Ответ
Начинать без четкого понимания целей и KPI проекта. Без них анализ превращается в сбор данных без ясного направления.
Работать с "грязными" данными без предварительной оценки качества. Например:
if df.isnull().sum().sum() > 0:
raise ValueError("Данные содержат пропуски, нужна очистка!") Делать анализ без согласования методологии с заказчиком. Иначе рискуешь потратить время на нерелевантные метрики.
Игнорировать воспроизводимость. Все этапы (сбор, обработка, визуализация) должны быть задокументированы и автоматизированы, например, через Jupyter Notebook или скрипты.
Браться за задачи без оценки сроков и ресурсов. Лучше сразу обозначить реалистичные ожидания, чем сорвать дедлайны.
