Phần lớn thời gian mất vì dữ liệu không đến từ phân tích khó. Nó đến từ việc sáu tháng sau bạn mở thư mục ra và không biết tệp nào là bản cuối, hay con số trong bài lấy từ đâu.
Người bạn đang làm việc cho không phải là bạn hôm nay — mà là bạn của sáu tháng sau.
Bốn quy tắc đủ cho phần lớn người
- Dữ liệu thô không bao giờ bị sửa — mọi thay đổi tạo tệp mới.
- Mọi bước xử lý nằm trong mã nguồn, không làm bằng tay.
- Đặt tên tệp có ngày và có nghĩa, không dùng "bản cuối cùng thật".
- Một tệp ghi chú trong mỗi thư mục nói rõ cái gì là cái gì.
Vì sao không làm bằng tay
- Thao tác tay không lặp lại được và không kiểm tra được.
- Khi phản biện hỏi "nếu bỏ nhóm này thì sao", bạn chạy lại trong một phút thay vì một tuần.
- Khi phát hiện lỗi ở bước ba, bạn không phải làm lại bước bốn tới mười bằng tay.
- Đây là lý do thật, không phải vì lý tưởng minh bạch.
Sao lưu
- Ba bản, hai loại phương tiện, một bản ở nơi khác.
- Thử phục hồi thật một lần, đừng tin là nó chạy.
- Đồng bộ đám mây không phải sao lưu — xoá nhầm là đồng bộ cả cái xoá.
Ghi chép trong lúc làm
- Ghi vì sao đã quyết như vậy, không chỉ ghi đã làm gì.
- Ghi cả những gì đã thử mà không chạy — nếu không, sáu tháng sau bạn thử lại.
- Ghi ngay lúc làm, không ghi cuối tuần.
Trước khi nộp bài
- Chạy lại toàn bộ từ dữ liệu thô tới hình vẽ cuối, trên máy sạch.
- Kiểm mọi con số trong bài truy được về mã nguồn.
- Đây là lúc phát hiện gần hết các lỗi nghiêm trọng.
Một điều đáng nhớ
Quy tắc có giá trị nhất là dữ liệu thô không bao giờ bị sửa.
Nó là điều kiện để mọi thứ khác cứu được: mọi lỗi phát hiện về sau đều lần ngược được, mọi phân tích đều chạy lại được. Một tệp dữ liệu thô bị ghi đè thì không có kỹ thuật nào lấy lại — và đó là loại mất mát không ai nhận ra cho tới lúc cần.
Câu hỏi thường gặp
Bốn quy tắc dữ liệu cơ bản là gì?
Dữ liệu thô không bao giờ bị sửa, mọi bước xử lý nằm trong mã nguồn chứ không làm bằng tay, đặt tên tệp có ngày và có nghĩa, và một tệp ghi chú trong mỗi thư mục.
Vì sao không nên xử lý dữ liệu bằng tay?
Vì thao tác tay không lặp lại và không kiểm tra được — khi phản biện hỏi nếu bỏ nhóm này thì sao, bạn chạy lại trong một phút thay vì một tuần.
Sao lưu thế nào cho đúng?
Ba bản, hai loại phương tiện, một bản ở nơi khác, và thử phục hồi thật một lần — đồng bộ đám mây không phải sao lưu vì xoá nhầm là đồng bộ cả cái xoá.
Nên ghi chép gì trong lúc làm?
Ghi vì sao đã quyết như vậy chứ không chỉ ghi đã làm gì, ghi cả những gì đã thử mà không chạy, và ghi ngay lúc làm.
Quy tắc nào quan trọng nhất?
Dữ liệu thô không bao giờ bị sửa — nó là điều kiện để mọi lỗi phát hiện về sau đều lần ngược được, còn tệp thô bị ghi đè thì không kỹ thuật nào lấy lại.
