Data mining and AI techniques are increasingly being used to automate data analysis. Ideally, one may wish to completely automate the data analysis process, but in many real-world applications a full automation may pose significant risks. In these cases, human analysts must be directly involved to refine the analysis or to make the final decisions. A challenging problem, therefore, is how to perform efficient and trustworthy decision-making when humans are an integral part of the analysis pipeline. We propose a "human-in-the-loop" methodology that leverages data mining, machine learning, and visual analytics to improve and speed up the analysis. A key feature is the use of a dashboard that integrates intuitive visual tools, which aid analysts to efficiently discover hidden data patterns or to get helpful insights. We describe in particular how this methodology has been successfully applied to support Revenue Agency officers in tax risk assessment.
Il data mining e l'intelligenza artificiale sono sempre più utilizzati nell'analisi dei dati. L'ideale sarebbe ottenere un'automazione completa, ma in molte applicazioni ciò comporta rischi significativi. In questi casi è necessario il coinvolgimento diretto di analisti umani per raffinare l'analisi o per prendere le decisioni finali. Un problema rilevante è quindi come garantire un processo decisionale efficiente e affidabile nel quale gli esseri umani sono parte integrante del processo di analisi. Proponiamo una metodologia human-in-the-loop che sfrutta il data mining, il machine learning, e la visualizzazione per migliorare il processo di analisi. Un elemento chiave è l'uso di una dashboard visuale intuitiva, di supporto all'individuazione di relazioni e pattern di dati nascosti. Come caso di studio, descriviamo un'applicazione di questa metodologia per l'analisi del rischio fiscale nell'ambito delle attività dell’Agenzia delle Entrate.
Efficient and trustworthy decision making through human-in-the-loop visual analytics: A case study on tax risk assessment | Processi decisionali efficienti e affidabili tramite analisi visuale con metodologia human-in-the-loop: un caso di studio sulla valutazione del rischio fiscale
Didimo W.Supervision
;Grilli L.
Writing – Original Draft Preparation
;Liotta G.Supervision
;Montecchiani F.Supervision
2022
Abstract
Data mining and AI techniques are increasingly being used to automate data analysis. Ideally, one may wish to completely automate the data analysis process, but in many real-world applications a full automation may pose significant risks. In these cases, human analysts must be directly involved to refine the analysis or to make the final decisions. A challenging problem, therefore, is how to perform efficient and trustworthy decision-making when humans are an integral part of the analysis pipeline. We propose a "human-in-the-loop" methodology that leverages data mining, machine learning, and visual analytics to improve and speed up the analysis. A key feature is the use of a dashboard that integrates intuitive visual tools, which aid analysts to efficiently discover hidden data patterns or to get helpful insights. We describe in particular how this methodology has been successfully applied to support Revenue Agency officers in tax risk assessment.I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.