Вечер в хату

https://psytests.org/clinical/bdi-run.html

Так, закидываю себе на будущее маленький мотиватор.
Человек даже после 70+ отказов все же нашел работу и свалил 🥂

https://docs.google.com/spreadsheets/d/1PuFxPPdyEqc9Jk5E74Uaxnm8om7WzegFlkWoWv87_s4

#поискработы

А то тяжко что-то знаете ли

#мемы

Моё тотемное животное:

#мемы

О - отпуск

#книги

О, вакансия for me.
Меня мама как раз называет змеючкой, вид, правда, не уточняла.

#мемы

Current mood: hashmap
https://www.youtube.com/watch?v=5bId3N7QZec&list=WL&index=5

Я ещё и женщина, то есть и репродуктивный период короткий.
Комбо собрала получается?

#мемы

Богу помолился - mvp появился (с) коллега на работе

#мемы

Ор выше гор.
Аж пожалела, что в прошлом году не приняла оффер indrive.

Даже Илон Маск в шоке

Илон Маск с нами постит мемы про то, что парни не спят, парни мониторят ситуацию с "переворотом Вагнера".

#трудовыебудни

Можно бесконечно долго сожалеть о трех вещах: о сообщениях бывшим, о том что много выпила на тусе и о том, что вовремя не была настроена проверка качества данных.

Нет, конечно, про базовую проверку на типы данных/null/объем данных сложно забыть. Но вот с бизнес-смыслом иногда бывает косяк.

А теперь расскажу о том, как это выглядит на практике (по мотивам задачи у меня на работе).
Представьте ситуацию: ваша компания/команда занимается аналитикой данных. Вы высылаете требования заказчику о формате передаваемых вам данных, где четко прописано, что в необходимой выгрузке конкретно вот это поле должно отвечать за что-то. У вас при этом под эту логику заточен расчет какого-то агрегата.
И вот вы льете данные, доверяя заказчику (ну, вы же скинули требования, там все четко написано, какие проблемы могут быть).
Данные залиты, базовые дашборды с метриками подняты и вы довольные сидите курите бамбук пьете кофеёк.

Проходит время, появляется потребность в создании нового дашборда с более детальной инфой. Начинаете делать, а там дичь какая-то на графиках. Аля суммы продаж на миллиарды в маленьком магазине в Урюпинске с населением в 100 человек, что явно вызывает подозрения.

И вот вы на батискафе (главное, чтобы это был не «Титан») совершаете погружение в пучину данных.
Начинаете проверять и понимаете, что в поле записано совершенно другое значение (не то, которое вы прописали в тербованиях заказчику). Неприятно очень знаете ли. Все это время и ваша команда, и заказчик смотрели на невалидные цифры.

В данных всегда больше ошибок, чем кажется. И последствия использования таких данных довольно печальные. Например, американские компании ежегодно терпят ущерб почти в 600 млн долларов. Так что, всегда лучше потратить больше времени на обвязку данных различными проверками на качество.

#трудовыебудни

Я вот все сокрушалась по поводу факапа с бизнес-логикой в данных мол да как так, на ровном месте прозевать ошибку, а потом вспомнила историю из книги «Аналитическая культура»: агентство NASA потеряло орбитальныи‌ аппарат по исследованию Марса стоимостью 125 млн долл. из-за того, что команда технических специалистов корпорации Lockheed Martin (разработавшая и собравшая аппарат для NASA) использовала при расчетах английские единицы измерения [фунт, дюйм, фут], в то время как специалисты самого агентства пользовались более привычнои‌ метрическои‌ системои‌ для управления аппаратом.


хехе
http://edition.cnn.com/TECH/space/9909/30/mars.metric.02/

#трудовыебудни