A tohle je co za SQL? | Mňamka #32
A je to tu zase. Ty moje věčné vzpomínky na Digitální Akademii Czechitas. Pravda ale je, že mi to přineslo nejen nejedno přátelství, bohaté zkušenosti, ale i spousty triků a tričků, na které jsem cestou narazila. A tady je další z nich.
To si takhle používáte SQL syntax, kterou běžně znáte, jste k tomu líní podívat se do dokumentace databáze a ono to překvapivě pořád padá:-) Honí se vám hlavou otázky jako: "Je můj příkaz správný nebo úplný?", "Odpovídá syntax Core SQL?", nebo "Používá funkce mimo Core SQL?" Netrapte se a zkuste SQL validátor:
- VOvěřte si SQL syntax: EverSQL
- Pokud si potřebujete ověřit, že vaše SQL syntax odpovídá jakémusi standardu: Miner SQL Validators
Postavili jsme stejného AI chatbota nad firemními daty v Googlu i v Microsoft Azure. | Mňamka #557
Skoro každá firma dneska sedí na hromadě vlastních dokumentů - produktové listy, FAQ, smlouvy, zápisy z projektů. A skoro každá firma by chtěla to samé: chatbota, kterému napíšete otázku a on odpoví z vašich dat, ne z toho, co si kde přečetl na internetu. Zní to jednoduše. My jsme si to chtěli osahat pořádně, a tak jsme jedno a to samé řešení postavili dvakrát - jednou v Google Cloudu, podruhé v Microsoft Azure. Tady je, co z toho vypadlo.
Microsoft Fabric vs. dbt | Mňamka #556
Když firmy modernizují svou datovou platformu, narazí dřív nebo později na otázku, jaký datový stack zvolit a co je pro jejich byznys nejvhodnější. Migrovat na Microsoft Fabric? Nasadit dbt? Otázka je ale položená trochu zavádějícím způsobem, jde totiž o srovnání dvou věcí, které stojí na jiné úrovni datového stacku: Fabric je platforma, dbt je transformační nástroj, který na takové platformě běží. Přesto má smysl se ptát, jak se tyto dva světy doplňují, kde si uvnitř Fabricu konkurují nativní nástroje a dbt, a kdy se vyplatí sáhnout po dbt jako standardní transformační vrstvě.
7 signálů, že vaše firma potřebuje datovou strategii | Mňamka #555
Každá firma chce zvednout efektivitu a využít příležitosti, které dnes AI nabízí. Jenže než nasadíte jakýkoliv model, copilota nebo „chytrou analýzu", musíte mít v pořádku to, na čem AI stojí a to jsou pevné datové základy. Následující signály jsou věci, se kterými se u klientů stále poměrně často setkáváme. Pokud některý z nich zní povědomě, datová strategie není nice-to-have. Je to základ. A ten se bohužel nedá přeskočit, i když by to bylo hodně pohodlné. Dá se oddálit, ale pak se vždy platí i s úroky.
