Có hai kiểu tai nạn về dữ liệu. Kiểu thứ nhất là mất trắng — ổ cứng hỏng, máy mất. Kiểu thứ hai âm thầm hơn và phổ biến hơn: bạn có mười hai file tên gần giống nhau và không biết cái nào là bản dùng để ra kết quả trong bài báo.
Ba nguyên tắc nền
Một — dữ liệu gốc không bao giờ bị sửa. Cất bản gốc vào một thư mục đặt tên rõ ràng, và chỉ làm việc trên bản sao. Nếu quy trình xử lý sai ở đâu đó, bạn luôn quay về được điểm xuất phát.
Hai — mọi biến đổi phải ghi lại. Từ dữ liệu gốc tới bảng kết quả cuối, bạn đã làm những bước nào. Lý tưởng là bằng một tập lệnh xử lý chạy lại được; nếu làm thủ công thì phải có tài liệu ghi từng bước.
Ba — ba bản sao ở hai nơi khác nhau. Một bản làm việc, một bản trên ổ rời, một bản ở dịch vụ lưu trữ. Đừng để cả ba nằm trong cùng một căn phòng.
Đặt tên file
Một quy tắc đơn giản dùng được suốt: ngày theo dạng năm tháng ngày, rồi tới nội dung, rồi tới phiên bản. Ngày ở đầu khiến danh sách file tự sắp theo thời gian.
Tránh: dấu tiếng Việt, khoảng trắng, và đặc biệt là những tên như bản cuối, bản cuối thật, bản cuối sửa lại. Ai cũng từng làm và ai cũng từng hối hận.
Sổ ghi chép dữ liệu
Với mỗi bộ dữ liệu, ghi lại: thu thập khi nào, ở đâu, bằng thiết bị hoặc công cụ nào, thiết lập ra sao, ai thực hiện, và có gì bất thường xảy ra hôm đó.
Thông tin này nghe thừa lúc thu thập nhưng trở thành cứu tinh khi hai năm sau bạn thấy một điểm dữ liệu kỳ lạ và cần biết hôm đó có gì khác.
Bảo mật dữ liệu nhạy cảm
Nếu nghiên cứu của bạn có dữ liệu về con người, các yêu cầu chặt hơn:
- Tách thông tin định danh khỏi dữ liệu phân tích. Dùng mã thay cho tên, và giữ bảng đối chiếu ở nơi riêng có bảo vệ.
- Chỉ thu thập những gì thực sự cần. Dữ liệu không thu thập là dữ liệu không thể rò rỉ.
- Tuân thủ đúng cam kết trong hồ sơ đạo đức về việc ai được tiếp cận và lưu trong bao lâu.
- Không gửi dữ liệu nhạy cảm qua các kênh không được phép.
Chuẩn bị cho việc chia sẻ
Ngày càng nhiều tạp chí yêu cầu công khai dữ liệu kèm bài báo. Nếu bạn tổ chức dữ liệu tốt ngay từ đầu, việc này chỉ là một bước nhỏ. Nếu không, nó là vài tuần dọn dẹp trong lúc đang gấp.
Chuẩn bị tối thiểu: một file mô tả cấu trúc dữ liệu — mỗi cột là gì, đơn vị đo là gì, giá trị thiếu được ghi thế nào.
Trước khi rời khỏi nhóm
Khi bạn kết thúc, hãy bàn giao dữ liệu ở dạng người khác dùng được: có mô tả, có tài liệu về quy trình xử lý, đặt ở nơi nhóm truy cập được.
Đồng thời trao đổi rõ về quyền sử dụng dữ liệu sau này của chính bạn — bạn có được dùng cho các công trình tiếp theo không. Nói chuyện này trước khi rời đi dễ hơn nhiều so với sau đó.
Việc nên làm ngay hôm nay
Kiểm tra xem bản sao lưu gần nhất của bạn là khi nào, và thử mở một file từ bản sao lưu đó. Một bản sao lưu chưa từng được kiểm tra thì chưa chắc là một bản sao lưu.
Câu hỏi thường gặp
Nguyên tắc quan trọng nhất khi quản lý dữ liệu là gì?
Dữ liệu gốc không bao giờ bị sửa. Cất bản gốc riêng và chỉ làm việc trên bản sao, để luôn quay về được điểm xuất phát khi quy trình sai.
Nên đặt tên file theo quy tắc nào?
Ngày theo dạng năm tháng ngày ở đầu, rồi nội dung, rồi phiên bản. Tránh dấu tiếng Việt, khoảng trắng và những tên kiểu bản cuối sửa lại.
Cần sao lưu ở mấy nơi?
Ba bản ở hai nơi khác nhau: một bản làm việc, một trên ổ rời, một ở dịch vụ lưu trữ. Đừng để cả ba nằm cùng một căn phòng.
Dữ liệu về con người cần lưu ý gì thêm?
Tách thông tin định danh khỏi dữ liệu phân tích bằng cách dùng mã, chỉ thu thập những gì thực sự cần, và tuân thủ đúng cam kết trong hồ sơ đạo đức.
Cần chuẩn bị gì nếu tạp chí yêu cầu công khai dữ liệu?
Tối thiểu là một file mô tả cấu trúc dữ liệu: mỗi cột là gì, đơn vị đo là gì, và giá trị thiếu được ghi thế nào.