla całej austriackiej organizacji ubezpieczeń społecznych, wykraczającą poza hurtownię danych ITSV.

Do grudnia 2022 roku ITSV zdecydowało się wdrożyć digna jako platformę numer 1 do zarządzania jakością danych dla całej austriackiej organizacji ubezpieczeń społecznych, wykraczającą poza hurtownię danych ITSV.

Dowiedz się więcej od ITSV

Big Data Minds Europe: ITSV x digna (YouTube)

Jeden rok bez technicznych reguł do jakości danych – digna.ai

Chcesz zmodernizować swoje podejście do jakości danych — tak jak ITSV?

Chcesz zmodernizować swoje podejście do jakości danych — tak jak ITSV?

Chcesz zmodernizować swoje podejście do jakości danych — tak jak ITSV?

Produkt

Integracje

Zasoby

Firma

© 2025 digna

Polityka prywatności

Warunki korzystania z usług

Polski
Polski