Как можно продлить срок действия сертификата ЭП? Что для этого нужно сделать?

Такого понятия, как продление срока действия сертификата электронной подписи, не существует. По истечении срока действия одного сертификата необходимо обратиться в свой или любой другой Удостоверяющий центр с заявкой на выпуск нового сертификата.

Как правило, на порталах Удостоверяющих центров размещена подробная информация о порядке получения и замены сертификата ЭП. В большинстве случаев вы можете просто заполнить заявку на получение нового сертификата прямо на сайте Удостоверяющего центра, а их менеджеры потом свяжутся с вами.  

Обратите внимание, если вам нужна усиленная квалифицированная ЭП, то необходимо обращаться только в аккредитованные Удостоверяющие центры. С полным перечнем аккредитованных Удостоверяющих центров вы можете ознакомиться на сайте Минкомсвязи России.

Таким образом, продлить действие сертификата невозможно, вы можете только получить новый. При этом юридическая сила документов, которые были подписаны предыдущей подписью, сохраняется на протяжении всего срока хранения документа, если проставить штамп времени.

Много наших контрагентов пользуются подписями разных УЦ, как в таком случае взаимодействовать друг с другом?

Если вы и ваши контрагенты  используете в своей деятельности квалифицированные электронные подписи, то проблем и разночтений относительно юридической силы документов не возникает. Напомним, сертификаты квалифицированных электронных подписей выдаются только аккредитованными УЦ.  В свою очередь все аккредитованные УЦ работают в едином пространстве доверия, что позволяет их клиентам спокойно доверять подписям своих контрагентов.

С другой стороны, может возникнуть проблема на техническом уровне – не всегда операторы документооборота предоставляют возможность подписания документов любой подписью. Например, некоторые операторы работают только с подписями, выданными в конкретных УЦ. Если вы не уверены, будет ли работать ваша подпись у оператора, то можно дополнительно проверить ее на возможность использования. Например, в сервисе Synerdocs можно проверить подпись прямо на сайте без регистрации.

Скажите, какие выгоды должен получить на выходе делопроизводитель и бухгалтер после внедрения обмена с контрагентами электронными финансовыми документами?

В первую очередь, делопроизводители смогут полностью решить свои проблемы, связанные с рутинными процессами документооборота такие, как потери и задержки доставки, ошибки в оформлении различных документов.

Благодаря межкорпоративному финансовому документообороту бухгалтеры смогут сосредоточиться на своей непосредственной работе – учете и анализе показателей. Им будет удобно хранить, искать документа, а самое главное – подготовка к очередной проверке займет существенно меньше времени.

Финансовым специалистам будет проще управлять финансовыми показателями, удобнее анализировать их, готовить финансовые отчеты, контролировать правильность разнесения расходов по статьям бюджетов.

И, наконец, организации получают возможность экономить за счет того, что снижаются расходы на бумажный архив и документооборот (печать, хранение, доставка). Это высвобождает дополнительные активы, которые можно инвестировать в развитие бизнеса и сотрудников.

«Безбумажный документооборот – гарантия существенной экономии на бумаге!»

Распространенное заблуждение! СЭД гарантирует лишь наличие безбумажного документооборота, но это не говорит о том, что сотрудники перестанут распечатывать документы. Для чего они будут распечатывать документы? Да чтобы поработать с ними! Людям так удобнее – они привыкли к бумаге.

Бумага располагает, настраивает на серьезную работу. Она имеет запах; создает ощущение объема, важности и необходимости документа, его материальной ценности.

На полях бумажного документа можно делать пометки. На бумаге можно ставить печати и штампы. Современные электронные устройства предоставляют пользователю возможность делать пометки и подписывать документы электронной подписью, но куда приятней держать в руке перо, которое придает человеку статус и шарм, а еще приятнее писать им. А сколь важно поставить яркий и четкий оттиск печати на только что подписанный документ!

С бумагой проще работать в нестандартных условиях.

Например, в машине: «Надо ехать! Какой компьютер?.. Взял пачку документов и пролистал», – говорит руководитель, который занят делами даже по пути на обед. Самое печальное, что может произойти с бумажными документами – они могут рассыпаться и перепутаться, в то время как ноутбук или другое устройство запросто может упасть или сломаться.

Или в самолете, когда улыбчивая стюардесса мило, но настойчиво, просит выключить электронное устройство, а у пассажира нет времени, ему во что бы то ни стало за время полета нужно ознакомиться с документом.

В конце концов, бумага не может разрядиться в самый неподходящий момент!

Бумага хороша для длинных текстов.

Все листы документа можно разложить перед собой, чтобы видеть всю картину. Так можно поступить, и когда необходимо поработать с несколькими документами сразу. Разделение рабочего стола компьютера на несколько независимых друг от друга областей не даст такого эффекта. Расположенные рядом документы постоянно придется пролистывать. Часть информации всегда будет скрыта.

