Como você garante que uma análise que você rodou três meses atrás possa ser reproduzida?

Mantenha o código sob controle de versão em vez de em um notebook local ou numa aba de query improvisada, parametrize as datas em vez de fixá-las no código, e registre de quais tabelas de origem e de qual snapshot ou data de execução os números vieram. Documente as definições e qualquer exclusão manual no próprio arquivo. Se as tabelas de origem forem mutáveis, salve o resultado agregado junto do código para que os números publicados continuem verificáveis.

O principal é que o código viva em outro lugar que não a minha máquina, então um repositório em vez de um notebook sem título ou uma aba de query que eu vou fechar na sexta. As datas são parametrizadas, porque fixar um intervalo no código significa que a próxima pessoa roda de novo silenciosamente sobre outra janela e chega a outra resposta sem nenhum aviso. Eu registro quais tabelas eu usei e quando rodei e, principalmente, qualquer decisão manual, então se eu excluí contas de teste ou uma semana anômala, isso está escrito no arquivo em vez de morar na minha memória. O problema sutil é que as tabelas de origem mudam. Alguém roda a minha query de novo em março e chega a números diferentes, não porque eu estava errado, mas porque uma dimensão tipo 1 foi sobrescrita ou dados atrasados chegaram. Então para qualquer coisa publicada eu salvo o resultado agregado ao lado do código. Assim, quando alguém questiona um número seis meses depois, eu consigo mostrar como os dados eram na época e o que mudou desde então.