如何评估AI的数据准备度：Snowflake的6C框架

大多数AI项目失败的原因是数据而非模型。与传统分析不同，传统分析中数据质量差只会导致图表错误，而在AI中，同样的缺陷会嵌入索引、被检索，并产生自信但错误的答案，从而可能导致错误的行动。随着系统自主性的提高，错误的影响也会放大。为了系统性地评估数据就绪性，提出了“6C”框架：清洁性（Clean）、上下文性（Contextual）、可消费性（Consumable）、时效性（Current）、相关性（Correlated）和合规性（Compliant）。每个因素针对不同类型的工作负载进行了详细说明：检索增强生成（RAG）、智能体、特征服务和模型训练。Snowflake通过其工具实现了6C要求：数据度量函数用于质量控制，语义视图用于上下文，Cortex Search用于向量搜索，特征存储用于存储特征，流和任务用于时效性，时间旅行和ACCESS_HISTORY用于相关性，Horizon Catalog用于合规性。该框架被打包为一个开源智能体技能，可使用超过60个指标针对给定的工作负载场景（例如，服务或训练）运行数据评估。该智能体拥有只读权限，任何数据修改都需要明确批准。一个示例评估显示：清洁性因素通过，而上下文性因素未通过（语义文档得分较低）。项目仓库位于GitHub：github.com/Snowflake-Labs/ai-ready-data。