Суть. Любое решение на данных не лучше самих данных. Жизненный цикл описывает, откуда данные пришли, кто имеет право их использовать, как проверяется качество, где они хранятся и когда удаляются. Без этого модель работает, но объяснить её поведение и защитить перед проверкой невозможно.
Этапы
| Этап | Ключевой вопрос | Что фиксируется |
|---|---|---|
| Сбор | На каком основании мы это получили | Источник, согласие, назначение |
| Подготовка | Что мы с данными сделали | Преобразования и их авторы |
| Хранение | Где лежит и кто видит | Классификация, шифрование, доступ |
| Использование | Для какой задачи применяется | Совпадает ли с изначальным назначением |
| Контроль качества | Данные всё ещё пригодны | Полнота, свежесть, дубли, смещение |
| Удаление | Когда обязаны стереть | Срок хранения и его исполнение |
Что обычно пропущено
Происхождение и назначение. Данные собрали для одной задачи, применили для другой — юридически это отдельное основание, и вопрос всплывает в момент проверки или сделки с крупным заказчиком. Второе — удаление: сроки записаны в политике, а механизма исполнения нет.
Этапы и вопрос, который решается на каждом
| Этап | Главный вопрос | Где обычно теряют |
|---|---|---|
| Сбор | Откуда взяли и имеем ли право | Источник не зафиксирован |
| Происхождение | Через какие преобразования прошли | Цепочка обрывается на первой выгрузке |
| Качество | Насколько данным можно верить | Проверок нет, есть ощущение |
| Доступ | Кто и на каком основании видит | Доступ выдан «на проект» три года назад |
| Хранение | Сколько держим и почему именно столько | Держат всё и навсегда |
| Удаление | Как удаляем, включая копии | Копии в выгрузках и почте |
Почему это стало вопросом бизнеса
Пока данные использовались для отчётов, ошибка стоила неверного графика. Как только на них учится модель, ошибка воспроизводится в каждом ответе и в каждом решении, принятом по этому ответу. Отсюда и требование: у набора данных должен быть источник, владелец и срок жизни — как у любого актива.
- Опишите происхождение хотя бы для тех наборов, которые попадают в обучение или в контекст модели.
- Разделите данные по чувствительности до, а не после первого инцидента.
- Введите срок хранения по умолчанию. Хранить вечно — это решение, и его надо принимать осознанно.
- Проверяйте не только точность, но и полноту: пропуски в данных модель заполняет собственными догадками.
Где ломается
Качество проверяют один раз при загрузке. Источник меняет формат, данные тихо портятся, модель деградирует незаметно.
Персональные данные попадают в обучение. Обратно их оттуда не достать.
Владельца нет. Набор данных без ответственного лица через год не понимает никто.
Согласие получили на одно, используют для другого. Данные собирались для оказания услуги, а ушли в обучение модели. Это правовая проблема, а не техническая.
Качество проверяют один раз. Источник меняется, проверка остаётся прежней, деградация обнаруживается через квартал по жалобам.
Удаление работает только в основной системе. Копии в выгрузках, резервных копиях и таблицах аналитиков живут дальше.
Проверочный вопрос перед любым проектом с моделью: сможете ли вы через год объяснить, откуда взялась каждая строка обучающего набора. Если нет — проект несёт риск, который не виден в смете.
Частые вопросы
Связанное
Данные — единственный актив, который дешевеет от небрежности незаметно. Проблема проявляется не в момент ошибки, а в момент, когда на неё сослались.
Материал обновлён 16 августа 2026