Политики и стандарты governance

Введение

Политики — это формальное выражение governance-решений. Без политик governance остаётся набором устных договорённостей, которые забываются, интерпретируются по-разному и не переживают смену команды. В этом уроке мы разберём иерархию governance-документов, научимся писать эффективные политики и рассмотрим, как обеспечить их реальное соблюдение.

Иерархия governance-документов

Governance-документы организованы в иерархию по уровню абстракции:

Различия уровней

Анатомия governance-политики

Каждая Data Policy (политика данных) должна содержать обязательные разделы:

Требования к качественной политике

1. Конкретность — “все данные с PII — конфиденциальные” лучше, чем “данные должны быть защищены”
2. Измеримость — “классифицировать в течение 30 дней” лучше, чем “классифицировать своевременно”
3. Enforcement — каждая политика должна содержать раздел о механизме контроля
4. Исключения — явно указать, что НЕ покрывает политика
5. Владелец — конкретное лицо, ответственное за политику

Жизненный цикл политики

Политики не статичны — они проходят через жизненный цикл:

Типичные ошибки

Сценарий: DataTech формулирует первые политики

Сценарий: DataTech Solutions (ДатаТех Солюшенз)

Data Council DataTech определил 5 приоритетных политик для первого года:

1. Data Classification Policy — классификация данных по уровням (см. шаблон выше)
2. Data Access Policy — кто и как получает доступ к данным
3. Data Retention Policy — сроки хранения по категориям
4. Data Quality Policy — стандарты качества и мониторинг
5. Naming Convention Standard — правила именования таблиц и столбцов

Почему 5, а не 47 (как у FinSecure)? На Level 1-2 лучше иметь 5 реально работающих политик, чем 47 декларативных.

Практика: валидация политики

В этом модуле вы встретите код-челлендж CC-03 (Governance Policy Template Validator): JSON-задание, в котором нужно создать валидный governance-документ со всеми обязательными разделами (policy_id, title, version, effective_date, owner, scope, definitions, rules, enforcement, review_schedule).

Отслеживание соответствия политикам

Как убедиться, что политики соблюдаются? Для каждой политики ведётся compliance checklist:

Текущий статус DataTech показывает типичную картину для Level 1: политика утверждена, но compliance = 0%. Это нормально — enforcement приходит на этапах 4-5 жизненного цикла, после внедрения инструментов.

Для сравнения: ФинСекьюр Банк

FinSecure (Level 3) имеет 47 политик, но enforcement проверяется только на годовом аудите. Результат: compliance 85% для core banking (автоматизированные проверки) и 45% для микросервисов (ручные проверки). Урок для DataTech: лучше 5 политик с автоматическим enforcement, чем 47 с ежегодным аудитом.

Стандарты как реализация политик

Data Standards (стандарты данных) — это конкретные технические правила, реализующие политики:

Политика: "Все таблицы должны именоваться единообразно"
    ↓
Стандарт: "Используйте snake_case для имён таблиц и столбцов"
    ↓
Пример: customer_addresses (верно), customerAddresses (нарушение)

Примеры стандартов для DataTech:

Ключевое правило: стандарт должен быть автоматизируемо проверяем. Если стандарт нельзя проверить автоматически, его соблюдение невозможно масштабировать.

Итоги

• Governance-документы имеют иерархию: принципы -> политики -> стандарты -> процедуры
• Качественная Data Policy (политика данных) конкретна, измерима, имеет enforcement и владельца
• Жизненный цикл: черновик -> обсуждение -> утверждение -> внедрение -> мониторинг -> пересмотр
• На Level 1-2 лучше 5 реально работающих политик, чем 47 декларативных
• Стандарты должны быть автоматизируемо проверяемыми
• Compliance checklist отслеживает реальное соблюдение каждой политики

Политики определяют правила, но некоторые типы данных требуют специализированных governance-процессов. Master Data (мастер-данные) — клиенты, продукты, поставщики — пересекают все домены и все политики. Дубликаты мастер-данных (DataTech обнаружила 15% дубликатов клиентов) подрывают quality, compliance и analytics одновременно. В следующем уроке мы изучим Master Data Management (MDM) — системный подход к управлению мастер-данными, включая архитектурные паттерны, golden record и правила выживания данных.