Wir helfen Ihnen, die Datenreifeleiter zu erklimmen.

Learn to build high-performing data teams with agile practices, strong leadership, CI/CD, testing, mentoring, and collaboration.

Build a portable, EU-compliant data platform and avoid vendor lock-in—discover our cloud-neutral stack in this deep-dive blog.

What does it take to build truly data-centric organizations?This episode goes beyond tools and dashboards to uncover lasting value.

Michiel De Muynck erkundet SQLMesh: semantische Schicht, virtuelle Datenumgebungen und Unit-Tests für SQL-basierte Analysen.

Kann ein europäischer Cloud-Anbieter wie Ionos AWS oder Azure ersetzen? Wir testen es – und finden überraschende Vorteile in Bezug auf Kosten, Kontrolle und Unabhängigkeit.

Kann Data Mesh Ihre Datenengpässe lösen? Nehmen Sie an unserem Seminar teil, um zu erfahren, wie Data Mesh Herausforderungen der Dezentralisierung und Skalierbarkeit angeht.

Entdecken Sie den Sinn und Unsinn der Datenmodellierung mit Jonas De Keuster (VaultSpeed) zu Automatisierung, Integration und Best Practices.

Ein Regierungsauftraggeber ist zurück zur Cloud gewechselt. Die Standardisierung machte eine 14-stündige Big Bang-Migration sicher, nahtlos und praktisch unsichtbar.

Das Erfassen aller Daten ohne Qualitätsprüfungen führt zu wiederkehrenden Problemen. Priorisieren Sie die Datenqualität von Anfang an, um nachgelagerte Probleme zu vermeiden.

Verbessern Sie die UX der Datenplattform mit einem 5-Schritte-Prozess: Feedback sammeln, Benutzerreisen kartieren, Reibung reduzieren und kontinuierlich durch Iteration verbessern.

Entdecken Sie, wie nachhaltige Datenprodukte echte Auswirkungen, dauerhaften Wert und bessere Geschäftsentscheidungen fördern – ohne unnötige Komplexität.

Warum die Beschleunigung von KI nach hinten losgehen kann: Lektionen über digitale Ausdehnung, Governance-Abwägungen und den Aufbau dessen, was in datengestützten Teams wirklich zählt.

Bei Conveyor haben wir über fünf Jahre daran gearbeitet, eine Batch-Datenplattform auf Basis von Kubernetes aufzubauen und zu betreiben.

Cloud vs On-Prem, US-Technologierisiken, Datenmesh, Teamdynamik und die verborgenen Kosten hinter „modernen“ Datenplattformen – harte Wahrheiten für Datenverantwortliche.

Zustand der Daten – Eine Veranstaltung für Datenführer und Ingenieure zu KI, Datenplattformen, MLOps und Analytik. Veranstaltung verpasst? Sehen Sie sich die Aufzeichnungen an!

Bei Conveyor verwenden wir seit über 3 Jahren Azure Log Analytics, um Protokolle von unseren Kubernetes-Workloads, sowohl von Batch- als auch von langlaufenden Anwendungen, zu speichern.

Wir teilen praktische Einblicke, wie Organisationen skalierbare, self-service Datenplattformen etablieren können, um Effizienz und Eigenverantwortung zu fördern.

Viele Organisationen stoßen an die Grenzen der Datenlagerung, insbesondere wenn sie in der Größe wachsen.

Build SAP CDC in Azure Data Factory with SAP views, but high IR costs. Kafka + Confluent offers a cheaper, scalable alternative.

Verantwortliche KI hängt von hochwertiger Datenverarbeitung ab, um ethische, faire und transparente KI-Systeme zu gewährleisten.

Datenführer stehen unter Druck, den Hype um KI mit der Organisation der Datenlandschaft in Einklang zu bringen. So bleiben sie fokussiert, pragmatisch und strategisch.

Seit Jahren verlassen sich Datenplattformen – insbesondere Datenseen und Lakehouses – auf die Medaillonarchitektur.

Advanced analytics powered by LLMs and strong data engineering enables smarter predictions, deeper insights, and AI you can trust.

Begleiten Sie uns zu einem exklusiven Webinar, das von Kris Peeters und Wannes Rosiers moderiert wird, während sie das Data Product Portal enthüllen.

Je mehr Menschen in einem Team sind, desto mehr Kommunikationslinien gibt es. Dasselbe gilt für die Werkzeuge in Ihrem Daten-Stack, die Komplexität skaliert schnell.

Vor ein paar Wochen haben wir die Veröffentlichung des Data Product Portals als Open-Source-Repository angekündigt.

Im August 2016 veröffentlichte BARC die Ergebnisse einer globalen Umfrage zum datengestützten Entscheidungsprozess in Unternehmen.

Migrating to Microsoft Fabric?My experience shows it’s not ideal for modular platforms yet limited flexibility,IaC gaps & performance issues

Willkommen zur nächsten Folge unserer Serie über die Integrationen des Data Product Portals!

