Twoje dane nie są gotowe. To dobrze.

„Najpierw musimy uporządkować dane.” To najbardziej szanowane zdanie w korporacji — i zarazem najdroższe. Brzmi jak staranność. Odracza wszystko. Projekt jakości danych nie ma naturalnego końca, bo czystość nie jest cechą, którą dane posiadają; to relacja między danymi a pytaniem. Zmień pytanie, a wczorajsze czyste dane znów są brudne. Projekt więc trwa, model, który miał go uzasadnić, nigdy nie powstaje, a wszyscy zgadzają się, że taka właśnie jest odpowiedzialna kolejność działań.

To odpowiedzialna kolejność działań dla czegoś, co nigdy nie zostanie wdrożone.

Nie dowiesz się, co zawierają twoje dane, oglądając je. Dowiesz się, gdy skonfrontujesz z nimi model. W Respect Energy wdrożyłem Bielika, polski model językowy, na przepływie dokumentów — tam, gdzie handel energią styka się z RODO. Nikt nie podał mi czystego korpusu. Podałem modelowi prawdziwe dokumenty i wyczytałem, gdzie pęka: dane osobowe tkwiące w środku swobodnego tekstu, struktura istniejąca wyłącznie w wyobraźni schematu organizacyjnego. Model nie wymagał czystych danych. To on wskazał mi, gdzie dane czyste nie były.

Przypadek RODO to cały wywód w miniaturze. Oczywisty plan biegnie od tyłu: najpierw wyczyścić każdy dokument z danych osobowych, potem dopuścić model do pracy. To właśnie ów projekt czyszczenia bez końca. To, co zbudowałem, było odpowiedzią na bałagan, nie warunkiem wstępnym, by go w ogóle tknąć. Klasyfikować lokalnie. Usuwać dane osobowe lokalnie, zanim cokolwiek trafi do większego modelu, i sięgać po PLLuM 70B dopiero wtedy, gdy mały model nie wystarcza. To bałagan wyznaczył architekturę. Gdybym czekał na dokumenty przychodzące już czyste, czekałbym do dziś, a zabezpieczenie, które naprawdę chroni ludzi, nie istniałoby.

Zauważ, co się stało. Bałagan nie spowolnił budowy; napisał jej specyfikację. Bałagan nie jest brakiem informacji. Bałagan jest informacją: tym, co twoja organizacja naprawdę zapisuje, i tym, gdzie po cichu przeczy sama sobie. Wyczyść go najpierw, a wyrzucisz ten sygnał, zanim go odczytasz. Zeszlifujesz jedyną powierzchnię, która mogła ci powiedzieć, co budować.

Ziemia Obiecana waży jakieś 550 milionów obiektów przestrzennych, by odnaleźć miejsca, w których powinna powstać czysta energia. Nikt, kto tknął dane geoprzestrzenne, nie nazwałby 550 milionów obiektów czystymi. Nakładają się i przeczą sobie, niosąc odciski palców każdej agencji, która kiedykolwiek zmierzyła jakieś pole. Nie oczyściłem ich do gotowości, by potem zbudować mapę. To mapa czyni je użytecznymi. Budowanie wprost na bałaganie, w skali, było jedynym sposobem, by poznać, czym ten bałagan jest — a mapa jest tym, co zamienia 550 milionów sporów w decyzję o tym, gdzie stanie farma wiatrowa.

Dlatego mówię klientom, żeby to odwrócili. Nie powołujcie inicjatywy jakości danych i nie czekajcie. Skierujcie model na najbardziej zabałaganione prawdziwe dane, jakie macie, i otoczcie go dwiema rzeczami: usuwajcie to, co wrażliwe, lokalnie, zanim opuści wasze maszyny, i trzymajcie ludzką rękę na wszystkim, czego nie da się cofnąć. A potem pozwólcie mu upaść w zderzeniu z rzeczywistością produkcji. Gotowość, którą zamierzaliście wyprodukować z góry, przychodzi zamiast tego jako osad z budowania tej właśnie rzeczy, która jej potrzebowała.

Czekanie na czyste dane to czekanie bez końca, bo czystość definiuje pytanie, a pytanie pojawia się dopiero wtedy, gdy zaczynasz budować. Przestań więc szlifować powierzchnię do gładka. To, co miałeś właśnie zetrzeć, było mapą.