この研究は、データウェアハウス環境でAIベースのデータ品質管理（DQM）をサポートする既存のツールの現状を調査した体系的な文献レビュー研究です。 151個のDQMツールを対象に、自動化機能、特にデータウェアハウスでデータ品質ルールの検出と推奨機能を評価しました。機能、使用可能性、コンプライアンス、データウェアハウスとのアーキテクチャの互換性に基づいて多段階のスクリーニングが行われた結果、AIベースのDQM基準を満たすツールはわずか10個しかありませんでした。分析の結果、ほとんどのツールはAIのためのデータの精製と準備に焦点を当てており、AIを活用してDQM自体を改善することに焦点を当てていないことがわかりました。メタデータとMLベースのルール検出技術は存在しますが、SQLベースのルール仕様、調整ロジック、AIベースの推奨事項の説明可能性などの機能は欠けていました。本研究では、ツールを選択するための実践的なガイダンスを提供し、次世代AIベースのDQMソリューションのための重要な設計要件を提示し、「AIのデータ品質」から「データ品質管理のためのAI」へのパラダイム移行を主張します。