Бумажные документы можно хранить в беспорядке.

Такой подход порой встречается, например, в муниципальных поликлиниках. Грядет проверка, исчезает карточка пациента. Нет документа – нет проблем!  Получается, что единственный и уникальный экземпляр документа – не всегда минус. Ведь уничтожение этого экземпляра гарантирует физическое уничтожение всего документа.

Но с другой стороны, утеря бумажного документа не ведет к утере его электронного оригинала, конечно, если таковой имеется.

Присутствие бумаги наблюдается не только в деловой сфере жизни человека.

В последнее время становится популярным переводить накопленную годами в социальных сетях информацию в бумажный вид. В первую очередь это касается фотографий, ежедневно размещаемых в сети. Люди запечатлевают важные моменты своей жизни и выкладывают фото на своих страничках. Потом распечатывают со своих аккаунтов целыми фотокнигами. Это своеобразная гарантия того, что информация не потеряется в сети.

Люди получают эстетическое удовольствие от самого процесса создания уникального артефакта, который можно потрогать, показать друзьям или подарить.

Дети по-прежнему учатся писать в бумажных прописях и тетрадях.

Бумага не подскажет, в каком слове человек допустил ошибку или где пропустил запятую. и тем более бумага не исправит ошибку автоматически. Когда ребенок пишет на бумаге, он обдумывает то, что он пишет. Он запоминает правила, практикуется и развивает мелкую моторику. Иными словами – полноценно развивается.

Бумагу можно использовать для фиксирования идей.

Гораздо быстрее записать мысль на бумаге, чтобы не забыть, или нарисовать схему карандашом, нежели строить ее в специальной программе.

Нельзя забывать и о таком важном аспекте, как здоровье глаз.

Кто-то может читать документы с экрана монитора хоть дни напролет, а кому-то такое чтение не только не доставляет удовольствия, но и причиняет вред.

В любом случае никакие электронные устройства не вытеснят бумагу со всеми ее достоинствами и недостатками, также как и бумага не вытеснит компьютер с его вычислительными мощностями. У каждого своя ниша, свое применение и своя роль. Вместе они образуют систему, которая помогает человеку как в деловой, так и в повседневной жизни.

Тема больших данных является популярной уже достаточно долгое время, оставляя гораздо больше вопросов, чем ответов. Не обошла стороной она и нас. Сравнив статьи, посвященные большим данным в Википедии на русском и английском языках, мы решили дополнить русскоязычную версию некоторой информацией из ее англоязычной «сестры», предварительно представив переведенный материал на суд сообщества ECM-Journal. В данной статье мы публикуем перевод материала, посвященного вопросам технологии и архитектуры. Далее последует материал по критике концепции больших данных и практике использования.

Определение

Большие данные (англ. Big Data) – это общий термин для обозначения процесса сбора данных таких объемов и многообразия, при которых их обработка с применением традиционных инструментов становится проблематичной. Трудности возникают при осуществлении захвата, сбора, хранения, поиска, совместного использования, передачи, анализа и визуализации данных. Тенденция бОльших объемов данных возникла благодаря возможности получения дополнительной информации в результате анализа отдельного большого набора связанных данных (в противовес анализу небольших наборов данных с таким же совокупным объемом).[1]

Ученые регулярно сталкиваются с ограничениями, связанными с большими наборами данных во многих областях, включая метеорологию, геномику,[2] коннектомику, сложное моделирование физической среды,[3] исследования в области биологии и окружающей среды.[4] Эти ограничения также касаются функции поиска в интернете, финансовой и бизнес-информатики. Наборы данных увеличиваются в объемах частично ввиду их постоянного сбора посредством мобильных приложений, воздушных (антенных) высокочувствительных технологий (дистанционное считывание), лог-файлов, камер, микрофонов, радиочастотных идентификаторов (RFID), и беспроводных сенсорных сетей.[5][6][7] Начиная с 80-х годов XX века мировой объем хранения информации на душу населения удваивается каждые 40 месяцев;[8] по состоянию на 2012 год каждый день создавалось по 2.5 экзабайт (2.5×1018 байт) данных.[9] 

Крупным предприятиям предстоит решить, кто возьмет в свои руки инициативы по управлению большими данными, которыми уже переполнены целые организации.[10]

Сложно работать с большими данными, применяя главным образом системы по управлению реляционными базами данных, desktop-статистику и пакеты программ для визуализации, когда вместо этого необходимо использовать «массово-параллельное программное обеспечение, функционирующее на десятках, сотнях, или даже тысячах серверов».[11]

