Nem az a lényeg, hogy milyen szép kódot írsz, hanem az, hogy milyen üzleti értéket teremtesz vele.
Sokan megköveznének ezért a kijelentésért… de azért a data science-ben is igaz, hogy a kész jobb, mint a tökéletes.
Túl sok embert látok, aki órákig reszel egy-egy Python-os/SQL-es kódrészletet, csak hogy az szebb és „hatékonyabb” legyen. (Hatékony == 0.2 másodperc helyett, 0.1 másodperc alatt fut le. 🙃) Pedig a feladatot már rég ellátja a script.
A képen egy 2016-os kódom látható, ami minden szempontból egy nagyon rosszul megírt Python kód:
- tele van bután „hard-code”-olt megoldásokkal
- tele van ismétlődésekkel
- nehezen javítható
- alul kommentelt
…nem is vagyok rá túl büszke. Dehát fiatal voltam és kellett az üzleti eredmény. 🙃 (Azóta újra írtam az egész kódot nulláról.)
Egyetlen fontos dolgot azért kipipált már a megírás pillanatában is: ✅ hibátlanul elvégezte a munkát, amit csinálnia kellett.
NYILVÁN persze jobb, ha szép, olvasható, újrahasználható és hatékony a Python-kód, de üzletileg mindig az a fontosabb, hogy kész legyen (kész legyen *időre*). Ha ez megvan, akkor később még úgyis lehet javítani rajta. (Vagy leginkább megkérni a ChatGPT-t, hogy csinálja újra szebbre és jobbra.)
*természetesen a fenti gondolatok első sorban data science-re és adatelemzésre vonatkoznak — nem data engineering-re vagy szoftverfejlesztésre
Data36 Data Science Hírlevél
Belsős anyagok, útmutatók, karriertippek, új technológiák adattudományhoz — magyar nyelven.
Minden csütörtökön, közvetlen az e-mail fiókodba! Csatlakozz 1000+ adatos szakemberhez!
Köszi és üdv,
Mester Tomi
