Fundamentos da qualidade de dados

Os dashboards de seus produtos parecem esquisitos? Os relatórios trimestrais estão desatualizados? O conjunto de dados que você está usando está comprometido ou simplesmente errado? Caso tenha respondido sim a essas perguntas, este livro é para você. Geralmente, problemas desse tipo são tratados de forma improvisada e reativa, por mais que afetem quase todas as equipes. Atualmente, muitas equipes de engenharia de dados enfrentam o problema de "pipelines bons, dados ruins". Se os dados que está processando forem ruins, não importa o nível de avanço de sua infraestrutura de dados.

Neste livro, Barr Moses, Lior Gavish e Molly Vorwerck, da empresa de observabilidade de dados Monte Carlo, explicam como abordar a qualidade e a confiabilidade de dados em larga escala, recorrendo às melhores práticas e às tecnologias usadas por algumas das empresas mais inovadoras do mundo.

• Crie pipelines de dados mais confiáveis

• Escreva scripts para fazer verificações de dados e a fim de identificar pipelines comprometidos com observabilidade de dados

• Aprenda como definir e manter SLAs, SLIs e SLOs de dados

• Aprenda como tratar serviços e sistemas de dados com a diligência do software de produção

• Aprenda como tratar serviços e sistemas de dados com a diligência do software de produção

• Automatize grafos de linhagem de dados em todo o seu ecossistema de dados

• Crie detectores de anomalias para seus ativos essenciais de dados



"Leitura obrigatória para quem se preocupa com a qualidade dos dados."

— Debashis Saha

Data Leader

AppZen, Intuit, e eBay



Barr Moses é a CEO e cofundadora da Monte Carlo, empresa especializada em confiabilidade de dados. Já serviu como comandante de uma unidade de inteligência de dados na Força Aérea de Israel, trabalhou como consultora da Bain & Company e foi vice-presidente de operações da Gainsight.

Lior Gavish, é CTO e cofundador da Monte Carlo e também da startup de cibersegurança Sookasa, adquirida pela empresa Barracuda, em 2016.