Piliers thématiques
Explorez les grands sujets de l'univers Data et plongez dans nos analyses détaillées.
Data Strategy
Gouvernance, data mesh, data-as-a-product, qualité et stratégie data.
Data Engineering
Pipelines, dbt, lakehouse, streaming, architecture medallion et data contracts.
Analytics & BI
Self-service analytics, BI augmentée, embedded analytics et decision science.
Derniers articles
Les publications les plus récentes dans l'univers Data.
Votre Data Hub centralise tout. Il ne fiabilise rien.
80 % des projets data échouent non pas à cause de l'architecture, mais de la qualité de ce qui y circule. Voici comment passer de la correction manuelle à la fiabilité automatisée.
Vos données sont prêtes. Votre architecture, pas encore.
80 % des projets IA n'échouent pas à cause des algorithmes, mais des données fragmentées. Pourquoi migrer vers un Data Hub est la décision qui débloque tout le reste.
Analytics Engineering et semantic layer : le chaînon manquant entre vos pipelines et vos décisions
Entre vos pipelines et vos décisions, il manque souvent une couche sémantique documentée et testée. Voici ce qu’elle change concrètement.
Solvency II : ce que Python dans dbt change pour la clôture du CFO
Quand le capital réglementaire d'un assureur dérape sans explication, le problème n'est pas actuariel, il est industriel. Python dans dbt referme ce trou.
Sécuriser un compte Snowflake Business Critical : ce que le Trust Center ne fait pas
Le Trust Center Snowflake couvre 60% de votre posture de sécurité. Les 40% restants (SIEM, policies SQL, RACI) restent à votre charge. Plan de maturité en 3 phases.
Vos logs Snowflake expirent dans 365 jours. Votre auditeur, lui, en demande trois ans.
Snowflake conserve l'historique ACCOUNT_USAGE 365 jours, pas un de plus. Pour un audit RGPD ou ISO 27001, c'est insuffisant. Voici comment externaliser les logs proprement vers S3, sans consommer un credit de compute.