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

Watch Video Testimonial

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

INDUSTRY

Opieka zdrowotna, Ubezpieczenie społeczne

INDUSTRY

Opieka zdrowotna, Ubezpieczenie społeczne

INDUSTRY

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

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:

The growing volume (50GB/day from 30+ sources in 500+ structures) made rule maintenance unsustainable

Knowledge was lost due to staff turnover and insufficient documentation

Rules had to be constantly adjusted, but no team had ownership

140+ daily alerts were flooding inboxes — most ignored due to unclear meaning

Only 25% of relevant data quality cases were actually covered

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.

All analysis happened securely inside ITSV's infrastructure — ensuring full data privacy compliance

No tuning, no threshold configuration, no maintenance overhead

digna Data Timeliness used machine learning to learn arrival patterns and alert when data was late, missing, or too early

digna Data Anomalies automatically learned normal patterns for 50GB/day across 30 sources, then flagged deviations — eliminating manual thresholds

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

Metric	Pre-digna (2021)	With digna (2025)	Improvement
Data Quality Rules	9,000	0	100% reduction
Case Coverage	25%	90%	3.6x increase
Daily Alerts	140 (mostly ignored)	20 (actionable)	86% fewer false positives
Rule Maintenance	Constant adjustments	Fully automated	0 hours/month

86% alert volume — only the most meaningful issues are surfaced

+260% increase in case coverage — with no added maintenance

Teams can now focus on insights, not infrastructure

By December 2022, ITSV decided to implement digna as a No. 1 data quality platform for the entire Austrian social security organization, extending beyond ITSV's data warehouse.