构建和运维ELT流程实践
Studio Python任务开发实践
基于Zettapark for Python构建数据处理链路
基于Lakehouse Zettapark进行数据工程
使用Zettapark管理Lakehouse Volume的文件
使用 Zettapark 扩展客户特征的特征工程
通过SQL对数据进行清洗
开发动态表实现近实时增量处理
通过流和任务在Lakehouse上实现SCD（缓慢变化维）
Dynamic Table开发实践
Table Stream 最佳实践指南
客户数据变更追踪：用 Table Stream 留存完整变更历史
销售实时看板：用 Dynamic Table 构建多层增量数仓
商品维度历史追踪：用 MERGE INTO 实现缓慢变化维度（SCD Type 2）
用户行为漏斗分析：从曝光到下单的转化追踪
数据误操作恢复：用 Time Travel 找回删除和改错的数据
通过Lakehouse实现ELT新方式
DataOps数据安全稳定生产实践
数据质量检查（DQC）：SQL 驱动的自动化验证
Yunqi © 2024 Yunqi, Inc. All Rights Reserved.
预约咨询
微信咨询
电话咨询
邮件咨询