В России пока не так много предприятий, которые имеют достаточный опыт в реализации проектов больших данных, поэтому сегодня особенно ценно узнать мнение экспертов в этой области. В ходе форума «Управление данными 2019» Артем Меркулов, руководитель бизнес-направления Big Data Solutions компании «Неофлекс», рассказал нам об основных сложностях, возникающих в проектах больших данных, и о путях их преодоления.

- Какие аспекты систем больших данных вызывают трудности у заказчиков?

Многие организации сейчас только начинают осваивать область больших данных и ведут пилотные проекты. Им часто не хватает внутренней экспертизы — в первую очередь по администрированию приложений, конфигурированию системных компонентов, кластеров. Нехватка квалифицированных кадров, пожалуй, главная проблема на сегодня.

Что касается технических аспектов, то, и по нашим наблюдениям, и по оценкам экспертов, до 80% всех объемов работ приходится на предварительную подготовку и обработку данных, поэтому именно эти процессы требуют от заказчиков наибольшего напряжения.

- При реализациии каких компонентов систем больших данных возникают наибольшие трудности?

Всегда присутствует рутинная часть – например, загрузка информационного «сырья» в хранилище или озеро данных. Такого рода процессы нужно автоматизировать, и мы в нашей платформе Datagram эту функцию реализовали. Вторая группа трудоемких компонентов связана со сложной настройкой трансформации данных. Зачастую загрузка данных происходит отдельно от их преобразования (например, средствами языка Scala). Наша платформа позволяет использовать трансформацию любой сложности, при необходимости прибегая к помощи внешних инструментов. Третья группа связана с DevOps, непрерывной интеграцией и развертыванием создаваемых приложений. Эти инструменты должны пронизывать все решение, поддерживая работу большой, в том числе распределенной команды. Реализация таких инструментальных конвейеров посредством одного лишь ПО с открытым кодом оказывается весьма трудоемкой.

- Какие компоненты являются самыми дорогостоящими?

Аппаратные компоненты систем больших данных по стоимости сопоставимы с теми, что применяются в «традиционных» проектах, при этом ПО зачастую обходится практически бесплатно, поскольку для работы с большими данными широко применяются продукты с открытым кодом. Самое дорогое – высококвалифицированный персонал. Такие специалисты дефицитны, поэтому их труд ценится. Но, даже если вы готовы предложить им достаточно денег, найти этих сотрудников на рынке и привлечь их все равно будет сложно.

- Нередко компаниям приходится анализировать данные из новых источников. Насколько трудоемкой и затратной оказывается интеграция с ними?

Просто подключить новый источник и обеспечить загрузку данных из него несложно – это вопрос нескольких дней или, возможно, недель. Гораздо труднее интегрировать данные из него в существующие системы. Главный фактор здесь – прозрачность алгоритмов, по которым планируется объединять данные. Если основой объединения служат простые ключи – это одна задача, если же, к примеру, требуется дополнить информацию о клиентах информацией из соцсетей, то задача значительно усложняется.

При подключении новых источников нередко приходится изменять бизнес-процессы заказчика – это нужно либо для того, чтобы полученные данные были задействованы и использовались, либо чтобы сотрудники им доверяли. Как известно, изменение бизнес-процессов – процесс достаточно трудоемкий и болезненный для любой организации.

- Как влияет на архитектуру и реализацию систем больших данных требование анализировать данные Интернета вещей?

Для Интернета вещей характерны две ключевые особенности. Первая – обработка потоков данных в реальном времени. Если система изначально не была спроектирована в расчете на потоковую аналитику, то, скорее всего, в нее придется внести серьезные изменения. Насколько это необходимо, будет зависеть от решаемой задачи. Одно дело – сбор потоковых данных и их анализ с определенной периодичностью (например, раз в сутки) и совсем другое – обработка данных «на лету»: чтобы выявлять аномалии или иные события, на которые надо реагировать немедленно, здесь требуется другая архитектура.

Вторая особенность – очень быстрый рост объемов данных при подключении источников Интернета вещей. Чтобы справляться с их потоком, нужна масштабируемая архитектура. Если возможности масштабирования недостаточны, то проблемы неизбежны, это касается и оборудования, и нагрузок на системные компоненты ПО. Проектируя системы больших данных для Интернета вещей, необходимо это учитывать и закладывать в них некоторый запас.

- Как правило, в проектах больших данных приходится сталкиваться с большим разнообразием источников, типов и форматов данных, а также с разными требованиями к их хранению и обработке. Охватить их одним ИТ-инструментарием часто не удается, поэтому решения получаются сложными. Как можно уменьшить эту сложность?

