# Guvernanța datelor și versionarea modelelor, pentru audit | e-data > Versiuni pentru date și modele, proveniență, acces pe roluri și jurnal de audit. Știi ce date a folosit fiecare model și îl poți reface oricând. Adresa: https://www.e-data.ro/servicii/guvernanta-versionare # Știi ce date a folosit fiecare model. Și o poți dovedi oricând. Pentru fiecare model din producție vezi pe ce date a învățat, cu ce cod, cine l-a aprobat și cum îl refaci. Util la audit, la un rezultat contestat și la cererile de ștergere a datelor. [Cere o evaluare gratuită](https://www.e-data.ro/contact?serviciu=guvernanta-versionare#formular) [Vezi arborele de versiuni](#arbore) - Pe serverele firmei - Fiecare model, legat de datele lui - Pregătit pentru audit 1. **Datele intră** Din CRM, ERP, fișiere. 2. **Primesc o versiune** Fiecare stare, cu numele ei. 3. **Fiecare schimbare, o ramură** Nimic nu se suprascrie. 4. **Modelul știe de unde vine** Legat de datele lui. 5. **Acces pe roluri** Fiecare vede ce îi trebuie. 6. **Dovada, la cerere** Pentru audit sau GDPR. ## Pe scurt e-data pune în ordine datele și modelele AI ale firmei: versiuni pentru seturile de date, proveniență, registru de modele, acces pe roluri și jurnal de audit. Pentru orice model din producție știți pe ce date a învățat, cu ce cod și cine l-a aprobat. Totul rulează pe serverele firmei, lângă pipeline-urile existente. - **Pentru cine:** Echipe cu modele în producție care răspund la audit sau la cereri GDPR - **Ce primești:** Versiuni de date, registru de modele, acces pe roluri, jurnal de audit, reguli scrise - **Unde rulează:** Pe serverele firmei, fără copii într-un cloud extern - **Tehnologii:** Unelte open-source consacrate, de exemplu MLflow sau DVC - **Preț:** Fix, în scris, după evaluarea gratuită ## Modelul merge. Dar de unde vine? În multe echipe, istoria unui model stă în memoria cuiva. Merge până în ziua în care cineva întreabă. - **Nimeni nu știe pe ce date a învățat** Modelul din producție a fost antrenat pe un export făcut de cineva, cândva. Exportul nu mai există, iar omul a plecat din firmă. - **Un rezultat bun pe care nu-l mai poți reface** Versiunea de acum trei luni mergea mai bine. Nimeni nu mai știe exact ce date, ce cod și ce parametri a avut. - **Toată lumea are acces la tot** Setul de antrenare stă pe un disc comun. Nu poți spune cine l-a văzut, cine l-a copiat și cine l-a modificat. ## Trei întrebări care vin, mai devreme sau mai târziu Nu contează dacă vin de la un auditor, de la un client sau de la propria echipă. Răspunsul e fie o căutare de zile, fie un clic. 1. Un auditor**„Pe ce date a fost antrenat modelul care a respins cererea asta?”** _Fără evidență_ Cauți prin foldere, e-mailuri și notițe, apoi răspunzi aproximativ. _Cu evidență_ Deschizi fișa modelului: setul de date, versiunea, codul și cine l-a aprobat. 2. Un client, printr-o cerere GDPR**„Ștergeți-mi datele. Sunt și în model?”** _Fără evidență_ Nu știi în ce seturi au ajuns datele lui și nici ce modele le-au folosit. _Cu evidență_ Vezi în ce versiuni apar, le scoți și știi exact ce modele trebuie reantrenate. 3. Echipa ta**„Modelul nou merge mai prost. Ce s-a schimbat?”