Bạn mở lại tệp phân tích của sáu tháng trước để trả lời một câu hỏi của người phản biện, và phát hiện có ba phiên bản của cùng một bảng kết quả, khác nhau ở vài con số.
Không cái nào ghi rõ khác nhau vì sao. Một cái có thể đã loại các trường hợp thiếu dữ liệu, một cái có thể dùng bộ dữ liệu trước khi sửa lỗi nhập.
Tình huống này rất phổ biến, và nó tốn nhiều ngày mỗi lần xảy ra.
Vấn đề không phải trí nhớ
Phân tích dữ liệu gồm hàng chục quyết định nhỏ: loại trường hợp nào, xử lý dữ liệu thiếu thế nào, gộp các nhóm ra sao, dùng tham số gì.
Mỗi quyết định lúc làm thì hiển nhiên. Tổng hợp lại sau ba tháng thì không ai nhớ nổi, kể cả người làm.
Và đây không chỉ là chuyện tiện lợi: nếu bạn không dựng lại được cách mình ra một con số, bạn không thể trả lời khi bị hỏi, và không thể sửa khi phát hiện lỗi ở một bước trước đó.
Cấu trúc thư mục: một khuôn dùng được
Trong thư mục của mỗi nghiên cứu, bốn thư mục con:
Dữ liệu gốc — bản như khi thu được, không bao giờ sửa. Đây là nguyên tắc quan trọng nhất. Mọi chỉnh sửa tạo ra tệp mới ở thư mục khác.
Dữ liệu đã xử lý — các bản sau khi làm sạch, kèm tệp ghi rõ đã làm gì.
Mã lệnh hoặc quy trình xử lý.
Kết quả — bảng, hình, báo cáo.
Kèm một tệp ở thư mục gốc mô tả nội dung từng phần. Viết nó cho một người lạ đọc — và người lạ đó thường là chính bạn sau một năm.
Đặt tên và quản lý phiên bản
Tên tệp kiểu "phantich_moi_final_v2_sua.xlsx" là dấu hiệu của một hệ thống đã hỏng.
Hai nguyên tắc thay thế:
Ngày theo dạng năm-tháng-ngày ở đầu tên tệp — sắp theo tên là sắp theo thời gian.
Không bao giờ dùng từ "cuối cùng". Nó không bao giờ đúng.
Với người làm việc nhiều với mã lệnh, dùng một hệ quản lý phiên bản là cách tốt nhất. Với người không, cách đơn giản vẫn chạy được: mỗi khi có thay đổi đáng kể, tạo bản mới với ngày trong tên, và ghi một dòng vào nhật ký nói đã đổi gì.
Nhật ký phân tích
Một tệp văn bản, mỗi mục gồm bốn phần: ngày; đã làm gì; kết quả ra sao; và vì sao quyết định như vậy.
Phần cuối là phần quan trọng nhất và hay bị bỏ. "Loại 12 trường hợp có thời gian trả lời dưới 30 giây vì không thể đọc hết bảng hỏi trong thời gian đó" — câu này cứu bạn khi bị hỏi, và cũng là câu bạn đưa vào phần phương pháp của luận án.
Ghi ngay khi làm. Ghi lại vào cuối tuần thì đã mất phần lớn chi tiết.
Dùng mã lệnh thay cho thao tác tay
Nếu công cụ của bạn cho phép, thực hiện các bước xử lý bằng mã lệnh hoặc cú pháp thay vì bằng thao tác chuột.
Lý do không phải vì mã lệnh hiện đại hơn: mã lệnh tự nó là bản ghi. Chạy lại được, sửa một bước ở giữa rồi chạy lại toàn bộ được, và người khác đọc được bạn đã làm gì.
Thao tác tay thì mỗi lần làm lại có thể ra kết quả hơi khác, và không có cách nào kiểm.
Với người chưa quen: không cần học lập trình để làm việc này. Phần lớn phần mềm thống kê có chế độ ghi lại các thao tác thành cú pháp — bật nó lên và lưu lại tệp cú pháp sau mỗi phiên làm việc.
Bảng kết quả nối được với nguồn
Mỗi bảng và hình trong luận án nên truy được về: tệp dữ liệu nào, đoạn xử lý nào, ngày nào.
Cách đơn giản: đặt tên tệp kết quả trùng với tên bảng trong luận án, và ghi nguồn trong nhật ký.
Điều này quan trọng nhất ở giai đoạn cuối, khi bạn sửa một phần dữ liệu và phải biết những bảng nào bị ảnh hưởng. Không có liên kết này thì phải chạy lại tất cả — hoặc tệ hơn, sửa một bảng và quên các bảng khác.
Kiểm khả năng lặp lại
Một phép thử đơn giản, làm trước khi nộp: lấy một bảng kết quả bất kỳ, và dựng lại nó từ dữ liệu gốc chỉ bằng những gì đã ghi.
Nếu làm được trong vòng một giờ, hệ thống của bạn ổn. Nếu không, bạn biết chỗ đang thiếu.
Làm phép thử này ở giữa quá trình, không để tới cuối — lúc đó còn sửa được cách làm việc.
Một lợi ích ít được nói tới
Ngoài việc trả lời được câu hỏi của hội đồng, hệ thống này còn giải quyết ba tình huống rất thực tế:
Người phản biện đề nghị phân tích lại theo cách khác — bạn làm được trong một ngày thay vì một tuần.
Bạn phát hiện lỗi ở bước làm sạch dữ liệu — bạn sửa và chạy lại được, thay vì phải chọn giữa giấu lỗi và làm lại tất cả.
Và bạn muốn dùng lại dữ liệu cho một bài khác sau hai năm — dữ liệu vẫn dùng được thay vì thành một đống tệp không ai hiểu.
Chi phí của cả hệ thống này là khoảng mười phút mỗi ngày làm việc. Đó là khoản đầu tư trả lại nhiều lần, và nó cũng là thứ phân biệt một nghiên cứu có thể kiểm chứng với một nghiên cứu chỉ có kết quả cuối.
Vì sao cần ghi lại quá trình phân tích?
Vì phân tích gồm hàng chục quyết định nhỏ mà không ai nhớ được sau vài tháng — và không dựng lại được thì không trả lời được khi bị hỏi, cũng không sửa được khi phát hiện lỗi.
Nguyên tắc quan trọng nhất về dữ liệu là gì?
Không bao giờ sửa dữ liệu gốc — mọi chỉnh sửa tạo ra tệp mới ở thư mục khác.
Nhật ký phân tích nên ghi gì?
Ngày, đã làm gì, kết quả ra sao, và vì sao quyết định như vậy — phần cuối là phần quan trọng nhất và hay bị bỏ.
Cách kiểm hệ thống của mình có ổn không?
Lấy một bảng kết quả bất kỳ và dựng lại từ dữ liệu gốc chỉ bằng những gì đã ghi — làm được trong một giờ là ổn.
