AIモデルの効果的なパフォーマンスに不可欠であるデータの状態は、正確性、完全性、信頼性、関連性といった要因に基づいています。
正確性（誤りがないこと）、完全性（欠損値がないこと）、一貫性（形式が統一されていること）、適時性（最新であること）、および関連性（目的適合性）を含む、多次元的な指標です。データ品質プログラムでは、自動化された検証ルール、クレンジング・パイプライン、品質ダッシュボードを導入し、指標がしきい値を下回った場合にはエスカレーション手順を実行します。
与信リスクチームは、ローン申請における収入および雇用項目のデータ品質メトリクスを継続的に監視しています。欠損値率が2%を超えると、自動アラートがレビューを開始し、データエンジニアがETLスクリプトを修正するとともに、必須項目の徹底入力を促すために現場スタッフへ通知します。これにより、モデルの再学習前にデータの完全性を回復します。