** _Fără evidență_ Nimeni nu poate reface versiunea veche ca să compare. _Cu evidență_ Refaci ambele versiuni exact și compari datele, codul și parametrii. ## Arborele de versiuni Așa arată istoria unui model când e ținută în ordine. Apasă pe orice nod ca să-i vezi fișa: ce date, ce cod, cine a aprobat, ce metrici și când. Exemplu - Date - Model - Ramură abandonată **Date brute v1** Export CRM și ERP_Arhivat_ **Date curățate v2** Fără duplicate, date personale mascate_Activ_ **Model v3** Clasificare tichete_Înlocuit de v4_ **Model v4** Clasificare tichete_În producție_ **Model v3-b** Experiment_Abandonat_ Set de date **Date brute v1** _Arhivat_ - **Ce date:** 48.210 tichete de suport din CRM și ERP, ianuarie 2021 – martie 2024, neprelucrate. - **Ce cod:** export\_crm.py, commit 4e1a9c2 - **Cine a aprobat:** Ioana M., responsabil date - **Ce metrici:** Set brut: 6,2% dintre rânduri au câmpuri lipsă. - **Când:** 12 martie 2024 Set de date **Date curățate v2** _Activ_ - **Ce date:** 41.870 de rânduri: duplicatele scoase, numele și telefoanele mascate, plus 1.200 de exemple etichetate de echipă. - **Ce cod:** curatare.py, commit a17f03b, reguli de mascare v3 - **Cine a aprobat:** Ioana M., responsabil date, și Andrei P., responsabil cu protecția datelor - **Ce metrici:** Zero date personale găsite la verificare; 99,1% rânduri valide. - **Când:** 28 martie 2024 Model **Model v3** _Înlocuit de v4_ - **Ce date:** Date curățate v2, împărțite fix: 80% antrenare, 20% test. - **Ce cod:** train.py, commit c02d6e1, parametri în config/v3.yaml - **Cine a aprobat:** Radu T., tech lead - **Ce metrici:** Acuratețe 87,4% pe setul de test v2. - **Când:** 4 aprilie 2024 Model **Model v4** _În producție_ - **Ce date:** Aceleași date curățate v2, același set de test. Pornește din v3, cu parametri noi. - **Ce cod:** train.py, commit f81b2d0, parametri în config/v4.yaml - **Cine a aprobat:** Radu T., tech lead, și Mihai D., director operațiuni - **Ce metrici:** Acuratețe 91,2% pe același set de test; 180 ms pe cerere, la p95. - **Când:** Antrenat pe 14 iunie 2024, în producție din 17 iunie Model **Model v3-b** _Abandonat_ - **Ce date:** Date curățate v2, fără cele 1.200 de exemple etichetate de echipă. - **Ce cod:** train\_alt.py, commit 7bd90e4 - **Cine a aprobat:** Neaprobat. Oprit de Radu T. pe 11 aprilie 2024. - **Ce metrici:** Acuratețe 79,8%, sub pragul de 85% stabilit pentru producție. - **Când:** 9 aprilie 2024 Exemplu ilustrativ, cu nume, cifre și date inventate. Linia îngroșată arată proveniența nodului ales, până la datele brute. ## Ce punem în ordine Trei lucruri, legate între ele: datele au versiuni, modelele au fișe, iar accesul are reguli și urme. Date **Versiuni pentru date** Fiecare stare a unui set de date primește o versiune. Te întorci la oricare, fără copii făcute de mână. Date **Proveniență** Pentru fiecare set știi din ce surse vine și prin ce transformări a trecut, pas cu pas. Modele **Registru de modele** Toate modelele, cu versiunea, starea și legătura către datele și codul care le-au produs. Modele **Reproducere la cerere** Date, cod, parametri și mediu, păstrate împreună. Orice model se reface exact, nu aproximativ. Acces **Drepturi pe roluri** Fiecare om vede doar seturile de care are nevoie. Datele sensibile rămân mascate pentru restul. Acces **Jurnal de audit** Cine a văzut, cine a schimbat și cine a aprobat, cu dată și oră. Gata de arătat la un control. ## Ordine, fără hârtii în plus Guvernanța care cere formulare nu se ține. O construim astfel încât să se completeze singură, din munca pe care echipa o face oricum. - **Pe