То, что принято считать «большими данными» различается в зависимости от возможностей компании, управляющей набором данных, а также от возможностей приложений, применяемых для обработки и анализа. «Для большинства организаций первое столкновение с сотнями гигабайт данных может вызвать необходимость пересмотра средств управления данными. Но для других компаний «критическим» может стать объем в десятки или сотни терабайт». [12]

Архитектура

В 2004 году компания Google опубликовала документацию по модели распределенных вычислений MapReduce. В MapReduce представлена параллельная модель обработки данных. На Map-шаге происходит предварительная обработка входных данных. Для этого один из компьютеров (называемый главным узлом – master node) получает входные данные задачи, разделяет их на части и передает другим компьютерам (рабочим узлам – worker node) для предварительной обработки. На Reduce-шаге происходит свертка предварительно обработанных данных. Главный узел получает ответы от рабочих узлов и на их основе формирует результат – решение задачи, которая формулировалась изначально. Данная модель была настолько успешна[13], что многие хотели продублировать ее алгоритм. Поэтому, проект компании Apache с открытым исходным кодом, получивший название Hadoop[14], взял ее на вооружение.

Методология управления корпоративной информацией MIKE2.0 – открытый подход к управлению информацией, который в статье «Big Data Solution Offering»[15] признает необходимость модернизации решений для управления большими данными в связи с возросшей частотой их применения. Методология рассматривает управление большими данными через призму полезных преобразований их источников, сложности взаимосвязей, и трудностей, связанных с удалением (или изменением) отдельных записей.[16]

Последние исследования показывают, что использование многослойной архитектуры является одним из вариантов работы с большими данными. Распределенная параллельная архитектура осуществляет передачу данных на множество блоков обработки, а параллельные блоки обработки предоставляют данные гораздо быстрее путем увеличения скоростей обработки. Этот тип архитектуры вводит данные в параллельную систему управления базой данных (СУБД), в которой применяются модели MapReduce и Hadoop. Данный тип моделей направлен на то, чтобы при помощи frontend-сервера приложений сделать вычислительные возможности прозрачными для конечного пользователя.[17]

Технологии

Для оперативной обработки огромных объемов данных необходимы исключительные технологии. В отчете McKinsey 2011 года[18]  предполагается, что подходящие для этого технологии включают A/B тестирование, краудсорсинг, синтез и интеграцию данных, генетические алгоритмы, машинное обучение, обработку естественного языка, обработку сигнала, симулирование, анализ на основе временных рядов и визуализацию. Многомерные большие данные могут также быть представлены тензорами, которые наиболее эффективно обрабатываются с помощью тензорного вычисления[19]. Дополнительные технологии, применяемые по отношению к большим данным, включают массово-параллельную обработку (MPP) баз данных, поисковых приложений, системы распределенных вычислений для data-mining, распределенные системы файлов, распределенные базы данных, облачная инфраструктура (приложения, хранилищные и вычислительные ресурсы), а также интернет.

Некоторые, но не все реляционные базы данных с MPP имеют возможность хранения и управления петабайтами данных. Подразумевается возможность загружать, отслеживать, поддерживать и оптимизировать использование больших таблиц данных в системе управления реляционной базой данных (RDBMS).[20]

Программа Анализа Топологических Данных Управления Перспективных Исследований и Разработок (DARPA) Министерства Обороны США занимается поиском основной структуры больших наборов данных, и, в 2008 году данная технология вышла на открытый рынок с основанием компании под названием Ayasdi.[21]

Специалисты, занимающиеся аналитикой больших данных, обычно с недоверием относятся к более медленной системе совместного хранения,[22] предпочитая ей систему хранения с прямым подключением (direct-attached storage (DAS)) в ее различных формах от твердотельной памяти (solid state drive (SSD)) до высокомощного диска SATA, размещенного внутри параллельных узлов обработки. Общее впечатление от архитектур совместного хранения: Сети хранения данных (SAN) и Сетевого хранилища данных (NAS) – заключается в их относительной медлительности, сложности и высокой стоимости. Данные свойства не согласуются с системами аналитики больших данных, которые выигрывают за счет показателей системы, инфраструктуры и низкой стоимости.

Получение информации в режиме реального времени является одной из определяющих характеристик аналитики больших данных. Задержка, таким образом, исключается везде, где это возможно и тогда, когда это возможно. Данные в памяти – это хорошо, данные на вращающемся диске на другом конце оптоволоконного соединения сети хранения данных (SAN) – нет. Стоимость SAN в масштабе, необходимом для аналитических приложений, гораздо выше, чем стоимость других способов хранения.

В области аналитики больших данных совместное хранение имеет как свои достоинства, так и недостатки, но аналитики больших данных по состоянию на 2011 год не отдавали ему своего предпочтения.[23]