Articoli
firmati da questo autore
-
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…
-
Le dieci sfide delle pipeline dati, secondo (e per) Fivetran
Dieci sfide reali dell’ingegneria delle pipeline dati, lette criticamente: dove il contenuto Fivetran informa e dove invece vende.
-
Perché oltre il 90% delle aziende non è AI-ready: è un problema di dati
Secondo Fivetran il gap di AI readiness è prima di tutto un gap di data readiness. I dati TDWI sulla manutenzione delle pipeline e…
-
Data lake: gestire governance, sicurezza e automazione delle pipeline
I data lake offrono storage flessibile ed economico, ma pongono sfide su governance e usabilità. Tre aree su cui concentrarsi: pipeline, data catalog e…
-
Build vs. buy delle pipeline dati: i quattro criteri di Autodesk
Come il team Data Platform di Autodesk decide se costruire o comprare le pipeline dati: quattro criteri che ruotano intorno a costo, no-code, valore…