Vorwort
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Wenn du eines der folgenden Szenarien erlebt hast, hebe deine Hand (oder nicke einfach solidarisch - wir werden es nicht anders erfahren):
Aus fünftausend Zeilen in einer kritischen (und relativ vorhersehbaren) Tabelle werden plötzlich fünfhundert, ohne dass es dafür einen Grund gibt.
Ein defektes Dashboard führt dazu, dass ein Executive Dashboard Nullwerte ausspuckt.
Eine versteckte Schemaänderung unterbricht eine nachgelagerte Pipeline.
Und die Liste geht noch weiter.
Dieses Buch ist für alle, die still oder mit dumpfen Schreien unter unzuverlässigen Daten gelitten haben und etwas dagegen tun wollen. Wir gehen davon aus, dass diese Personen aus den Bereichen Data Engineering, Data Analytics oder Data Science kommen und aktiv am Aufbau, der Skalierung und dem Management der Datenpipelines ihres Unternehmens beteiligt sind.
Oberflächlich betrachtet mag es so aussehen, als ob Data Quality Fundamentals ein Handbuch darüber ist, wie man Daten bereinigt, verwaltet und generell sinnvoll nutzt - und das ist es auch. Aber dieses Buch befasst sich vielmehr mit bewährten Methoden, Technologien und Prozessen, um zuverlässigere Datensysteme aufzubauen und dabei das Vertrauen in die Daten bei deinem Team und deinen Stakeholdern zu stärken.
In Kapitel 1 werden wir erörtern, warum die Datenqualität jetzt Aufmerksamkeit verdient und wie architektonische ...
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