جلد سخت سیاه و سفید
Product details
- Publisher : O'Reilly Media; 1st edition (October 18, 2022)
- Language : English
- Paperback : 80 pages
- ISBN-10 : 1098112040
- ISBN-13 : 978-1098112042
کتاب Data Quality Fundamentals: A Practitioner's Guide to Building Trustworthy Data Pipelines
Do your product dashboards look funky? Are your quarterly reports stale? Is the dataset you're using broken or just plain wrong? These problems affect almost every team, yet they're usually addressed on an ad hoc basis and in a reactive manner. If you answered yes to any of the questions above, this book is for you.
Many data engineering teams today face the "good pipelines, bad data" problem. It doesn't matter how advanced your data infrastructure is if the data you're piping is bad. In this book, Barr Moses, Lior Gavish, and Molly Vorwerck from the data reliability company Monte Carlo explain how to tackle data quality and trust at scale by leveraging best practices and technologies used by some of the world's most innovative companies.
- Build more trustworthy and reliable data pipelines
- Write scripts to make data checks and identify broken pipelines with data observability
- Program your own data quality monitors from scratch
- Develop and lead data quality initiatives at your company
- Generate a dashboard to highlight your company's key data assets
- Automate data lineage graphs across your data ecosystem
- Build anomaly detectors for your critical data assets
منابع کتاب کتاب Data Quality Fundamentals: A Practitioner's Guide to Building Trustworthy Data Pipelines
آیا داشبورد محصولات شما بد بو به نظر می رسد؟ آیا گزارش های فصلی شما کهنه شده است؟ آیا مجموعه داده ای که استفاده می کنید شکسته است یا کاملاً اشتباه است؟ این مشکلات تقریباً هر تیمی را تحت تأثیر قرار می دهد، اما معمولاً به صورت موردی و به شیوه ای واکنشی به آنها رسیدگی می شود. اگر پاسخ شما به هر یک از سوالات بالا مثبت است، این کتاب برای شما مناسب است.
بسیاری از تیم های مهندسی داده امروزه با مشکل "خط لوله خوب، داده های بد" روبرو هستند. مهم نیست که زیرساخت داده شما چقدر پیشرفته است اگر داده هایی که لوله گذاری می کنید بد باشد. در این کتاب، Barr Moses، Lior Gavish و Molly Vorwerck از شرکت قابلیت اطمینان داده‌ها Monte Carlo توضیح می‌دهند که چگونه می‌توان با استفاده از بهترین شیوه‌ها و فناوری‌های مورد استفاده توسط برخی از نوآورترین شرکت‌های جهان، با کیفیت و اعتماد در مقیاس مقابله کرد.
- خطوط لوله داده قابل اعتماد و قابل اعتماد بیشتری بسازید
- برای بررسی داده ها و شناسایی خطوط لوله شکسته با قابلیت مشاهده داده، اسکریپت هایی بنویسید
- مانیتورهای کیفیت داده خود را از ابتدا برنامه ریزی کنید
- ابتکارات کیفیت داده را در شرکت خود توسعه دهید و رهبری کنید
- یک داشبورد برای برجسته کردن دارایی های داده کلیدی شرکت خود ایجاد کنید
- نمودارهای دودمان داده را در سراسر اکوسیستم داده خود به طور خودکار انجام دهید
- برای دارایی های داده حیاتی خود، آشکارسازهای ناهنجاری بسازید
ارسال نظر درباره کتاب Data Quality Fundamentals: A Practitioner's Guide to Building Trustworthy Data Pipelines