IA Lab by amano
Neste termo

Data drift

Deriva de dados · Input Drift · Feature Drift

Data drift é a mudança relevante na distribuição dos dados recebidos por um sistema em relação aos dados de referência, como treinamento ou um período anterior de produção.

avaliação, observabilidade e qualidadenível intermediárioevolução lenta

O que é

A mudança pode afetar frequência de categorias, faixas numéricas, valores ausentes, formatos, volume ou relações entre variáveis.

Data drift é um sinal de que o ambiente mudou. Ele pode ou não reduzir desempenho, por isso precisa ser combinado com avaliação de qualidade e contexto.

Como funciona

A equipe define uma distribuição de referência e calcula estatísticas sobre janelas recentes de produção para cada atributo relevante.

Medidas de distância e regras de qualidade apontam diferenças acima de um limiar. A análise identifica se houve mudança real, sazonalidade, erro de coleta ou alteração do pipeline.

Um exemplo

Um sistema treinado com projetos residenciais começa a receber mais projetos hospitalares, mudando áreas, ambientes, documentos e vocabulário das entradas.

Onde aparece na prática

  • Dados: Detectar alteração de formato, origem, distribuição ou valores ausentes.
  • Operação: Antecipar risco de degradação antes que rótulos de qualidade estejam disponíveis.
  • Governança: Registrar sazonalidade, mudanças planejadas e limiares por atributo.

Conceitos que costumam ser confundidos

  • Data drift × model drift: Data drift observa entradas; model drift observa o desempenho ou a qualidade das previsões.
  • Drift × training-serving skew: Drift compara períodos; skew costuma comparar dados de produção com os usados no treinamento.

Limitações e riscos

Um alerta estatístico não prova impacto no produto. Mudanças irrelevantes podem gerar ruído e diferenças pequenas podem afetar atributos críticos.

Limiar, janela e segmento mal escolhidos escondem mudanças ou geram alertas excessivos.

Perguntas frequentes

Data drift significa que o modelo está errado?

Não necessariamente. Ele indica mudança nos dados; o impacto precisa ser confirmado por avaliação de desempenho e risco.

Toda mudança sazonal é um problema?

Não. Sazonalidade esperada pode ser documentada e tratada com referências e limiares adequados a cada período.

Fontes principais

Revisado em 2026-10-18.