Первый, широко распространенный путь – использовать готовые дистрибутивы Hadoop. Самые популярные среди них — от Cloudera, объединившейся с Hortonworks, и от российской компании Arenadata. В эти дистрибутивы включены компоненты, которые покрывают около 80% потребностей, возникающих на предприятиях, к тому же они уже интегрированы между собой. Это существенно упрощает реализацию проектов и снижает их стоимость. Недостающие компоненты можно найти на рынке, заказать или разработать самостоятельно.

Второй путь основан на умении работать с различными источниками данных, придерживаясь единых форматов и подходов. В нашей платформе Datagram мы унифицировали подключение ко всем источникам, в том числе потоковым, чтобы инженеры по данным и аналитики могли объединить и трансформировать данные из любых источников с помощью единого интерфейса.

- Есть ли возможность снизить общую стоимость владения решениями для работы с большими данными?

Здесь можно выделить две области. Первая – вычислительные мощности: для проектов больших данных можно применять стандартные серверы среднего и начального уровня производительности, объединяя их в легко масштабируемые кластеры. Вторая – использование облачных сервисов: заказчик арендует те объемы для хранения данных, которые ему реально нужны, и таким образом эффективно управляет своими запасами.

Сэкономить на ПО позволяют компоненты с открытыми кодами – их на рынке сейчас очень много, дистрибутивы многих из них бесплатны. Еще на стадии пилотного проекта заказчик оценивает, поддержка каких компонентов ему потребуется в ходе дальнейшей эксплуатации системы, и затем приобретает только эти услуги. Снизить совокупную стоимость владения помогает также модель приобретения ПО по подписке, ее сегодня применяют многие вендоры, в том числе и наша компания.

Как грамотно управиться с нарастающей волной данных, перейти к дата-центричному подходу в ИТ-архитектуре и стать бизнесом, направляемым данными (data-driven)? Подсказки консультантов, методологии, вдохновляющие примеры превращений производственных компаний в поставщиков цифровых услуг, выступления экспертов по нормативному регулированию персональных данных — все это на прошедшем при полном аншлаге форуме «Управление данными 2019», организованном издательством «Открытые системы».

Подсказки от KPMG

Для тех, кто занимается проектами, связанными с искусственным интеллектом, качественные данные — постоянная головная боль. В одном из ключевых докладов форума от компании KPMG, средствам избавления от этой «боли» было отведено центральное место.

KPMG рекомендует для начала навести порядок, разобравшись в мета-данных и их сущности для бизнеса. Кроме того, монетизация данных, получение выгоды от них, должны стать частью стратегии компании на уровне ее высшего руководства. Не случайно директор по данным (Chief Data Officer, CDO) обычно подчиняется непосредственно руководителю компании, иначе запускать центры монетизации данных и кросс-функциональные команды, работающие с данными, просто невозможно.

Еще один крайне важный момент — в компаниях нередко возникают своеобразные «очаги инноваций», однако знание о том, что именно в них происходит, похоронено внутри этих маленьких команд. «Пиарьте инициативы, связанные с данными, рассказывайте о них внутри компании, рассказывайте снаружи, — призвала участников форума Алена Дробышевская, директор, руководитель направления «Умные технологии» KPMG. — Иногда бывает проще услышать что-то снаружи, чем изнутри».

Бизнесу следует быть готовым к смене бизнес-модели. Одно из самых тяжелых требований для традиционных компаний — быть открытыми для новых возможностей. Им чрезвычайно трудно воспринимать информацию как актив, который можно продавать или строить продукты на его основе. Тем не менее в компании непременно должны найтись люди, которые такие вещи придумывают.

Волшебное превращение

Компании AkzoNobel повезло — такие люди у нее были, и эффект их деятельности оказался весьма неожиданным.

