高质量银行数据：精准铸就信任

主要观点总结

本文介绍了在中国发展高层论坛上，国家数据局局长刘烈宏提出的“以高质量数据促进人工智能发展”的四维战略框架，并详细阐述了高质量数据集在人工智能领域的重要性及其建设要求。文章还重点介绍了高质量数据集的类型、质量要求和标准，以及高质量数据在银行领域的应用和价值。

关键观点总结

关键观点1: 国家数据局局长刘烈宏提出“以高质量数据促进人工智能发展”的四维战略框架。

标志着我国数据要素政策进入精细化落地阶段，高质量数据集作为训练人工智能模型的基础，已成为人工智能赋能千行百业的核心要素。

关键观点2: 高质量数据集包括三种类型。

分别是面向社会公众的通用知识组成数据集、面向行业领域从业人员的通用知识组成数据集和面向行业领域机构内部业务人员的专业知识组成数据集。

关键观点3: 高质量数据集的质量要求包括文档完整性、质量合规性和场景适用性三个维度。

其中文档完整性要求数据集说明文档的完整性；质量合规性包括结构完整性、安全规范性等；场景适用性则涉及内容多样性、规模完整性等。

关键观点4: 在银行领域，高质量数据的重要性体现在多个方面。

包括准确性、完整性、一致性、时效性、相关性、覆盖性、平衡性、信噪比、标注质量、可解释性与文档完备以及可访问性与格式等方面。

关键观点5: 构建高质量银行数据集合的关键措施。

包括精心设计数据采集流程、严格数据清洗和预处理、制定清晰的数据标注规范、完善元数据管理和数据治理以及持续监控数据质量等。