Big Data Hebdo

著者： Vincent Heuschling Alexander Dejanovski Jérôme Mainaud Nicolas Steinmetz
無料で聴く

  • サマリー

  • Toute l'actualité du Bigdata et surtout de sa communauté francophone dans un podcast.
    Copyright Vincent Heuschling
    続きを読む 一部表示

あらすじ・解説

Toute l'actualité du Bigdata et surtout de sa communauté francophone dans un podcast.
Copyright Vincent Heuschling
マネジメント マネジメント・リーダーシップ 経済学
続きを読む 一部表示
エピソード
  • Episode 216 : DBT vs SQLMesh

    Episode 216 : DBT vs SQLMesh
    2025/04/11
    Dans cet épisode, on revient sur l’évolution de la data-ingénierie à travers deux outils : DBT et SQLMesh. Comment ces outils ont émergé avec la montée en puissance du SQL dans les architectures modernes ? Comment ils répondent aux enjeux de modélisation, d’industrialisation et de gouvernance de la donnée ? L’épisode est aussi l’occasion d’aborder l’évolution des métiers de la data, notamment l’émergence du rôle d’analytic engineer, à la croisée des chemins entre data engineering et data analytics.
    1. La révolution du SQL modulaire
      → Retour sur l’historique du SQL dans l’analytique moderne, l’explosion du SQL dans les moteurs cloud et les limites des requêtes monolithiques.
    2. DBT
      → Origine de DBT, philosophie “analyst-friendly”, séparation entre DBT Core et DBT Cloud, gestion du versioning, testing, documentation, templating avec Jinja.
    3. Le rôle d’Analytic Engineer
      → Mutation des équipes BI vers plus d’autonomie technique, convergence entre modélisation métier et industrialisation.
    4. Pourquoi SQLMesh ?
      → Introduction à SQLMesh comme alternative à DBT, positionnement technique, différences d’usage, réflexion sur les cas d’adoption.
    Retrouvez les épiosodes et show notes sur https://bigdatahebdo.com
    -----------------
    Cette publication est sponsorisée par Datatask (https://datatask.io/) et CerenIT (https://www.cerenit.fr/) .

    CerenIT (https://www.cerenit.fr/) vous accompagne pour concevoir, industrialiser ou automatiser vos plateformes mais aussi pour faire parler vos données temporelles. Ecrivez nous à contact@cerenit.fr (https://cerenit.fr) et retrouvez-nous aussi au Time Series France (https://www.timeseries.fr/) .

    Datatask (https://datatask.io/) vous accompagne dans tous vos projets Cloud et Data, pour Imaginer, Expérimenter et Executer vos services ! Consultez le blog de Datatask (https://datatask.io/blog/) pour en savoir plus.

    Le générique a été composé et réalisé par Maxence Lecointe
    続きを読む 一部表示
    53 分
  • Episode 215 : Le RAG en 2025 toujours d'actualité ?

    Episode 215 : Le RAG en 2025 toujours d'actualité ?
    2025/04/07
    Dans cet épisode du Big Data Hebdo, on fait le point sur le RAG (Retrieval-Augmented Generation) : est-il toujours au cœur des usages d’IA générative en entreprise, ou dépassé par les nouveaux paradigmes comme l’agentic AI ?

    Paul, Jérôme, Nicolas et Vincent reviennent sur :
    • Les fondamentaux du RAG : pourquoi est-il apparu ?
    • Comment fonctionne techniquement un pipeline RAG ?
    • Les erreurs à éviter quand on passe en production
    • Les bonnes pratiques : hybrid search, cache, feedback utilisateurs
    • Ce qui change en 2025 : modularité, agentic RAG, graph RAG, et plus encore !

    Retrouvez les épiosodes et show notes sur https://bigdatahebdo.com
    -----------------
    Cette publication est sponsorisée par Datatask (https://datatask.io/) et CerenIT (https://www.cerenit.fr/) .

    CerenIT (https://www.cerenit.fr/) vous accompagne pour concevoir, industrialiser ou automatiser vos plateformes mais aussi pour faire parler vos données temporelles. Ecrivez nous à contact@cerenit.fr (https://cerenit.fr) et retrouvez-nous aussi au Time Series France (https://www.timeseries.fr/) .

    Datatask (https://datatask.io/) vous accompagne dans tous vos projets Cloud et Data, pour Imaginer, Expérimenter et Executer vos services ! Consultez le blog de Datatask (https://datatask.io/blog/) pour en savoir plus.

    Le générique a été composé et réalisé par Maxence Lecointe
    続きを読む 一部表示
    58 分
  • Episode 214 : Plus vite et moins cher sur Snowflake avec Indexima

    Episode 214 : Plus vite et moins cher sur Snowflake avec Indexima
    2025/03/21
    Dans cet épisode du Big Data Hebdo, 🎙️ j’ai eu le plaisir d’échanger avec Nicolas Korchia de Indexima, qui nous dévoile comment leur solution révolutionne la performance des requêtes analytiques sur Snowflake⚡

    👉 Indexima for Snowflake analyse les requêtes en temps réel et génère automatiquement des agrégats optimisés avec les Dynamic Tables, réduisant drastiquement les temps de réponse et les coûts ! 💰💨

    Show notes et chapitres sur http://bigdatahebdo.com/podcast/episode-214-plus-vite-et-moins-cher-sur-snowflake-avec-indexima/

    -----------------
    Cette publication est sponsorisée par Datatask (https://datatask.io/) et CerenIT (https://www.cerenit.fr/) .

    CerenIT (https://www.cerenit.fr/) vous accompagne pour concevoir, industrialiser ou automatiser vos plateformes mais aussi pour faire parler vos données temporelles. Ecrivez nous à contact@cerenit.fr (https://cerenit.fr) et retrouvez-nous aussi au Time Series France (https://www.timeseries.fr/) .

    Datatask (https://datatask.io/) vous accompagne dans tous vos projets Cloud et Data, pour Imaginer, Expérimenter et Executer vos services ! Consultez le blog de Datatask (https://datatask.io/blog/) pour en savoir plus.

    Le générique a été composé et réalisé par Maxence Lecointe
    続きを読む 一部表示
    52 分

Big Data Hebdoに寄せられたリスナーの声

カスタマーレビュー：以下のタブを選択することで、他のサイトのレビューをご覧になれます。

Audible.co.jp

Amazon.co.jp
レビューはまだありません。