serverele firmei:** Catalogul, versiunile și jurnalele stau în infrastructura voastră. Nimic nu se copiază într-un cloud extern. - **Peste ce aveți deja:** Nu rescriem pipeline-urile. Adăugăm versiuni, registru și control de acces lângă sursele și scripturile existente. - **Automat, nu birocratic:** Versiunile și fișele se creează singure la fiecare rulare. Echipa nu completează formulare în plus. - **Documentat pentru voi:** Primiți regulile scrise: ce înseamnă o versiune, cine aprobă ce și cum refaceți un model. ## Cum lucrăm Pornim de la ce aveți azi. Primul rezultat e un inventar clar, chiar înainte de orice instalare. 1. 1**Inventar** Vedem ce date aveți, unde stau, cine le folosește și ce modele rulează azi. 2. 2**Reguli** Stabilim împreună cine are acces la ce, cine aprobă și ce înseamnă o versiune. 3. 3**Instalare** Punem versionarea, registrul de modele și controlul de acces pe serverele voastre. 4. 4**Legare** Conectăm pipeline-urile de date și de antrenare, ca fișele să se completeze singure. 5. 5**Întreținere** Jurnalele și versiunile rămân la zi. Vă ajutăm la audit sau la cereri GDPR. ## Întrebări frecvente Ce înseamnă guvernanța datelor, concret? Reguli clare și urme verificabile: ce date aveți, de unde vin, cine are acces la ele și ce versiune a antrenat fiecare model. Nu hârtii în plus, ci răspunsuri pe care le găsiți în câteva clicuri. De ce ne trebuie versiuni pentru date, nu doar pentru cod? Pentru că un model e produsul datelor la fel de mult ca al codului. Fără versiunea exactă a datelor, nu puteți reface un model, nu puteți explica un rezultat contestat și nu puteți compara corect două variante. Ne ajută la cererile GDPR? Da. Cu proveniența la zi, vedeți în ce seturi și în ce modele au ajuns datele unei persoane. Le scoateți din versiunea următoare și știți ce modele trebuie reantrenate. Decizia juridică rămâne la voi și la consultantul vostru. Trebuie să schimbăm tot ce avem? Nu. Ne așezăm lângă sursele, pipeline-urile și modelele existente. Folosim unelte open-source consacrate, de exemplu MLflow sau DVC, alese după ce aveți deja. Datele ajung undeva în afara firmei? Nu. Catalogul, versiunile, registrul de modele și jurnalele rulează pe serverele voastre. Cât costă? Depinde de câte surse, echipe și modele trebuie acoperite. După evaluarea gratuită primiți un preț fix, în scris. ## Următorul audit poate fi o formalitate. Arată-ne cum țineți azi datele și modelele. Evaluarea e gratuită, iar după ea primiți un preț fix, în scris. Dacă modelele rulează deja, vezi și [MLOps și monitorizare](https://www.e-data.ro/servicii/mlops-monitorizare) . [Cere o evaluare gratuită](https://www.e-data.ro/contact?serviciu=guvernanta-versionare#formular) [Sună-ne: 0750 214 446](tel:+40750214446) ## Servicii înrudite - [**MLOps și monitorizare** Modele urmărite și actualizate în producție](https://www.e-data.ro/servicii/mlops-monitorizare) - [**Training modele custom** Modele antrenate pe datele tale](https://www.e-data.ro/servicii/training-modele) - [**Evaluare și benchmarking** Măsurăm cât de bine merge, nu ghicim](https://www.e-data.ro/servicii/evaluare-benchmarking) - [**Colectare și ingestie** Date adunate automat din toate sursele](https://www.e-data.ro/servicii/colectare-ingestie) --- Sursa: e-data (E-DATA S.R.L.), https://www.e-data.ro/servicii/guvernanta-versionare. Contact: contact@e-data.ro, 0750 214 446.