Risorse · 46
Affidabilità dei dati: diagnosticare un dashboard prima di prendere una decisione
Separare un calo reale da dati in ritardo, raccolta incompleta e definizione modificata.
Aggiornato · 4 min
Obiettivi di questa guida
- Collegare un numero a fonti e trasformazioni
- Rilevare periodi incompleti
- Distinguere i dati mancanti da zero
- Riparare senza contare due volte
Verifica rapida
- Quando è stato elaborato l'ultimo evento?
- Il periodo visualizzato è chiuso?
- Il denominatore è cambiato?
- Un valore mancante è stato convertito a zero?
- La riproduzione crea duplicati?
Metodo passo passo
- 1
Documentare il contratto
Scrivere definizione, unità, dimensioni, ambito, fuso orario, frequenza, origine e responsabile della metrica. Specificare la gestione dei valori nulli, le correzioni tardive e le modifiche alla raccolta o al consenso. Una formula identica può produrre cifre non confrontabili per popolazioni diverse.
Risultato: contratto dati e cronologia delle definizioni.
- 2
Tracciare le trasformazioni
Collegare l'evento di origine, l'archiviazione, il filtraggio, la deduplicazione, l'aggregazione e il grafico. Registrare le versioni, le conversioni di valuta e le regole di join. Seguire i record campione autorizzati end-to-end senza copiare dati sensibili nel dossier diagnostico.
Risultato: campione di provenienza e riconciliazione.
- 3
Misurare tre dimensioni distinte
Monitorare separatamente freschezza, completezza e correttezza. Un lavoro completato può omettere una partizione; il volume previsto può contenere valori errati. Impostare soglie intorno alla decisione e ritardi tollerabili anziché adottare una percentuale universale.
Risultato: controlli, soglie e ambito di misurazione.
- 4
Qualificare un'anomalia
Confrontare origine e output nella stessa finestra; ispezionare ritardi, eventi mancanti, filtri, join, raccolta e definizione. Segmentare solo dove il volume rimane interpretabile. Etichettare i dati parziali anziché presentare un calo come fatto accertato.
Risultato: diagnosi che separa fatti, ipotesi e incognite.
- 5
Riparare e riprodurre
Correggere la causa in un ambito limitato. Riprodurre con identità stabile, deduplicazione e riconciliazione totale; confermare la propagazione in esportazioni e grafici. Conservare i valori prima/dopo necessari per la spiegazione senza dettagli individuali superflui.
Risultato: prove di riconciliazione e correzione.
- 6
Esposizione dello stato di qualità
Visualizzazione dell'ultimo aggiornamento, del periodo coperto e delle limitazioni note. Assegnare a ogni avviso un responsabile e un'azione. Eseguire nuovamente il test dopo modifiche alla sorgente o allo schema; una media complessiva può nascondere un segmento mancante.
Risultato: stato di qualità e procedura di escalation.
Esempio pratico fittizio
Situazione illustrativa
Esempio: un grafico mostra un numero inferiore di ordini mentre l'elaborazione per una regione è ritardata.
Decisione e prove attese
La pagina indica il periodo parziale, l'elaborazione riprende senza duplicati e i totali vengono riconciliati prima di qualsiasi conclusione commerciale.
Distinguere i meccanismi
| Meccanismo | Scopo | Verifica o limitazione |
|---|---|---|
| Attualità | I dati sono sufficientemente recenti? | Ultimo evento elaborato e ritardo |
| Completezza | Sono presenti gli elementi previsti? | Partizioni e conteggi riconciliati |
| Correttezza | I valori rispettano la regola? | Risultati attesi su casi noti |
Indicatori di gestione
| Indicatore | Cosa misura | Prima azione |
|---|---|---|
| Ritardo | Tempo intercorso tra l'evento e la disponibilità | Ispezione di pipeline e code |
| Copertura | Elementi ricevuti rispetto agli elementi attesi | Individuazione di partizioni mancanti |
| Lacune di riconciliazione | Differenze tra origine e output | Individuazione di filtri, join o duplicati |
Errori comuni
- Trattamento dei dati mancanti come zero
- Confusione tra esecuzione corretta e output corretto
- Modifica delle definizioni senza annotazione
- Riproduzione senza deduplicazione
Domande frequenti
Un avviso statistico dimostra un errore?
