ข้อมูลสังเคราะห์หมายถึงข้อมูลที่สร้างขึ้นโดยเทียมมากกว่าการรวบรวมจากแหล่งข้อมูลจริง โดยทั่วไปแล้ว ในขณะที่ข้อมูลต้นฉบับถูกรวบรวมในการโต้ตอบทั้งหมดของคุณกับบุคคล (ลูกค้า ผู้ป่วย ฯลฯ) และผ่านกระบวนการภายในทั้งหมดของคุณ ข้อมูลสังเคราะห์จะถูกสร้างขึ้นโดยอัลกอริทึมของคอมพิวเตอร์

ข้อมูลสังเคราะห์ยังสามารถใช้เพื่อทดสอบและประเมินแบบจำลองในสภาพแวดล้อมที่มีการควบคุม หรือเพื่อปกป้องข้อมูลที่ละเอียดอ่อนโดยการสร้างข้อมูลที่คล้ายกับข้อมูลในโลกแห่งความเป็นจริง แต่ไม่มีข้อมูลที่ละเอียดอ่อนใดๆ ข้อมูลสังเคราะห์มักใช้เป็นทางเลือกสำหรับข้อมูลที่ละเอียดอ่อนด้านความเป็นส่วนตัว และสามารถใช้เป็นข้อมูลทดสอบ สำหรับการวิเคราะห์หรือเพื่อฝึกอบรมการเรียนรู้ของเครื่อง

อ่านเพิ่มเติม

การรับประกันว่าข้อมูลสังเคราะห์มีคุณภาพข้อมูลเดียวกันกับข้อมูลต้นฉบับอาจเป็นเรื่องที่ท้าทาย และมักจะขึ้นอยู่กับกรณีการใช้งานที่เฉพาะเจาะจงและวิธีการที่ใช้ในการสร้างข้อมูลสังเคราะห์ บางวิธีในการสร้างข้อมูลสังเคราะห์ เช่น โมเดลเชิงกำเนิด สามารถสร้างข้อมูลที่คล้ายกับข้อมูลต้นฉบับอย่างมาก คำถามสำคัญ: จะสาธิตสิ่งนี้ได้อย่างไร

มีบางวิธีในการรับรองคุณภาพของข้อมูลสังเคราะห์:

• เมตริกคุณภาพข้อมูลผ่านรายงานคุณภาพข้อมูลของเรา: วิธีหนึ่งที่จะรับประกันว่าข้อมูลสังเคราะห์มีคุณภาพข้อมูลเดียวกันกับข้อมูลต้นฉบับคือการใช้เมตริกคุณภาพข้อมูลเพื่อเปรียบเทียบข้อมูลสังเคราะห์กับข้อมูลต้นฉบับ เมตริกเหล่านี้สามารถใช้วัดสิ่งต่างๆ เช่น ความเหมือน ความถูกต้อง และความสมบูรณ์ของข้อมูล ซอฟต์แวร์ Syntho รวมรายงานคุณภาพข้อมูลพร้อมเมตริกคุณภาพข้อมูลต่างๆ.
• การประเมินภายนอก: เนื่องจากคุณภาพข้อมูลของข้อมูลสังเคราะห์เมื่อเปรียบเทียบกับข้อมูลต้นฉบับเป็นสิ่งสำคัญ เราจึงได้ทำการประเมินกับผู้เชี่ยวชาญด้านข้อมูลของ SAS (ผู้นำตลาดด้านการวิเคราะห์) เมื่อเร็วๆ นี้ เพื่อแสดงให้เห็นถึงคุณภาพข้อมูลของข้อมูลสังเคราะห์โดย Syntho เมื่อเปรียบเทียบกับข้อมูลจริง Edwin van Unen ผู้เชี่ยวชาญด้านการวิเคราะห์จาก SAS ประเมินชุดข้อมูลสังเคราะห์ที่สร้างขึ้นจาก Syntho ผ่านการประเมินการวิเคราะห์ (AI) แบบต่างๆ และแบ่งปันผลลัพธ์ ชมวิดีโอสรุปสั้นๆ ได้ที่นี่.
• ทดสอบและประเมินผลด้วยตัวเอง: ข้อมูลสังเคราะห์สามารถทดสอบและประเมินได้โดยเปรียบเทียบกับข้อมูลในโลกแห่งความเป็นจริง หรือใช้มันเพื่อฝึกโมเดลแมชชีนเลิร์นนิงและเปรียบเทียบประสิทธิภาพกับโมเดลที่ได้รับการฝึกอบรมจากข้อมูลในโลกแห่งความเป็นจริง ทำไมไม่ทดสอบคุณภาพข้อมูลของข้อมูลสังเคราะห์ด้วยตัวเอง? สอบถามผู้เชี่ยวชาญของเราเกี่ยวกับความเป็นไปได้ของสิ่งนี้ได้ที่นี่. 

สิ่งสำคัญคือต้องทราบว่าข้อมูลสังเคราะห์ไม่สามารถรับประกันได้ว่าจะมีความคล้ายคลึงกับข้อมูลต้นฉบับ 100% แต่สามารถใกล้เคียงพอที่จะเป็นประโยชน์สำหรับกรณีการใช้งานเฉพาะได้ กรณีการใช้งานเฉพาะนี้สามารถเป็นแบบจำลองการวิเคราะห์ขั้นสูงหรือการฝึกอบรมการเรียนรู้ของเครื่อง

'การไม่เปิดเผยตัวตน' แบบคลาสสิกไม่ใช่ทางออกที่ดีที่สุดเสมอไป เนื่องจาก:

1. ความเสี่ยงด้านความเป็นส่วนตัว - คุณจะมีเสมอ
   ความเสี่ยงด้านความเป็นส่วนตัว การสมัครเหล่านั้น
   เทคนิคการปกปิดชื่อแบบคลาสสิก
   ทำให้มันยากขึ้น แต่ไม่ใช่
   ไม่สามารถระบุตัวบุคคลได้
2. ทำลายข้อมูล - ยิ่งคุณ
   ไม่เปิดเผยตัวตน ยิ่งคุณปกป้องได้ดีเท่าไหร่
   ความเป็นส่วนตัวของคุณ แต่ยิ่งคุณ
   ทำลายข้อมูลของคุณ นี่ไม่ใช่อะไร
   คุณต้องการการวิเคราะห์เพราะ
   ข้อมูลที่ถูกทำลายจะส่งผลเสีย
   ข้อมูลเชิงลึก
3. ใช้เวลามาก - มันคือทางออก
   ที่ต้องใช้เวลามากเพราะ
   เทคนิคเหล่านั้นทำงานแตกต่างกัน
   ต่อชุดข้อมูลและต่อประเภทข้อมูล

ข้อมูลสังเคราะห์มีวัตถุประสงค์เพื่อแก้ไขข้อบกพร่องเหล่านี้ทั้งหมด ความแตกต่างนั้นน่าทึ่งมากจนเราทำวิดีโอเกี่ยวกับเรื่องนี้ ดูได้ที่นี่.