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 d