Пример AkzoNobel крайне любопытен. Благодаря сбору и обработке накопленных данных производитель лаков и покрытий стал еще и разработчиком программного обеспечения, и поставщиком информационных услуг. Обрастание корпусов морских судов ракушками и водорослями со временем приводит к заметному увеличению расходов на топливо, поэтому прогнозирование этих процессов пользуется спросом у владельцев судов. Идея сбора соответствующих данных принадлежала двум ученым, начавшим эту работу еще в 1972 году. С 2009 года AkzoNobel начала собирать действительно большие данные, несмотря на отсутствие понимания, как удастся их использовать, да и удастся ли вообще. В течение нескольких лет, обновлясь каждые 15 минут, в компании копились данные о 25 тыс. судов и 8 параметрах окружающей их среды. В 2015 году на рынок вышел первый программный инструмент по предсказанию потребления топлива морскими судами. Вслед за этим у лакокрасочной компании неожиданно появился спрос на ее ИТ-инструмент предсказательной аналитики со стороны портов. Теперь AkzoNobel — поставщик информационного сервиса для судов и портов, заинтересованных в информации, помогающей предотвратить занос в акваторию порта опасной микрофлоры.

Персональная неопределенность

Несмотря на то, что персональные данные не обделены вниманием законодателей, до сих пор многое остается неясным, начиная собственно с определения персональных данных и степени, до которой их следует обезличить, чтобы получить возможность использовать в коммерческих целях.

«Есть колоссальная правовая неопределенность в вопросе, кому принадлежат персональные данные, том числе те общедоступные данные, которые сам субъект ввел в оборот, — подчеркнула Александра Орехович, директор по правовым инициативам ФРИИ. — И все вопросы очень острые». Исходя из духа закона, законодатель относит личные данные к собственности самого человека, но поскольку механизм распоряжения ими не урегулирован, человек себя собственником не чувствует.

Александра Орехович: «Сохраняется колоссальная правовая неопределенность в вопросе, кому принадлежат персональные данные»

Неудивительно, что фактический объем российского рынка данных примерно в 50 раз меньше, чем его потенциал. Но самое неприятное для бизнеса — массовое недоверие. По данным исследования Ipsos и Всемирного экономического форума, более половины пользователей готовы отозвать свои персональные данные и более не предоставлять их никому и не при каких условиях. Только 46% опрошенных готовы предоставлять персональные данные на условиях монетизации или получения преференций. Еще печальнее результат прошлогоднего опроса ВЦИОМ: 70% граждан уверены, что их данные бессовестно крадутся. По мнению Орехович, это прямое следствие правовой неопределенности и невозможности узнать, кто какие данные куда передает и с какой целью. Четкое ощущение, что данные им не принадлежат, приводит к тому, что клиенты не желают подписывать согласие на обработку персональных данных — с этой проблемой уже сегодня сталкивается малый бизнес.

Для решения этих вопросов готовится ряд поправок в действующее законодательство, в том числе по инициативе ФРИИ. «Мы считаем очень важным предоставить самому субъекту информацию о том, какие его данные обрабатываются, а также возможность их отозвать, — заявила Орехович. — Это уже существующая практика, несмотря на утверждения некоторых компаний, что это невозможно или очень дорого».

Исследование ФРИИ показало, что создание такого механизма обойдется российскому оператору персональных данных приблизительно 600 тыс. руб. — подъемная сумма, если бизнес заинтересован в вовлечении пользовательских данных в хозяйственный оборот. Это станет хорошей основой и для взаимодействия операторов, дав им возможность обогащать свои данные.

В центре ИТ-инфраструктуры

Каждая технология работы с данными эффективна в своей нише: реляционные СУБД хороши для хранения временных рядов и транзакционных данных,  базы NoSQL для неструктурированых документов, а технологии Big Data позволяют хранить большие объемы редко изменяющихся данных. «Нужно взять лучшее от каждого продукта и объединить в целостную логическую структуру, обеспечив связность, быстроту обработки, гибкое управление структурой и так далее», — говорит Сергей Горшков, директор компании «ТриниДата». По его мнению, на дата-центрический подход в построении ИТ-инфраструктуры следует переходить эволюционно. Первый шаг на этом пути — создание логической витрины данных, второй — построение хранилища данных, с которым будут работать приложения. Ключевым компонентом такой архитектуры для управления корпоративными данными являются онтологические модели, позволяющие хранить не только структуру данных, но и правила их обработки.

В мире интерес к решениям по управлению данными на основе онтологий и дисциплине «граф знаний» (Knowledge Graph) бурно растет, этот рынок стремительно развивается. В России, по словам Горшкова, тоже ожидается рост спроса на подобные решения не менее 100% в год. Онтология позволяет справится с описанием структуры данных любой степени сложности (десятков тысяч сущностей и связей между ними) и выстроить структуру данных на основе концептуальных представлений бизнес-пользователей, сделав ее интуитивно понятной.

