Il feature engineering è il processo di trasformazione dei dati grezzi in segnali pronti per il modello. In pratica, significa convertire log, transazioni, timestamp, conteggi, rapporti, categorie e tendenze in input che un sistema di IA possa davvero utilizzare. Per le previsioni nel settore retail, i record grezzi di vendite e inventario possono essere trasformati in feature come la domanda settimanale, i flag delle promozioni, la stagionalità o le medie a livello di punto vendita.
Nel cyber security, il feature engineering è importante perché il modello è affidabile solo quanto lo sono le feature che osserva. Gli attaccanti possono tentare data poisoning, manipolazione o feed ritardati per distorcere gli input ingegnerizzati e orientare le previsioni lontano dalla realtà. I difensori riducono questo rischio con la convalida delle fonti, il tracciamento della provenienza dei dati, il confronto delle feature con i record grezzi e il monitoraggio di drift o anomalie. Un buon feature engineering aiuta il rilevamento e la previsione; un feature engineering debole può trasformare un modello utile in un punto cieco.