Vom Datenchaos zur Vertrauensbasis: Unser Weg zu stabilen Datenmodellen und -produkten

"Da stimmt etwas nicht.“ Mit solchen Nachrichten starteten bei uns viele Tage: fehlende Daten, falsche Umsätze, kaputte Reports – statt Entscheidungen gab es Diskussionen. Lange haben wir nur Symptome behoben, das Vertrauen war weg.

In diesem Talk zeigen wir anhand konkreter Praxiserfahrungen, wie wir das geändert haben, um Vertrauen systematisch zurückzugewinnen:

Zentrale Metriken werden heute einheitlich in dbt-Modellen definiert und durch Tests gegen fehlerhafte oder fehlende Daten abgesichert.
Data Contracts und Versionierung machen Breaking Changes früh sichtbar und lösen Alerts aus, bevor Reports betroffen sind.
So ersetzen wir individuelle SQL-Logiken durch konsistente Datenprodukte.
Mit „Atlas“ haben wir einen zentralen, getesteten Data Layer aufgebaut (~80 % der Analysen) – als Grundlage für verlässliche Entscheidungen und AI Use Cases.

Denn insbesondere für unsere AI Use Cases gilt mehr denn je, verlässliche Daten sind die Basis für gute Entscheidungen.

Vorkenntnisse

• Grundverständnis von Datenanalyse und -plattform
  
• SQL/dbt-Kenntnisse hilfreich, aber kein Muss

Lernziele

In diesem Talk lernst du,

• welche strukturellen Ursachen zu fehlendem Vertrauen geführt haben
  
• wie Analytics Engineering, klare Data Layer und Data Contracts konkret helfen
  
• wie wir dbt für unsere Datenprodukte einsetzen
  
• welche Maßnahmen sich in der Praxis für uns bewährt haben – und welche nicht

Der Talk richtet sich an alle, die Daten nicht nur verfügbar, sondern verlässlich machen wollen – als Grundlage für fundierte Entscheidungen und KI-Anwendungen.