digna rapporte un déploiement en entreprise de 12 mois sans règles traditionnelles de qualité des données

Déploiement montrant comment la détection d’anomalies par IA remplace des milliers de règles manuelles tout en assurant un suivi fiable des données.

VIENNA, AUSTRIA, March 19, 2026 /EINPresswire.com/ -- digna a annoncé qu’un entrepôt de données d’entreprise à grande échelle a fonctionné pendant douze mois consécutifs sans exécuter de règles traditionnelles de qualité des données codées manuellement, s’appuyant à la place sur une détection d’anomalies adaptative intégrée dans sa plateforme de Data Quality & Observability.

Selon l’entreprise, le déploiement a remplacé des milliers de contrôles de validation écrits manuellement, y compris les validations de valeurs nulles, les contrôles de seuil et les assertions SQL personnalisées, par un monitoring piloté par l’IA intégré directement dans la plateforme. Plutôt que de s’appuyer sur des scripts prédéfinis, le système a analysé des modèles comportementaux à travers les ensembles de données afin de détecter automatiquement les irrégularités.

Les résultats ont été documentés et présentés par la suite à travers un témoignage client lors de la conférence ADV Data Excellence à Vienne. L’entreprise a déclaré que le déploiement démontre un passage des modèles de validation statiques vers des approches de monitoring adaptatif pour les environnements de données d’entreprise à grande échelle.

Pendant des décennies, les entrepôts de données d’entreprise se sont appuyés sur des cadres de validation basés sur des règles pour surveiller la qualité des données. Ces systèmes exigent généralement que les ingénieurs définissent des conditions telles que des contrôles de valeurs nulles, des limites de seuil ou des assertions SQL conçues pour signaler des erreurs connues. À mesure que les écosystèmes de données se développent, ces ensembles de règles peuvent atteindre des milliers de conditions qui doivent être maintenues et mises à jour à mesure que les structures de données évoluent.

Marcin Chudeusz, CEO de digna, a déclaré que la complexité croissante de l’infrastructure de données d’entreprise met au défi la capacité d’évolution des modèles de gouvernance traditionnels basés sur des règles.

« Les plateformes d’entreprise évoluent en continu », a déclaré Chudeusz. « Lorsque la validation dépend de règles définies manuellement, la gouvernance devient réactive et difficile à faire évoluer. Notre objectif est de renforcer la gouvernance en intégrant une observabilité intelligente directement dans l’environnement de données afin que le monitoring s’adapte à mesure que les systèmes changent. »

Le système de monitoring de la plateforme applique des méthodes d’apprentissage statistique, y compris la détection d’anomalies sans distribution et des intervalles de prédiction adaptatifs, afin d’identifier les écarts par rapport au comportement attendu des données. Au lieu de définir des règles explicites pour chaque problème potentiel, le système modélise le comportement des ensembles de données dans le temps et détecte les anomalies lorsque les modèles changent.

Danijel Kivaranovic, PhD, CTO de digna, a déclaré que l’approche reflète des principes issus de la théorie de l’apprentissage statistique.

« Les systèmes basés sur des règles supposent que les problèmes potentiels peuvent être entièrement spécifiés à l’avance », a déclaré Kivaranovic. « Dans des écosystèmes de données complexes, cette hypothèse ne tient souvent pas. En modélisant mathématiquement le comportement sous-jacent des données, les écarts peuvent être détectés sans coder des milliers de conditions prédéfinies. »

Selon l’entreprise, l’approche réduit la charge opérationnelle associée à la maintenance de grands ensembles de règles tout en étendant la couverture du monitoring à des environnements complexes qui connaissent des changements fréquents de schéma, de nouvelles sources de données et une logique métier en évolution.

L’entreprise a déclaré que le déploiement documenté sur douze mois suggère que les modèles de monitoring adaptatif peuvent offrir une approche alternative de gouvernance à mesure que les écosystèmes de données d’entreprise continuent de croître en échelle et en complexité.

À propos de digna

digna développe des logiciels d’entreprise axés sur le monitoring de la qualité des données, l’observabilité et l’automatisation de la gouvernance. La plateforme applique une détection d’anomalies pilotée par l’IA pour surveiller des environnements de données à grande échelle sans s’appuyer sur des règles de validation codées manuellement de manière extensive.

Mayowa Ajakaiye
digna GmbH
+4312260056 ext.
email us here
Visit us on social media:
LinkedIn
Facebook
YouTube
X

Legal Disclaimer:

EIN Presswire provides this news content "as is" without warranty of any kind. We do not accept any responsibility or liability for the accuracy, content, images, videos, licenses, completeness, legality, or reliability of the information contained in this article. If you have any complaints or copyright issues related to this article, kindly contact the author above.