Чем аналитик DWH отличается от других аналитиков?
Такие вопросы мы обсуждали в новом выпуске, который записали в Воронеже. Вместе с соавтором проделали около 467 километров пути, чтобы встретиться с Татьяной Половинкиной - опытным аналитиком DWH и спикером.
Разговор с увлечённым опытным экспертом в смежной сфере знаний - это всегда большое удовольствие и новые вопросы к размышлению. Я задумалась вот о чем:
📍Существует ли понятие MVP в работе с данными? В каком значении ни взять этот термин Minimum Viable Product или Minimum Valuable Product - в основе лежит проверка гипотезы, что задача реализуема или что она может приносить ценность. Конечно, не очень умно залить в витрину наугад сырые данные или предложить регулятору попробовать MVP его отчёта, но, наверное, реально выбрать базовые метрики и данные для них или организовать “песочницу”? А что об этом рассказала наша гостья лучше послушать в выпуске 👇
📍Как оценивается качество данных? До недавнего времени я руководствовалась тем, что есть понятные общие критерии: дату и время не стоит хранить строкой с непонятным часовым поясом, серию и номер паспорта не хранить числом, нейминг должен быть адекватным… При этом у большинства аналитиков бывают случаи, когда задачу решить нужно в срок, а смежная система не готова дать данные в хорошем формате, на преобразование нет ресурсов и заказчика вполне устраивает та условная строка, что имеется - приходится соглашаться на компромисс. Может быть, критерии оценки должны быть привязаны больше к бизнес-цели или к техническому пониманию качества? 🤔
После разговора мы ещё собрали ссылки на статьи доклады по теме работы с данными, они доступны в сообществах подкаста в ВК и в Телеграмм.
Выпуск доступен по ссылкам 👇
Яндекс.Музыка
Podster.fm
Telegram
VK
#подкаст
Такие вопросы мы обсуждали в новом выпуске, который записали в Воронеже. Вместе с соавтором проделали около 467 километров пути, чтобы встретиться с Татьяной Половинкиной - опытным аналитиком DWH и спикером.
Разговор с увлечённым опытным экспертом в смежной сфере знаний - это всегда большое удовольствие и новые вопросы к размышлению. Я задумалась вот о чем:
📍Существует ли понятие MVP в работе с данными? В каком значении ни взять этот термин Minimum Viable Product или Minimum Valuable Product - в основе лежит проверка гипотезы, что задача реализуема или что она может приносить ценность. Конечно, не очень умно залить в витрину наугад сырые данные или предложить регулятору попробовать MVP его отчёта, но, наверное, реально выбрать базовые метрики и данные для них или организовать “песочницу”? А что об этом рассказала наша гостья лучше послушать в выпуске 👇
📍Как оценивается качество данных? До недавнего времени я руководствовалась тем, что есть понятные общие критерии: дату и время не стоит хранить строкой с непонятным часовым поясом, серию и номер паспорта не хранить числом, нейминг должен быть адекватным… При этом у большинства аналитиков бывают случаи, когда задачу решить нужно в срок, а смежная система не готова дать данные в хорошем формате, на преобразование нет ресурсов и заказчика вполне устраивает та условная строка, что имеется - приходится соглашаться на компромисс. Может быть, критерии оценки должны быть привязаны больше к бизнес-цели или к техническому пониманию качества? 🤔
После разговора мы ещё собрали ссылки на статьи доклады по теме работы с данными, они доступны в сообществах подкаста в ВК и в Телеграмм.
Выпуск доступен по ссылкам 👇
Яндекс.Музыка
Podster.fm
Telegram
VK
#подкаст