Als Data Engineer ist es fast immer die sicherste Option, Daten-Pipelines alle X Minuten auszuführen. So können Sie nachts gut schlafen…

Moderne Datenplattformen sind komplex. Wenn Sie sich Referenzarchitekturen ansehen, wie die von A16Z unten, enthält sie mehr als 30 Kästen.

Wie man Open ID Connect mit dem Data Product Portal integriert

Gartner hat seinen Hype-Zyklus für Datenmanagement 2024 veröffentlicht.

Clear team communication boosts data project success. Focus on root problems, structured discussions, and effective feedback to align better

Implementierung des OAuth 2.0 Device Authorization Grant mit AWS Cognito und FastAPI

In der sich schnell entwickelnden Welt der Daten stellen Unternehmen fest, dass der Schlüssel zum Erfolg beim Skalieren ihrer Daten

Die Datenverwaltung hat sich im Laufe der Jahre verändert, und die Übernahme des Produktdenkens für Daten bringt erneut Veränderungen in die Daten...

Eine Makefile, die es ermöglicht, schnell zu iterieren

Schließen Sie sich uns an für eine Veranstaltung, die sich auf die entscheidenden Aspekte der GenAI-Entwicklung und deren Implementierung konzentriert.

Seit den neunziger Jahren, mit dem Aufkommen von Business Intelligence,

Stellen Sie sich vor, Sie sind ein Marketing-Manager, der damit beauftragt ist, Werbestrategien zu optimieren, um verschiedene Kundensegmente effektiv anzusprechen…

Lerne Datenengineering von den Profis!

In dieser Veröffentlichung präsentiere ich einige Tricks und Funktionen von Polars.

Wie man Snowflakes Unterstützung für interoperable offene Lakehouse-Technologie — Iceberg — nutzen kann, um Geld zu sparen.

Basierend auf meiner Erfahrung werde ich die wichtigsten Kriterien für den Aufbau erfolgreicher Daten-Teams näher erläutern.

Ein interaktives, praktisches Hackathon zum Erstellen und Bereitstellen einer kompletten LLM-basierten Anwendung von Anfang bis Ende.

Hierarchische Daten sind weit verbreitet und einfach zu speichern, aber ihre Abfrage kann herausfordernd sein. Dieser Beitrag wird Sie durch den Prozess…

Eine Hauptaktivität unserer Benutzer besteht darin, dbt innerhalb der IDE-Umgebung zu nutzen.

Seit Jahren bauen und nutzen Organisationen Datenplattformen, um Wert aus Daten zu schöpfen.

Um das Offensichtliche zu sagen: Ein Datenteam ist dafür da, dem Unternehmen Mehrwert zu bieten. Aber ist das wirklich so offensichtlich? Haben Unternehmen nicht zu oft ein ...

Eine Zusammenfassung der Diskussion am runden Tisch über die Datenplattform von imec.

Heiße Meinungen zu meinen Erfahrungen mit Cloud-Zertifizierungen

Entdecken Sie die nächste Evolution der Datenverarbeitung mit DuckDB und Polars

Abgebrochene Mehrteil-Uploads und abgelaufene Löschmarker: was sind sie und warum Sie sich wegen der schlechten AWS-Standarde darum kümmern müssen.

Wir haben einen RAG-Chatbot mit AWS Bedrock und GPT-4 entwickelt, um Fragen zur flämischen Regierung zu beantworten.

Building a data platform taught me: deleting code is vital, poor design has long-term costs, and dependency updates are never-ending.

Ensuring clean and reliable input is crucial for building robust services.

Snowflake to Trino dbt migration: watch out for type casting, SQL functions, NULL order, and window function quirks.

Use-case-driven data programs balance planning & building, enabling fast value, reduced risk, and scalable transformation.

Wer bin ich, um zu argumentieren? Tatsächlich hatte ich das Privileg, einige Unternehmen in diese ganz besondere Ambition zu führen.

DuckDB on Azure: fsspec works for now, but native Azure extension is faster—especially with many small files. Full support is on the way.

Begib dich auf eine Reise mit unseren erstklassigen Data Engineers, während sie die Schlüsselkompetenzen enthüllen, die die Zukunft des Data Engineerings gestalten werden.

Dieser Beitrag beschreibt zwei Möglichkeiten, das Erstellen Ihrer Docker-Images zu beschleunigen: Das Caching von Build-Informationen remote und die Verwendung der Link-Option beim Kopieren von Dateien.

Vier Methoden zur effektiven Verwaltung und Skalierung Ihrer Datenworkflow-Abhängigkeiten mit Apache Airflow erkunden.

Verwenden Sie die MERGE INTO-Syntax von Spark und Iceberg, um täglich inkrementelle Schnappschüsse einer veränderlichen Quelltabelle effizient zu speichern.