Jan 28 2020
Il costo di un errore
L’altro giorno riflettevo sul costo che ha nell’economia di un progetto DATA affrontare e gestire un errore, un problema che inficia i dati.
A Febbraio 2018 un cliente ha avuto un problema di spam nei dati di GA, una cosa seria e non trascurabile che si è trascinata per alcuni giorni. I dati di quei giorni sono completamente sballati, inutilizzabili. A fatica si è trovato un segmento per ripulirli, si è applicato e non ci si è più pensato per un po’. Ma esattamente per quanto?
Per poco, purtroppo.
Ad Aprile 2018 il report del Q1 2018 era inservibile. Rifallo applicando il segmento, evita che campioni, spendici tempo.
A Gennaio 2019 il report annuale del 2018 era sballato. Applica il segmento e tieni conto dell’anomalia di Febbraio
Ad Aprile 2019 il report del Q1 2019 era perfetto, ma la comparazione con l’anno prima dava solo valori negativi. Applica il segmento e rifai le variazioni percentuali
A Gennaio 2020 il confronto temporale del 2019 con l’intero 2018 è vittima di un problema. Insomma avete capito.
Per un problema di alcuni giorni di FEBBRAIO 2018, ancora oggi – per l’ultima volta – a distanza di quasi due anni dobbiamo ricordarci che è accaduto, come si chiama il segmento, di avvisare chi mette mano ai dati, eccetera…
E’ per questo che dico sempre “prevenire è meglio che curare”, e che sono un fissato dei controlli automatizzati 🙂