«Чистые данные стоят дорого, но грязные данные обойдутся вам в цену всего предприятия.»
Это самый болезненный, долгий и неблагодарный этап, который ненавидят заказчики и о котором предпочитают молчать продавцы ИТ-решений. Мой стержневой тезис: «Нельзя автоматизировать бардак». Очистка данных — это генеральная уборка бардака. Если в вашей ERP-системе одна и та же гайка заведена под тремя разными артикулами, а исторические отчеты о ремонтах заполнялись «для галочки», никакой алгоритм предиктивного обслуживания не спасет станок от поломки. Я видел, как в банках пытались строить модели оценки рисков на грязных данных — алгоритм просто умножал человеческие ошибки в тысячу раз быстрее. Перед тем как внедрять ИИ, вы обязаны провести жесточайшую ревизию: удалить устаревшие СНиПы, свести дубли справочников номенклатуры к единому стандарту, убрать противоречия в технологических картах. Да, это может занять месяцы ручного труда. Но без этого вы просто купите очень дорогую систему по генерации бреда.