Далеко не все увлекательно-многообещающие фрагменты предыдущей главы можно пояснить, но с тем, как именно «информационные нити просто обрываются в никуда» разобраться можно и нужно. Все предельно просто и ясно: если в записи с камер видеонаблюдения отсутствует фрагмент в несколько минут, это не значит, что в эти несколько минут не было происшествий, – это значит, что в этот период в обозреваемой области могло случиться что угодно. С обрывами в сборе финансовых данных все еще проще – если фрагмент данных об операциях за некоторый период будет утрачен, все остатки на всех затронутых потерей данных счетах перестанут сходиться отныне и впредь, до скончания времен. Именно поэтому абсолютно во всех финансовых учреждениях для хранения данных используются CP системы, Consistency & Partition tolerance, обеспечивающие по теореме CAP целостность и устойчивость к фрагментации за счет жертвы доступности. Как только возникает риск любой потери любых данных, система просто становится недоступной и перестает принимать запросы на проведение операций до тех пор, пока все риски потери данных не будут полностью устранены.
То есть, сшить такие разрывы информационной ткани невозможно ни со стороны действительности, ни со стороны ее информационной модели. В большинстве таких случаев в действительности придется что-то решать, и в ткани информационной модели образуются грубые твердые швы, очень похожие на шрамы. Об однородности, гибкости и прочности ткани в этом месте придется забыть навсегда.
Именно поэтому в задачах ведения документации человечество пока еще долго будет вынуждено придерживаться бумажного подхода – время в действительности пусть течет себе ровно, в документации отразятся лишь стежки, складывающиеся в более или менее ровные швы, удерживающие только наиболее важные события делового оборота и бизнес-процессов. Так мы и подошли к расшифровке еще одной метафоры, ассоциирующейся с одеждой – «шито белыми нитками».
В целом в отрасли информационных технологий дисциплина обеспечения соответствия информационной модели описываемым ею фактическим бизнес-процессам озаглавлена Data Governance. Здесь также присутствуют трудности перевода, по-русски это будет не менее чем руководство по управлению данными. Сложим эту особенность в копилку иллюстраций того, что английский в качестве наиболее выраженно аналитического языка уверенно остается самым удобным из естественных для сколько-нибудь серьезных и продуктивных диалогов человека с вычислительными системами.
Заметим, что задача соответствия действительности обрабатываемой в рамках процессов Data Governance информационной модели не ставится, рабочей областью остаются именно бизнес-процессы. В цифровой информационной среде, часто пронизанной обильными непрерывными потоками данных, не до задач общезначимого познания, с сугубо практическими задачами успеть бы разобраться. Ключевой критерий достаточности проработки процессов Data Governance – пригодность собираемых и сохраняемых данных для применения в проработке решений по управлению бизнесом. Предмет постоянного улучшения в процессах Data Governance – обеспечение непрерывности сбора, обработки и хранения данных, имеющих бизнес-ценность, и устойчивые протоколы реагирования на инциденты, связанные с нарушением этой непрерывности.
Кстати, Data Governance сейчас – одно из наиболее перспективных и многообещающих карьерных направлений. В отличие от высокохайпового ИИ, столь же высоко уязвимого к появлению в самое ближайшее время решений нового поколения, способных радикально изменить ландшафт отрасли, здесь все изучено и проработано основательно, все пули – хоть серебряные, хоть попроще – давно придуманы, отлиты, заряжены и интенсивно используются. Если говорить об оптимальном на ближайшее десятилетие T-shape, то Data Governance и математическая статистика, плавно переходящая к машинному обучению и ИИ – один из самых надежных выборов. С несколько перехваленным и переоцененным ИИ что угодно пока еще может произойти, а Data Governance никуда не денется.