[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"general-list":3,"footer-feature-tags":4,"slate-glossary-term-data-quality":66},true,[5,14,20,29,34,40,46,52,56,62],{"id":6,"name":7,"hex":8,"translations":9,"count_pages":13},8,"Компания","#f40925",{"ru":10,"en":11},{"name":7},{"name":12},"Company",9,{"id":15,"name":16,"hex":17,"translations":18,"count_pages":6},26,"Главная страница",null,{"ru":19},{"name":16},{"id":21,"name":22,"hex":23,"translations":24,"count_pages":28},2,"Проекты","#3027ff",{"ru":25,"en":26},{"name":22},{"name":27},"Project",15,{"id":30,"name":31,"hex":17,"translations":32,"count_pages":21},33,"ИИ",{"ru":33},{"name":31},{"id":35,"name":36,"hex":17,"translations":37,"count_pages":39},34,"Комментарии",{"ru":38},{"name":36},4,{"id":41,"name":42,"hex":17,"translations":43,"count_pages":45},25,"Задачи",{"ru":44},{"name":42},24,{"id":47,"name":48,"hex":17,"translations":49,"count_pages":51},27,"Рабочие пространства",{"ru":50},{"name":48},3,{"id":45,"name":53,"hex":17,"translations":54,"count_pages":6},"Kanban-доска",{"ru":55},{"name":53},{"id":57,"name":58,"hex":17,"translations":59,"count_pages":61},23,"Диаграмма Ганта",{"ru":60},{"name":58},1,{"id":28,"name":63,"hex":17,"translations":64,"count_pages":61},"Календарь",{"ru":65},{"name":63},{"detail":67,"more":144},{"id":68,"slug":69,"translations":70,"category":84,"tags":92,"letter":110,"og_image":17,"cover":17,"author_name":17,"author_position":17,"author_avatar":17,"faqs":111,"related":125,"views_count":141,"helpful_yes_count":114,"helpful_no_count":114,"created_at":142,"updated_at":143,"published_at":17},310,"data-quality",{"ru":71},{"title":72,"short_definition":73,"tldr":74,"full_explanation":75,"when_to_apply":76,"when_not_to_apply":77,"examples":78,"tips":79,"synonyms":80,"translation_en":81,"seo_title":82,"seo_description":83},"Качество данных","Свойство данных, при котором они полны, актуальны, точны, непротиворечивы и пригодны для принятия решений.","Качество данных — это не один параметр, а набор свойств: полнота, актуальность, точность, согласованность, уникальность. Плохие данные ломают всю цепочку — от дашбордов до моделей машинного обучения. Чем дальше по этой цепочке вы заметите проблему, тем дороже исправление. Поэтому проверки качества данных стараются ставить как можно ближе к источнику и запускать автоматически в пайплайнах.","\u003Cp>Большая часть проблем в аналитике и машинном обучении на самом деле — это проблемы данных. Модели и дашборды лишь усиливают то, что приходит на вход.\u003C\u002Fp>\u003Ch3>Ключевые свойства\u003C\u002Fh3>\u003Cul>\u003Cli>\u003Cstrong>Полнота\u003C\u002Fstrong> — нет пропущенных полей и записей, которые должны были быть.\u003C\u002Fli>\u003Cli>\u003Cstrong>Точность\u003C\u002Fstrong> — значения соответствуют реальности.\u003C\u002Fli>\u003Cli>\u003Cstrong>Актуальность\u003C\u002Fstrong> — данные обновляются с нужной частотой.\u003C\u002Fli>\u003Cli>\u003Cstrong>Согласованность\u003C\u002Fstrong> — одни и те же сущности одинаково описаны в разных системах.\u003C\u002Fli>\u003Cli>\u003Cstrong>Уникальность\u003C\u002Fstrong> — нет дубликатов, размывающих агрегаты.\u003C\u002Fli>\u003Cli>\u003Cstrong>Валидность\u003C\u002Fstrong> — данные соответствуют формату и допустимым значениям.\u003C\u002Fli>\u003C\u002Ful>\u003Ch3>Где обычно ломается\u003C\u002Fh3>\u003Cul>\u003Cli>Изменения в продуктовой схеме без уведомления аналитиков.\u003C\u002Fli>\u003Cli>Ручной ввод и опечатки в важных полях.\u003C\u002Fli>\u003Cli>Расхождение часовых поясов и форматов дат.\u003C\u002Fli>\u003Cli>Скрытые удаления и обновления, которые не попадают в аналитический пайплайн.\u003C\u002Fli>\u003C\u002Ful>","\u003Cul>\u003Cli>Перед запуском новой витрины или модели\u003C\u002Fli>\u003Cli>В регулярных проверках в пайплайнах данных\u003C\u002Fli>\u003Cli>При расследовании расхождений между отчётами разных команд\u003C\u002Fli>\u003C\u002Ful>","\u003Cul>\u003Cli>Не существует — игнорирование качества данных всегда оборачивается дороже, чем работа над ним\u003C\u002Fli>\u003C\u002Ful>","\u003Cp>Финансовый отчёт показывает странное падение выручки. Через час расследования выясняется, что новый разработчик переименовал поле в продуктовой базе, и загрузка тихо начала писать туда пустые значения. Проверки на полноту поймали бы это в момент запуска, но их не было. После инцидента команда добавила автоматические проверки уровня «доля пустых значений не выше порога», и подобный сценарий теперь обнаруживается за минуты, а не за часы.\u003C\u002Fp>","\u003Cp>Самое окупаемое вложение в работу с данными — простые автоматические проверки качества в пайплайнах: количество строк, доля пропусков, диапазон значений, число дубликатов. Они дёшевы в реализации и ловят большинство «странностей» в отчётах раньше, чем их заметит руководство.