𝗜 𝗱𝗮𝘁𝗮 𝗹𝗮𝗸𝗲 𝗲 𝗹'𝗲𝗰𝗼𝘀𝗶𝘀𝘁𝗲𝗺𝗮 𝗱𝗲𝗶 𝗻𝘂𝗼𝘃𝗶 𝗰𝗼𝗺𝗽𝗼𝗻𝗲𝗻𝘁𝗶 𝗲 𝘁𝗲𝗰𝗻𝗼𝗹𝗼𝗴𝗶𝗲 𝗼𝗽𝗲𝗻𝘀𝗼𝘂𝗿𝗰𝗲 𝗮 𝘀𝘂𝗽𝗽𝗼𝗿𝘁𝗼 – 𝗣𝗮𝗿𝘁𝗲 𝗜𝗜

ENTRAMBI I TALKS SARANNO IN INGLESE, maggiori dettagli nella descrizione degli abstract
********** BOTH TALKS WILL BE IN ENGLISH, more details in the descriptions below

18:15 - 18:20 Benvenuto
18:20 - 18:30 Modern Data Archiecture: considerazioni su trend ed evoluzioni future (Stefano Pampaloni)
18:30- 19:00 Project Nessie: A Git-like Experience for Cloud Data Lakes (Ryan Murray)
19:00-19:30 Soda: Monitoring and testing data quality (Albin Kjellin, Vijay Kiran)
19:30 - 19:45 Q&A e Networking finale

𝗣𝗿𝗼𝗷𝗲𝗰𝘁 𝗡𝗲𝘀𝘀𝗶𝗲: 𝗔 𝗚𝗶𝘁-𝗹𝗶𝗸𝗲 𝗘𝘅𝗽𝗲𝗿𝗶𝗲𝗻𝗰𝗲 𝗳𝗼𝗿 𝗖𝗹𝗼𝘂𝗱 𝗗𝗮𝘁𝗮 𝗟𝗮𝗸𝗲𝘀
Concetti tipici dei database come transazione commit e rollback, necessari per il workload nei tradizionali data warehouse, non sono sufficienti per le moderne piattaforme di dati e le aziende data-driven. Project Nessie è un nuovo meta-store open source basato su formati di tabelle come Apache Iceberg e Delta Lake per svolgere transazioni multi-table e multi-engine. Inoltre, Nessie offre per i datalake una semantica simile a Git, compresi commit, tag e branch. Utilizzando i concetti del versioning, gli utenti possono lavorare in un modo completamente nuovo, sperimentando o preparando i dati senza andare ad impattare la visione live dei dati un mondo di possibilità concrete per un approccio DataOps su DataLake.
**********While database concepts like transactions, commits and rollbacks are necessary for traditional data warehousing workloads, they're not sufficient for modern data platforms and data-driven companies. Project Nessie is a new open source metastore that builds on table formats such as Apache Iceberg and Delta Lake to deliver multi-table, multi-engine transactions. In addition, Nessie delivers Git-like semantics for data lakes, including commits, tags and branches. By using versioning concepts, users can work in an entirely new way, experimenting or preparing data without impacting the live view of the data, opening a whole world of possibilities for true DataOps on the data lake.
𝗥𝘆𝗮𝗻 𝗠𝘂𝗿𝗿𝗮𝘆 è 𝗢𝗽𝗲𝗻 𝗦𝗼𝘂𝗿𝗰𝗲 𝗘𝗻𝗴𝗶𝗻𝗲𝗲𝗿𝗶𝗻𝗴 𝗟𝗲𝗮𝗱 @𝗗𝗿𝗲𝗺𝗶𝗼. In precedenza ha lavorato nel settore dei servizi finanziari facendo di tutto, dal trader di obbligazioni al responsabile Data Engineering. Ryan ha un dottorato in fisica teorica ed è un attivo contributore open source.

𝗦𝗼𝗱𝗮: 𝗠𝗼𝗻𝗶𝘁𝗼𝗿𝗶𝗻𝗴 𝗮𝗻𝗱 𝘁𝗲𝘀𝘁𝗶𝗻𝗴 𝗱𝗮𝘁𝗮 𝗾𝘂𝗮𝗹𝗶𝘁𝘆
Vediamo come i Data Teams in genere gestiscono le problematiche legate alla qualità dei dati che impattano grandi Dataset, data lake e Data warehouse! Utilizzando la piattaforma Soda e i tools open source messi a disposizione di sviluppatori, Data Engineer, Product Owner, Consumer e Producer sono in grado di monitorare, testare e risolvere problemi sui dati prima che essi vadano ad impattare sui data products.
**********Vijay and Albin will provide an overview into how data teams are improving data quality issues and delivering trusted analytics and data products. Using the Soda platform and open source developer tools, Albin will demonstrate how data engineers, product owners, consumers and producers, are enabled to monitor, test, and resolve data issues before they have a downstream impact.
𝗔𝗹𝗯𝗶𝗻 𝗞𝗷𝗲𝗹𝗹𝗶𝗻 è 𝗦𝗼𝗹𝘂𝘁𝗶𝗼𝗻𝘀 𝗘𝗻𝗴𝗶𝗻𝗲𝗲𝗿 @𝗦𝗼𝗱𝗮. Ha lavorato nell'IT di aziende di dimensione enterprise per oltre 10 anni, e come solution architect and engineer presso MuleSoft e Sony Ericsson. In Soda, fa parte del team che crea per la comunity soluzioni tecniche per clienti e partner.
𝗩𝗶𝗷𝗮𝘆 𝗞𝗶𝗿𝗮𝗻 è 𝗣𝗿𝗼𝗱𝘂𝗰𝘁 𝗟𝗲𝗮𝗱 @ 𝗦𝗼𝗱𝗮 𝗦𝗤𝗟. Esperto in Big Data Engineering con una passione per Scala, Clojure e le metodologie Agile. È il Product Lead di Soda SQL

Unisciti al nostro gruppo anche su @Linkedin : bit.ly/XStreamData-Lin
#AperiTech è un'iniziativa di @Codemotion in collaborazione con @LVenture Group e @LUISS EnLabs