Overview
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Sehen deine Produkt-Dashboards komisch aus? Sind deine vierteljährlichen Berichte veraltet? Ist der Datensatz, den du verwendest, kaputt oder einfach nur falsch? Diese Probleme betreffen fast jedes Team, aber sie werden meist ad hoc und reaktiv angegangen. Wenn du diese Fragen mit Ja beantwortet hast, ist dieses Buch genau das Richtige für dich.
Viele Data-Engineering-Teams stehen heute vor dem Problem "gute Pipelines, schlechte Daten". Es spielt keine Rolle, wie fortschrittlich deine Dateninfrastruktur ist, wenn die Daten, die du verarbeitest, schlecht sind. In diesem Buch erklären Barr Moses, Lior Gavish und Molly Vorwerck vom Datenbeobachtungsunternehmen Monte Carlo, wie du Datenqualität und -vertrauen in großem Maßstab erreichen kannst, indem du die besten Praktiken und Technologien nutzt, die von einigen der innovativsten Unternehmen der Welt eingesetzt werden.
- Aufbau vertrauenswürdiger und zuverlässiger Datenpipelines
- Skripte schreiben, um Datenprüfungen durchzuführen und fehlerhafte Pipelines mit Data Observability zu identifizieren
- Lerne, wie du Daten-SLAs, SLIs und SLOs festlegst und pflegst
- Entwicklung und Leitung von Datenqualitätsinitiativen in deinem Unternehmen
- Lerne, wie du Datendienste und -systeme mit der Sorgfalt einer Produktionssoftware behandelst
- Automatisiere Datenverlaufsdiagramme für dein Datenökosystem
- Erstelle Anomalie-Detektoren für deine kritischen Datenbestände
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access