\u003C\u002Fp>","качество данных, чистота данных, достоверность данных, data quality","Data Quality","Качество данных — что это и как проверять | Глоссарий Shtab","Качество данных — это полнота, точность, актуальность и согласованность. Где данные обычно портятся и какие автоматические проверки ставить в пайплайнах.",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":88},11,"analytics-data","#06b6d4",{"ru":89},{"title":90,"description":91},"Аналитика и данные","Понятия и инструменты работы с данными: виды аналитики, статистические основы, A\u002FB-тестирование, продуктовые метрики, дашборды и BI, инфраструктура данных, качество и управление данными.",[93,102],{"id":94,"slug":95,"kind":96,"hex":97,"order":98,"translations":99},44,"data-engineering","tool","#0F9488",102,{"ru":100},{"title":101},"Инфраструктура данных",{"id":103,"slug":104,"kind":105,"hex":106,"order":107,"translations":108},46,"data-quality-tag","other","#cc5649",104,{"ru":109},{"title":72},"К",[112,119],{"id":113,"order":114,"translations":115},1514,0,{"ru":116},{"question":117,"answer":118},"Кто отвечает за качество данных?","\u003Cp>В идеале — общая модель: продуктовые команды отвечают за качество своих источников, инженеры данных — за качество пайплайнов, аналитики — за качество витрин и отчётов. В реальности часто всё это сваливается на одну команду, и такая схема плохо масштабируется. Лучше разделять ответственность письменно и публично, чтобы у каждой таблицы был понятный владелец.\u003C\u002Fp>",{"id":120,"order":61,"translations":121},1515,{"ru":122},{"question":123,"answer":124},"Что такое наблюдаемость данных (data observability)?","\u003Cp>Это направление инструментов и практик, которое автоматизирует контроль качества данных: следит за свежестью таблиц, объёмами, схемой и статистическими распределениями и само сообщает об отклонениях. Известные продукты в этой области — Monte Carlo, Bigeye, Soda с открытым исходным кодом и другие. По смыслу это мониторинг для данных — такой же, каким мониторинг стал для серверов и сервисов.\u003C\u002Fp>",{"related":126},[127,134],{"id":128,"slug":129,"translations":130},311,"data-governance",{"ru":131},{"title":132,"short_definition":133},"Управление данными (Data Governance)","Совокупность правил, ролей и процессов, по которым в организации работают с данными как с активом.",{"id":135,"slug":136,"translations":137},308,"data-pipeline",{"ru":138},{"title":139,"short_definition":140},"Пайплайн данных","Последовательность шагов, по которой данные двигаются от источника до конечного потребителя — отчёта, модели или системы.",94,"2026-05-11T20:16:08.369558+03:00","2026-05-11T20:16:08.369573+03:00",[145,168,188],{"id":146,"slug":147,"translations":148,"category":153,"tags":156,"letter":166,"cover":17,"updated_at":167,"published_at":17},313,"arpu",{"ru":149},{"title":150,"short_definition":151,"translation_en":152},"ARPU и ARPPU (средняя выручка на пользователя)","ARPU — средняя выручка на пользователя. ARPPU — средняя выручка на платящего пользователя.","ARPU and ARPPU",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":154},{"ru":155},{"title":90,"description":91},[157],{"id":158,"slug":159,"kind":160,"hex":161,"order":162,"translations":163},45,"product-analytics","metric","#5e79ec",103,{"ru":164},{"title":165},"Продуктовая аналитика","A","2026-05-11T20:16:09.534333+03:00",{"id":169,"slug":170,"translations":171,"category":176,"tags":179,"letter":186,"cover":17,"updated_at":187,"published_at":17},304,"bi",{"ru":172},{"title":173,"short_definition":174,"translation_en":175},"Business Intelligence (бизнес-аналитика)","Совокупность процессов и инструментов сбора, хранения и визуализации данных для принятия деловых решений.","Business Intelligence (BI)",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":177},{"ru":178},{"title":90,"description":91},[180,183],{"id":94,"slug":95,"kind":96,"hex":97,"order":98,"translations":181},{"ru":182},{"title":101},{"id":158,"slug":159,"kind":160,"hex":161,"order":162,"translations":184},{"ru":185},{"title":165},"B","2026-05-11T20:16:06.204990+03:00",{"id":189,"slug":190,"translations":191,"category":196,"tags":199,"letter":203,"cover":17,"updated_at":204,"published_at":17},312,"dau-wau-mau",{"ru":192},{"title":193,"short_definition":194,"translation_en":195},"DAU, WAU, MAU (активная аудитория за день, неделю и месяц)","Количество уникальных активных пользователей за день, неделю и месяц соответственно.","DAU \u002F WAU \u002F MAU",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":197},{"ru":198},{"title":90,"description":91},[200],{"id":158,"slug":159,"kind":160,"hex":161,"order":162,"translations":201},{"ru":202},{"title":165},"D","2026-05-11T20:16:09.166914+03:00"]