Дотошность к данным со стороны аналитика
Принципы лучше получить из обсуждения командой. Ниже примеры:
Знание командой ключевых метрик, принимать экзамен
Критически относиться к полному циклу:
Полная воспроизводимость — никаких "ой, цифры расходятся, вроде по другому было когда вчера считал". Невоспроизводимая (при ревью) задача выполненной не считается.
2а) Терминология (упомянуто ниже в комментариях) - Когда у одной вещи разные названия - это плохо.Когда у разных вещей одно название - это чудовищно.
Всякие adhoc отчеты должны сверяться с (2) - обычно есть способ посчитать отчет так чтобы из него и ключевые метрики было видно, и собственно искомые цифры. Немного больше работы и вычислений, но обычно того стоит.И отдельно скорее популярные приемы, а не принципы:
Сравнение срезов по времени - (пример: клики не только за год, но и помесячно): позволяет не пропускать технические аномалии
Симуляция "наверх" - смотрим насколько цифры адекватны, если пытаемся индукцией с использованием прочих аггрегированных показателей вернуться к (2). Часто весьма трудоемко - не всегда того стоит. Обычно использую когда надо проверить прогнозы
Возмущение необходимости им следовать воспринимается с тем же недоумением, что и возмущение стандартами форматирования кода у инженеров. Если долго быть уникальной снежинкой - вежливо скажем больше в нашу команду не ходить.
Нагоняй или «разочарованно смотреть» при обнаруженной ошибке
Не доверять посчитанному в первый раз по-умолчанию, культура пересчёта данных
Создание чата #analytics-check, где можно спрашивать — похоже ли на правду? Кто-то мог делать похожую задачу или знает порядок чисел +