Great Expectations: test data før de brukes av KI
Great Expectations tilbyr GX Core, et åpent Python-verktøy for datakvalitet.
Hva er Great Expectations?
Great Expectations tilbyr GX Core, et åpent Python-verktøy for datakvalitet. Teamet beskriver forventninger til data og kjører kontroller mot dem. Resultatene viser om forventningene blir oppfylt. Prosjektet beskriver også dokumentasjon av valideringsresultater, slik at reglene og funnene kan diskuteres av flere enn utvikleren.
Hva kan norske bedrifter bruke det til?
En norsk bedrift kan prøve kontroller av et daglig produktuttrekk før det brukes i rapporter eller KI. Ønskede regler kan være at produktnummer finnes og at verdier ligger innenfor avtalte grenser. Velg passende forventninger fra dokumentasjonen og kontroller dem på kjente eksempler.
En rad kan oppfylle tekniske regler og likevel være feil. Reglene bør utformes sammen med dem som kjenner kildesystemet og bruken av dataene.
Slik kommer du i gang
Les introduksjonen til GX Core fra README og kontroller støttede miljøer. Installer great_expectations i et eget virtuelt miljø. Følg veiledningen for å opprette kontekst og koble til testdata. Definer noen få forventninger og prøv både riktige og bevisst feilaktige data.
Avtal hva et avvik skal føre til: stopp, varsling eller dokumentert vurdering. Prøv tomme datasett og manglende felt før automatisering. Gi hver regel en eier og en forklaring. Undersøk hvilke verdier som tas med i rapporter og logger før kundedata inngår i kontrollene.
Begynn med ett avgrenset behov og noter forventet resultat før testen. Sammenlign med dagens arbeidsmåte og la en kollega kontrollere resultatet. Gå videre først når dere vet hva løsningen krever av drift og vedlikehold.
Lisens
Kildekoden er utgitt under Apache License 2.0, en OSI-godkjent åpen kildekode-lisens. Les LICENSE-filen og behold påkrevde merknader ved videre distribusjon. Avhengigheter kan ha egne vilkår. Omtalen gjelder GX Core; en eventuell skytjeneste må vurderes separat.
Hvorfor vi skriver om det
Vi dekker praktiske åpne verktøy for dataarbeid og KI. TikTok kan ikke leses direkte her, og vi har ikke bekreftet omtale på bestemte KI-kanaler. Funksjonene er kontrollert mot prosjektets egne kilder; brukseksemplene er våre forslag til utprøving.
Lenker
Kilder
Opplysningene er hentet fra kildene over 14. november 2026. Lisens, funksjoner og installasjon kan ha endret seg siden.