Воплощением этой идеи стала платформа «АрхиГраф» — связующее ПО для доступа к данным, которая в совокупности с другими компонентами образует инфраструктурный слой единого корпоративного хранилища данных. «Нашей задачей было совместить мощь онтологий и лучшие существующие технологические наработки», — пояснил Горшков. «АрхиГраф» позволяет организовать логическую витрину данных для доступа к информации из унаследованных систем и построить кластер мультимодельного хранения данных, в котором начнет копится последующая информация.

На краю бизнеса

По прогнозам аналитиков, уже к 2022 году три четверти корпоративных данных будут создаваться и обрабатываться за пределами ЦОД и облаков — периферийными, или граничными (edge) решениями. Предполагается, что граничные вычисления не только освободят корпоративные сети от необходимости передавать большие объемы данных и позволят оптимизировать инфраструктуру обработки неструктурированных данных, но и существенно повлияют на решения по управлению данными.

Как сообщил технический консультант компании Atos Алексей Коваленя, некоторые консалтинговые компании предлагают свыше ста сценариев потенциального использования граничных вычислений. К примеру, первичная обработка данных «на месте» актуальна для систем компьютерного зрения, аналитики в реальном времени, а также обеспечения безопасности на границе сети. Специально для периферийных вычислений Atos выпустила в апреле 2019 года однопроцессорный сервер BullSequanna Edge с достаточно широким температурным диапазоном, в который можно поставить два дополнительных графических процессора для решения задач искусственного интеллекта. Сервер предназначен для работы вне ЦОДа, поближе к источнику данных. В компании Maersk, занимающейся морскими контейнерными перевозками, в течение трех месяцев тестировали BullSequanna Edge в комплексе с программным обеспечением Seimence Marine для Промышленного интернета. Это позволило добиться экономии топлива и улучшения экологических показателей.

Бизнес, движимый данными

Форум «Управление данными 2019» — не только концептуальные доклады и практические выступления, но и рабочая площадка для встреч с потенциальными партнерами и создания новых деловых связей. Так, Андрей Коньшин, руководитель проектов клиентского сервиса «МегаФон», пригласил к сотрудничеству и проведению пилотных проектов ИТ-компании, занимающиеся большими данными. В «МегаФоне» сегодня активно развивают инструменты на основе искусственного интеллекта: виртуальных голосовых помощников, речевую аналитику и роботов, продающих услуги.

Важнейшую роль для увеличения доли data-driven бизнеса в российской экономике будет играть наличие развитой методологии. В компании «Юнидата» завершают научное редактирование первого русского издания методологии, сформированной Международной ассоциацией по управлению данными (DAMA) — DMBOK 2.0. «Это книга, которую надо прочесть всем», — рекомендует генеральный директор «Юнидата» Сергей Кузнецов. Выход издания в свет ожидается в ноябре 2019 года.

24 сентября на форуме «Управление данными 2019» издательства «Открытые системы» выступит один из самых харизматичных экспертов в области нормативного регулирования рынка данных — директор по правовым инициативам ФРИИ Александра Орехович. В преддверии форума мы беседуем с Александрой о том, что происходит в данной сфере сейчас и чего можно ждать в ближайшем будущем.

- Какова сегодня ситуация с регулированием оборота данных?

Регулирование очень разрозненно. Цифровая экономика начинается с данных, данные нужны во всех сферах — этот постулат никем не оспаривается. У каждого типа данных своя сфера и особенности регулирования, и на практике трудно разобраться, по каким правилам эти данные можно использовать.

Если говорить о таком модном сегодня типе, как большие данные, то они никак не урегулированы. У всех, кто утверждает, что работает с большими данными, при ближайшем рассмотрении обнаруживается целый букет персональных данных. Например, при распознавании лиц в метро. То, что в кадре много лиц, из которых выхватываются, например, лица преступников, может и делает эти данные большими, но совершенно точно не дает права обрабатывать их абсолютно без правил. В каждом конкретном случае надо разбираться, какие данные используются.

Ждать того, что оборот именно больших данных будет урегулирован, не приходится. Вся мировая практика исходит из этого: никто не регулирует большие данные и не дает им определение. По сути, большие данные — это данные, персональные или не персональные, обезличенные или не обезличенные, собранные в большой массив.

Первостепенная проблема, связанная с данными, — регулирование оборота обезличенных данных. Являются ли обезличенные данные персональными? Остаются ли они в сфере действия закона о персональных данных? Многие считают, вернее хотели бы считать, что нет, хотя действующий закон не выводит обезличенные данные за периметр регулирования. С одной стороны, обезличенные данные позволяют при использовании дополнительной информации установить конкретного человека, субъекта персональных данных, а это значит, что права его могут быть нарушены и они должны быть защищены. С другой стороны, при неиспользовании дополнительной информации или в отсутствие такой информации у оператора данных такие данные теряют связь субъектом, тогда возникает вопрос: почему они остаются в сфере действия закона о персональных данных?

