Articoli
firmati da questo autore
-
Dal warehouse ai vettori pronti per l’AI con le Embedding Columns di Fivetran Activations
Fivetran Activations aggiunge le Embedding Columns per generare embedding vettoriali dentro i dataset e nuove connessioni verso Pinecone e turbopuffer, per passare dai dati…
-
Costruire un’architettura RAG: perché conviene un repository intermedio
Come combinare i dati aziendali con un foundation model tramite RAG, e perché far atterrare i dati in un data lake o warehouse prima…
-
Cos’è l’idempotenza e perché conta nelle pipeline dati
L’idempotenza è la proprietà per cui ripetere un’operazione non cambia il risultato dopo la prima esecuzione. Nel data integration rende le pipeline auto-correttive ed…
-
Gestire le pipeline Fivetran in linguaggio naturale con un server MCP
Un server Model Context Protocol permette di operare l’API di Fivetran a voce, tramite un assistente AI, con workflow di approvazione e audit trail…
-
CHS: dal batch al CDC in tempo reale su un modern data stack
Riley Buss di CHS racconta il passaggio da ingestion batch su Cloudera a un modern data stack con CDC, Snowflake e dbt per gestire…
-
Come Huel costruisce una vista a 360° del cliente: intervista
Il data scientist Jay Kotecha e l’ecommerce director Ollie Scheers di Huel raccontano come hanno superato i data silos per ricostruire l’intero customer journey…
-
State management delle pipeline: la sfida sottovalutata delle sincronizzazioni incrementali
Lo stato di una pipeline e cio che permette la sincronizzazione incrementale, ma gestirlo a mano tra crash, retry e concorrenza e un lavoro…
-
Fraud detection con BigQuery ML: dal database a un modello di classificazione
Una guida pratica per portare un dataset di transazioni con carta di credito da SQL Server a BigQuery e addestrare un modello di fraud…
-
Fivetran e dbt Core: più automazione nelle trasformazioni dati
Nuove funzionalità collegano i connettori Fivetran alle trasformazioni dbt Core: scheduling integrato per lanciare i modelli dopo ogni sync, grafi di lineage e data…
-
L’accesso ai dati, non il modello, decide le prestazioni degli agenti AI
Andrew Madson (Fivetran) sostiene che gli agenti AI falliscono non per limiti del modello ma per limiti dei dati: integrazione, qualita, contesto semantico, governance…