No. Segnala una differenza per un'indagine. Un cambiamento aziendale reale e un guasto tecnico possono creare curve simili.
Quale soglia di aggiornamento dovrebbe essere utilizzata?
Una che la decisione può tollerare, con ambito e metodo documentati. Il monitoraggio operativo e la reportistica mensile hanno esigenze diverse.
È possibile visualizzare dati parziali?
Sì, se l'ambito e lo stato parziale sono chiaramente visibili e gli utenti possono distinguere una stima da un periodo definitivo.
Quali prove conservare per una verifica utile?
Conservare versioni, granularità, filtri, chiavi e periodo. Riconciliare righe; controllare separatamente duplicati, assenze e aggiornamento.
Cronologie: UTC e fusi orari
Le note dettagliate di questa edizione sono disponibili in inglese.
A revised total needs its dated snapshot
Delay, redelivery and an identifier conflict have different effects. Comparing dashboards requires preserving the window, cutoff and records actually included.
- Normalize instants before sorting or calculating elapsed time.
- Keep event time and observation time separately.
- Explain snapshot changes without treating late receipt as a new event.
Read the 12 cases and three dated snapshots →
Sources reviewed on · IETF · RFC 3339 · Python · PEP 495 · Python 3.12 · zoneinfo · IANA · Time Zone Database 2026e · IANA · 2026e Europe rules · OpenTelemetry · Logs Data Model
Codici syslog e prove di raccolta
Le note dettagliate di questa edizione sono disponibili in inglese.
Normalisation must preserve event meaning
In a distributed API, a PRI integer combines two codes. An opaque conversion may lose the message family or reverse severity. Test collection with identified events before inferring operational reliability.
- Keep facility, severity and raw value in separate fields.
- Distinguish source time, reception time and search availability.
- Expose rejected events, truncation, loss and conversion rules.
Read syslog codes and try the PRI calculation →
IANA · syslog Parameters · Registry updated 2016-04-26 · consulted 2026-10-23
ASD ACSC and partners · Best practices for event logging and threat detection · Published and reviewed 2024-08-22 · consulted 2026-10-23
Cardinalità delle join, NULL e aggregati
Le note dettagliate di questa edizione sono disponibili in inglese.
Reconcile rows before interpreting a dashboard
A metric may change with identical source events: a join creates pairs, a filter removes rows and null measurements reduce contributions. Keep a reference at the source grain and inspect retained identifiers.
- Compare COUNT(*), distinct identifiers and non-null measurements.
- Inspect multiple matches before summing.
- Test the active predicate in ON and WHERE on an unmatched case.
Inspect pairs and aggregates in the workshop →
PostgreSQL 18 · Table expressions · PostgreSQL 18 · documentation reviewed 2026-10-23
PostgreSQL 18 · Aggregate functions · PostgreSQL 18 · documentation reviewed 2026-10-23
PostgreSQL 18 · Comparison functions · PostgreSQL 18 · documentation reviewed 2026-10-23
Riferimenti ufficiali
I riferimenti supportano il metodo. Adattare i controlli al proprio contesto; non costituiscono una certificazione. I titoli dei riferimenti originali e i documenti di origine potrebbero essere in un'altra lingua.
Riferimenti consultati il .
- Google SRE — Data Processing Pipelines
- Google SRE — Implementing SLOs
- PostgreSQL 18 · Table expressions and joins
- IETF · RFC 3339
- Python · PEP 495
- Python 3.12 · zoneinfo
- IANA · Time Zone Database 2026e
- IANA · 2026e Europe rules
- OpenTelemetry · Logs Data Model
- PostgreSQL 18 · Aggregate functions
- PostgreSQL 18 · Comparison functions
- IANA · syslog Parameters
- IETF · R. Gerhards · RFC 5424 · The Syslog Protocol
- ASD ACSC and partners · Best practices for event logging and threat detection