Логичным и правильным представляется подход изъятия данных, которые окончательно потеряли связь с субъектом персональных данных и даже при наличии дополнительной информации не дадут возможности его идентифицировать, из закона о персональных данных. То есть все, что не относится к персональным данным, может быть свободно обработано.

Это важно, к примеру, в такой новой актуальной сфере нашей жизни, как искусственный интеллект. Логичнее всего обучать искусственный интеллект на обезличенных данных. Но при этом необходимо понимать правила игры: что можно, а чего нельзя. Можем пойти по пути США, где Трамп издал указ, что системы искусственного интеллекта получают доступ к Federal Data, то есть к данным, содержащимся в государственных информационных системах.

- Процесс обезличивания в нормативных документах прописан?

В законе прописано, что обезличивание персональных данных не позволяет идентифицировать конкретного субъекта без использования дополнительной информации. То есть с использованием дополнительной информации — позволяет. Кроме того, подзаконные нормативные акты говорят, что одним из признаков обезличенных данных является их обратимость. И это — коллизия, потому что дополнительная информация, которая позволяет сделать данные обратимыми, не всегда есть и не всегда нужна. Для искусственного интеллекта, например, может быть не нужна, логично было бы использовать эти данные свободно.

В Минцифре сейчас обсуждается законопроект по обезличенным данным, где предлагается разграничить обезличенные данные и обезличенные персональные данные. По большому счету этот подход аналогичен принятому в GDPR разграничению обезличенных и анонимизированных данных. Предполагается, что обезличенные персональные данные, позволяющие сохранять связь с субъектом, будут регулироваться законом «О персональных данных», а обезличенные данные, которые потеряли связь субъектом, будут пускать в «свободное плавание». Требования к обезличиванию будут устанавливаться на уровне закона.

Процессы подготовки соответствующих законодательных инициатив сейчас объединяются; предложения Министерства цифрового развития, связи и массовых коммуникаций, Фонда «Сколково», ФРИИ интегрируются в этот законопроект.

- Как соотносится законопроект об обезличенных данных с предложенным экспертами ФРИИ проектом регулирования персональных данных?

Они нисколько не противоречат друг другу. Подготовленный ФРИИ законопроект нацелен в большей степени на предоставление субъекту возможности управлять своими персональными данными, не только и не столько обезличенными, получать информацию о том, кто какую информацию обрабатывает по категориям. Проект предусматривает возможность гибкого согласия, изменение цели обработки, отзыва данных у субъекта определенной категории и передачи своих данных от одного оператора к другому. То есть обеспечивает возможность обмена данными между операторами так, чтобы вся информация проходила через субъекта и субъект получал за это какие-то бенефиты.

- Каков статус этих законопроектов?

Пока ни один из них не внесен в Госдуму. Скорее всего, первым будет внесен проект об обезличенных данных — это поправки в закон «О персональных данных».

- По мнению экспертов, в медицине ФЗ-152 создает препятствия как для разработки систем искусственного интеллекта, так и для доступа врача к данным пациента...

Не совсем так. В медицине данные регулируются в том числе законом «Об основах охраны здоровья», который содержит положения о врачебной тайне. При этом, с одной стороны, закон «О персональных данных» говорит, что для статистических и исследовательских целей данные, если они обезличены, обрабатываются свободно, без согласия. С другой стороны, в соответствии с законом, данные о здоровье относятся к особо чувствительным, которые никак не могут быть обработаны без согласия субъекта, данного в письменной форме, предусмотрены особые меры для их защиты. На доступ к ним субъект должен дать согласие, а как же иначе?

- Руководители медицинских организаций запуганы ФЗ-152: пациент же дает согласие на обработку данных в целях лечения, а не написания алгоритмов.

Во-первых, не вижу проблемы в получении согласия на обработку данных в целях проведения научно-исследовательских работ. Во-вторых, закон о персональных данных не требует согласия на обработку персональных данных для проведения научно-исследовательских, аналитических и статистических работ в случае использования обезличенных данных.

Другое дело, не очень понятно, как развивать искусственный интеллект в условиях, когда по дороге на парламентские слушания встречаешься с пикетом против цифровизации. Огромное количество людей будет против того, чтобы их информация послужила основой для искусственного интеллекта.

