Автор предлагает рассматривать данные как самостоятельный продукт и оценивать их не только через качество и безопасность, но и через пользовательский опыт работы с ними. Вместо дополнительных опросов удовлетворенности предлагается использовать логи SQL-запросов как источник объективных UX-сигналов.

Методика опирается на несколько групп метрик. Во-первых, сложность запроса: каждому оператору (join, group by, replace, case и т.п.) присваивается вес, а суммарный балл показывает, сколько усилий пользователя потребовала работа с данными. Во-вторых, однообразие: запросы нормализуются до шаблонов, и по частоте повторения одного шаблона оценивается, насколько часто пользователи решают одну и ту же задачу вручную вместо готовой витрины. В-третьих, длительность выполнения и «вес» слоя данных (от удобных витрин до сырых слоев) отражают, насколько доступ к данным тормозит рабочие процессы.

Комбинация этих параметров агрегируется по SQL-шаблонам и затем анализируется в разрезе пользователей и таблиц. Высокие значения метрики у конкретных пользователей подсвечивают потребность в помощи, обучении или автоматизации, а у конкретных таблиц — запрос на создание витрин или реструктуризацию модели данных. Отдельно выделяются случаи простых, но долгих запросов как индикатор проблем с хранением (неоптимальное партиционирование, ключи). Подход позиционируется как экспериментальный каркас, который можно внедрять в DWH-практику и комбинировать с классическими CSAT-метриками.