Quản lý dữ liệu: hệ thống dựng một lần, dùng cả đề tài

Hai sự cố tốn kém nhất trong một đề tài không phải kết quả không như mong đợi.

Là mất dữ liệu, và không biết phiên bản nào là phiên bản đúng. Cả hai đều phòng được bằng một hệ thống dựng trong một buổi.

Tổ chức tệp

• Tách rõ ba loại: dữ liệu thô, dữ liệu đã xử lý, và kết quả phân tích.
• Dữ liệu thô là bất khả xâm phạm — không bao giờ sửa trực tiếp lên nó.
• Mọi bước xử lý phải ghi lại — bằng mã lệnh hoặc bằng nhật ký thao tác.
• Quy tắc đặt tên nhất quán — ngày dạng năm tháng ngày, và mô tả ngắn.
• Một tệp mô tả dữ liệu — mỗi biến là gì, đơn vị gì, mã hoá thế nào. Sáu tháng sau bạn sẽ cần nó.

Quản lý phiên bản

• Đánh số phiên bản rõ ràng — đừng dùng bản cuối, bản cuối cùng, bản cuối thật.
• Ghi ngày vào tên tệp.
• Giữ các phiên bản quan trọng chứ đừng ghi đè liên tục.
• Một tệp nhật ký ngắn — ngày nào làm gì, đổi gì.
• Nếu làm nhóm, thống nhất ai được sửa tệp nào — đây là nguồn lỗi phổ biến.

Sao lưu

• Ba bản, hai loại phương tiện, một bản ở nơi khác — nguyên tắc cơ bản.
• Tự động — sao lưu thủ công là sao lưu không xảy ra.
• Thử khôi phục — bản sao lưu chưa từng thử là bản chưa chắc chạy.
• Sao lưu sau mỗi phiên làm việc với dữ liệu quan trọng.
• Kiểm chính sách của cơ sở — một số nơi yêu cầu lưu dữ liệu ở hệ thống nội bộ.

Với dữ liệu cá nhân

• Tách dữ liệu định danh ra khỏi dữ liệu nghiên cứu — dùng mã thay cho tên.
• Bảng nối mã và danh tính lưu riêng, có bảo vệ.
• Chỉ thu thập những gì thật sự cần — dữ liệu không cần thì không thu.
• Mã hoá thiết bị nếu dữ liệu nhạy cảm.
• Tuân thủ cam kết trong phiếu đồng ý tham gia — bao gồm cả thời hạn lưu trữ và việc xoá.
• Không đưa dữ liệu có định danh lên dịch vụ bên ngoài khi chưa kiểm chính sách và chưa được phép.

Ghi lại quá trình phân tích

• Dùng mã lệnh thay vì thao tác tay khi có thể — nó tự ghi lại những gì bạn đã làm.
• Nếu thao tác tay, ghi nhật ký từng bước.
• Tiêu chí duy nhất: sáu tháng sau bạn lặp lại được kết quả từ dữ liệu thô không.
• Ghi cả các phân tích đã thử mà không dùng — người bình duyệt có thể hỏi.
• Đây cũng là điều kiện để trả lời phản biện khi họ yêu cầu phân tích bổ sung.

Nếu làm nhóm

• Thống nhất cấu trúc thư mục và quy tắc đặt tên ngay từ đầu.
• Một người phụ trách bản chính — tránh nhiều bản song song.
• Thống nhất ai được truy cập dữ liệu nào, đặc biệt với dữ liệu nhạy cảm.
• Ghi rõ ai làm phần phân tích nào.
• Bàn về việc dữ liệu thuộc về ai và ai được dùng tiếp — trước khi bắt đầu.

Sau khi đề tài kết thúc

• Kiểm yêu cầu lưu trữ — của cơ sở, của nhà tài trợ, và của tạp chí.
• Nhiều tạp chí yêu cầu chia sẻ dữ liệu — chuẩn bị bộ dữ liệu sạch và tệp mô tả.
• Xoá dữ liệu định danh theo đúng cam kết đã ghi trong phiếu đồng ý.
• Lưu bản cuối cùng của mọi thứ ở một nơi bạn tìm lại được.
• Ghi lại nơi lưu — bạn có thể cần sau nhiều năm.

Một điều đáng nhớ

Phép thử duy nhất cho một hệ thống quản lý dữ liệu tốt: sáu tháng sau, bạn có tái tạo được kết quả trong bài từ dữ liệu thô không?

Nếu không, bạn sẽ gặp rắc rối vào đúng lúc người bình duyệt yêu cầu phân tích bổ sung — và đó là lúc muộn nhất để phát hiện ra vấn đề.

Câu hỏi thường gặp