- Радикально настроенных граждан немного, в основном люди либо не информированы, либо безразличны. Для искусственного интеллекта данных должно хватить?..

Да. А если начать предлагать денежные вознаграждения, будет еще интереснее. В Ernst & Young опубликовали недавно исследование, в котором медкарта каждого пациента оценивается в 100 евро: при этой цене для бизнеса будет выгодно использование данной информации.

Мы проводили опросы компаний, сколько они согласны платить за использование персональных данных. Ответы сильно варьируют в зависимости от отрасли, состава данных и цели использования. В среднем за тот состав данных, который интересен бизнесу, компании готовы платить от 16 тыс. до 60 тыс. руб. Сравнимую сумму — около 80 долл. — платит Facebook за доступ к персональным данным в рамках эксперимента.

- Это разовая плата, и дальше данные уже как бы не мои?

Ваши данные не могут перестать быть вашими, к тому же они постоянно генерируются и меняются. Компании платят клиенту за состояние «здесь и сейчас», а потом — как договорятся. Надо исходить из того, что это рынок. В любом случае насильно загонять в цифровое рабство законодательство не позволит: согласие на обработку персональных данных должно быть конкретно.

- По-моему, механизм монетизации должен быть связан с механизмом регулирования доступа. На портале госуслуг относительно просто поставить «галочку», указав, кому я разрешаю доступ к своим персональным данным. Эту возможность планируется реализовать для медицинских данных. А для остальных?

Данные из государственных информационных систем может выдавать только государство, но сомнительно, что оно будет cвязываться с механизмом монетизации. С 2019 года предоставляются метаданные из негосударственных информационных систем, например телемедицинских — сведения о том, где есть данные. Сами данные продолжают храниться в тех же информационных системах. Вот тут бизнес уже может думать о монетизации, чтобы обогащать собственные базы данных и получать больше информации о субъекте.

Например, если верить СМИ, сейчас это пробуют делать в Ассоциации больших данных: компании обмениваются данными между собой, запрашивая согласие клиента и давая ему за это какие-то бенефиты в виде услуг, бонусов. Деньгами, по-моему, еще не рассчитываются, но обмен уже происходит.

- Какие компании в наибольшей степени заинтересованы в устранении неопределенности с оборотом данных?

Телеком и все, кто хочет делать системы искусственного интеллекта. Им нужно работать с обезличенными данными и понимать правила обращения данных, которые послужат основой для искусственного интеллекта.

- Отсутствие регулирования тормозит развитие рынка данных или, наоборот, дает его участникам фору?

Смотря чем занимается компания. В непонятной ситуации ты постоянно боишься, что кто-то придет и накажет. Для больших компаний это выливается в то, что они собирают согласия на каждый чих. Крупные операторы арендуют специальные помещения, где копится неимоверное количество письменных согласий, и выделяют сотрудников, занимающихся исключительно бумажными согласиями.

А, например, компаниям, занимающимся распознаванием лиц, непонятный статус обезличенных данных действительно дает фору. Хотя принцип права на частную жизнь, заложенный в Конституции, никто не отменял.

- Вопрос в том, как это право реализуется…

Да. Кроме того, многое зависит от выбранного пути регулирования. Если бы три года назад вы спросили, тормозит ли отсутствие правового регулирования развитие телемедицины, я бы сказала: конечно тормозит! А сегодня регулирование такое, что лучше бы тормозило его отсутствие: за год 30% продуктов уходит с рынка.

На европейском рынке GDPR вызвал резкое сокращение оборота данных, и если мы примем ровно такие же правила, то развитие затормозится. Нужно думать о балансе, тогда регулирование даст четкие правила игры, понимание, что можно делать и чего нельзя. Главное, чтобы того, чего нельзя, было не слишком много...

... И не затрагивало ключевые вещи, подрубая тот корень, ради которого все задумывалось, как случилось в телемедицине, когда первичный прием онлайн фактически запретили.

Да.

- О чем вы расскажете участникам форума?

Про особенности современного регулирования данных, которые служат основой любого бизнеса и оказания услуг. О тех проблемах, с которыми может столкнуться любой субъект персональных данных или бизнес, оказывающий услуги, как может быть истолкована та или иная проблема. А также про пути их разрешения в условиях действующего законодательства и про пути разрешения в будущем на основе тех правовых инициатив, которые сегодня обсуждаются экспертным сообществом и на уровне регулятора.