كم تساوي مجموعتك البيانية؟ 4 طرق لتقييم البيانات للذكاء الاصطناعي

في السوق المزدهرة للذكاء الاصطناعي، تحولت البيانات من منتج ثانوي للعمليات إلى أصل أساسي في الميزانية العمومية. ومع ذلك، على عكس السلع مثل النفط أو الذهب، تفتقر البيانات إلى سعر فوري موحد. يمكن تقييم مجموعة بيانات واحدة - على سبيل المثال، مجموعة من 50,000 سجل طبي مجهول الهوية - بمبلغ 10,000 دولار بناءً على تكلفة جمعها، ومع ذلك يمكن أن تصل قيمتها إلى أكثر من 250,000 دولار إذا وفرت 'الرابط المفقود' لدقة ذكاء اصطناعي تشخيصي. هذا التباين البالغ 25 ضعفًا ليس شذوذًا؛ بل هو نتيجة لاستخدام عدسات تقييم مختلفة.

فجوة التقييم: لماذا تسعير البيانات ليس خطيًا

يعتمد تقييم البيانات بشكل أساسي على الذاتية والسياق. بالنسبة لمالك البيانات، غالبًا ما تكمن القيمة في الجهد المبذول للحصول عليها. بالنسبة للمشتري، تكمن القيمة في المنفعة الهامشية التي توفرها البيانات لنموذج معين. يتطلب سد هذه الفجوة نهجًا متعدد المنهجيات. للحصول على نظرة أعمق على الأطر الرياضية، استشر دليلنا الشامل حول كيف تساوي مجموعة البيانات وطرق تقييمها.

الطريقة الأولى: نهج تكلفة إعادة الإنشاء

تحدد هذه الطريقة 'الحد الأدنى' للتقييم. تحسب إجمالي النفقات المطلوبة لجمع البيانات وتنظيفها وتصنيفها وتخزينها من الصفر. يشمل ذلك تكاليف العمالة لعلماء البيانات وتكاليف البنية التحتية للتخزين والحوسبة. على الرغم من أن هذه الطريقة موضوعية، إلا أنها غالبًا ما تقلل من قيمة البيانات الفريدة أو التاريخية التي لا يمكن تكرارها. للسياق، تم الكشف عن متوسط تكلفة خرق البيانات - الذي غالبًا ما يستخدم كبديل للقيمة الأساسية 'للاستبدال' للبيانات الحساسة للمؤسسات - بمبلغ 4.45 مليون دولار عالميًا في عام 2023 (https://www.ibm.com/reports/data-breach).

الطريقة الثانية: المقارنات السوقية والمعايير

مع نضوج السوق الثانوية للبيانات، يمكننا النظر إلى المعاملات المعلنة لوضع معايير. تبحث هذه الطريقة فيما بيعت به مجموعات البيانات المماثلة في الأشهر الأخيرة. لمعرفة كيفية وضع الأصول المماثلة في السوق، تصفح كتالوج مجموعات البيانات على منصتنا. تشمل المعايير الأخيرة البارزة:

• محتوى وسائل التواصل الاجتماعي: تم الكشف عن صفقة ترخيص Reddit مع Google بحوالي 60 مليون دولار سنويًا (https://www.reuters.com/technology/reddit-ai-content-licensing-deal-with-google-sources-say-2024-02-22/).
• الأخبار والنصوص: تقدر الشراكة متعددة السنوات لشركة News Corp مع OpenAI بأكثر من 250 مليون دولار على مدى خمس سنوات (https://www.wsj.com/business/media/openai-news-corp-strike-content-deal-valued-at-over-250-million-07353903).
• الوسائط المرئية: أبلغت Shutterstock عن إيرادات معلنة بلغت 104 ملايين دولار من ترخيص البيانات في عام 2023 وحده (https://investor.shutterstock.com/news-releases/news-release-details/shutterstock-reports-fourth-quarter-and-full-year-2023-financial).

الطريقة الثالثة: التقييم بناءً على الدخل والمنفعة

هذه هي الطريقة الأكثر جرأة وغالبًا ما تكون الأكثر دقة للمشترين ذوي النوايا العالية. تحسب القيمة الحالية الصافية (NPV) للتدفقات النقدية المستقبلية المتوقع أن تولدها البيانات. إذا حسنت مجموعة بيانات نموذج الصيانة التنبؤية بنسبة 5٪، وهذه النسبة البالغة 5٪ تقلل من وقت التوقف التشغيلي بمقدار مليون دولار سنويًا، فإن منفعة البيانات ترتبط مباشرة بهذا التوفير البالغ مليون دولار. وفقًا لدراسة أجرتها EY، غالبًا ما تُقدر قيمة الشركات التي تعتمد على البيانات والتي تنجح في تحقيق الدخل من هذه المنافع بعلاوة تتراوح بين 15٪ و 20٪ مقارنة بنظرائها (https://www.ey.com/en_gl/strategy/how-to-value-your-data).

الطريقة الرابعة: القيمة الاقتصادية المضافة (EVA) في أداء النموذج

في تدريب الذكاء الاصطناعي، غالبًا ما تكون قيمة مجموعة البيانات لوغاريتمية. المليون صف الأول قيّم، ولكن الـ 1000 صف التي تغطي 'الحالات الطرفية' (الأحداث النادرة) قد تكون قيمتها 100 ضعف. يستخدم المشترون 'اختبارات A/B' على النماذج: يقومون بتدريب نموذج بدون البيانات الجديدة، ثم معها. يحدد 'الفرق' في الأداء - المقاس بدرجة F1 أو الدقة أو الاستدعاء - السعر. إذا حلت بياناتك مشكلة 'البداية الباردة' لمنتج ذكاء اصطناعي جديد، فإن قيمتها تكون في ذروتها.

قائمة التحقق: العوامل التي تضاعف قيمة البيانات

• الحصرية: هل البيانات متاحة في مكان آخر؟ البيانات التي تم جمعها من الويب العام لها قيمة هامشية تقارب الصفر؛ بيانات المستشعرات الخاصة لها قيمة عالية.
• معدل التدهور: هل تفقد البيانات قيمتها بمرور الوقت؟ تتدهور بيانات الأسواق المالية في الوقت الفعلي في ثوانٍ؛ تظل بيانات التصوير الطبي ذات صلة لعقود.
• الامتثال: هل البيانات 'نظيفة' فيما يتعلق بلائحة GDPR أو قانون البيانات الأوروبي؟ البيانات غير المتوافقة هي مسؤولية، وليست أصلًا.
• الكثافة: هل تحتوي البيانات على معلومات عالية الإشارة أم أنها مجرد ضوضاء؟

ما يعنيه هذا بالنسبة لك

بالنسبة لأصحاب البيانات، الهدف هو نقل المحادثة من الطريقة الأولى (التكلفة) إلى الطريقة الثالثة (الدخل). من خلال فهم حالات استخدام الذكاء الاصطناعي المحددة التي تتيحها بياناتك، يمكنك تبرير تقييم أعلى بـ 10 إلى 25 ضعفًا من تكاليف الاستحواذ الداخلية الخاصة بك. بالنسبة للمشترين، توفر الطريقة الرابعة (EVA) الانضباط اللازم لضمان عدم دفعك مبالغ زائدة مقابل معلومات مكررة. سواء كنت تتطلع إلى إدراج أرشيف خاص أو الحصول على مجموعة تدريب عالية الإشارة، توفر d-nvest طبقة الذكاء لسد فجوات التقييم هذه.