Wie stellst du sicher, dass eine Analyse, die du vor drei Monaten gefahren hast, reproduzierbar ist?

Halt den Code in Versionskontrolle statt in einem lokalen Notebook oder einem ad hoc geöffneten Query-Tab, parametrisier Datumsangaben statt sie hart zu verdrahten, und halt fest, aus welchen Quelltabellen und aus welchem Snapshot oder Lauf die Zahlen stammen. Dokumentier die Definitionen und alle manuellen Ausschlüsse direkt im Code. Wenn die zugrunde liegenden Tabellen veränderlich sind, speicher das aggregierte Ergebnis neben dem Code, damit die veröffentlichten Zahlen überprüfbar bleiben.

Die Hauptsache ist, dass der Code irgendwo anders lebt als auf meiner Maschine, also in einem Repository statt in einem namenlosen Notebook oder einem Query-Tab, den ich bis Freitag schließe. Datumsangaben werden parametrisiert, denn ein hart verdrahteter Zeitraum heißt, dass die nächste Person das still über ein anderes Fenster laufen lässt und ohne Warnung eine andere Antwort bekommt. Ich halte fest, welche Tabellen ich benutzt habe und wann ich es laufen ließ, und vor allem jede manuelle Entscheidung, wenn ich also Testaccounts oder eine auffällige Woche ausgeschlossen habe, steht das in der Datei und nicht in meinem Gedächtnis. Das subtile Problem ist, dass sich Quelltabellen verändern. Jemand lässt meine Query im März neu laufen und bekommt andere Zahlen, nicht weil ich falsch lag, sondern weil eine Type-1-Dimension überschrieben wurde oder verspätete Daten angekommen sind. Für alles Veröffentlichte speichere ich deshalb das aggregierte Ergebnis neben dem Code. So kann ich, wenn jemand sechs Monate später eine Zahl hinterfragt, zeigen, wie die Daten damals aussahen und was sich seitdem geändert hat.