Перед тем как строить дашборд по данным о клиентах, вы заметили дубликаты строк и пропуски в столбце email. Как это повлияет на графики, и что вы сделаете?

Короткий ответ

Дубликаты искусственно завышают счётчики и суммы (двойной учёт клиентов), а пропуски в email могут занижать метрики, основанные на уникальности по этому полю; нужно выбрать надёжный ключ дедупликации и явно обработать пропуски до построения графиков.

Как это работает подробнее

Дашборды агрегируют «сырые» строки; дубли строк или некорректный ключ напрямую искажают счётчики, суммы и распределения на графиках.

Пример кода

query.sqlКопировать

SELECT COUNT(*) AS total_rows,
       COUNT(DISTINCT customer_id) AS unique_customers,
       COUNT(*) FILTER (WHERE email IS NULL) AS missing_email
FROM customers;

Что использовать на практике

• Рекомендация. Используйте в качестве ключа дедупликации стабильный идентификатор (например, customer_id), а не email, который может отсутствовать или быть общим.
• Рекомендация. Применяйте COUNT(DISTINCT key) вместо COUNT(*), где это уместно.
• Рекомендация. Явно решите и задокументируйте, как показывать пропуски (исключать или выносить в «Неизвестно»).

Подводные камни

• Риск. Использование COUNT(*) в предположении «одна строка — один клиент» без проверки дублей.
• Риск. Молчаливое исключение строк с NULL email, занижающее итоговые показатели.
• Риск. Отсутствие предупреждения о качестве данных для пользователей дашборда.