Artwork

Treść dostarczona przez The Data Flowcast. Cała zawartość podcastów, w tym odcinki, grafika i opisy podcastów, jest przesyłana i udostępniana bezpośrednio przez The Data Flowcast lub jego partnera na platformie podcastów. Jeśli uważasz, że ktoś wykorzystuje Twoje dzieło chronione prawem autorskim bez Twojej zgody, możesz postępować zgodnie z procedurą opisaną tutaj https://pl.player.fm/legal.
Player FM - aplikacja do podcastów
Przejdź do trybu offline z Player FM !

The Power of Airflow in Modern Data Environments at Wynn Las Vegas with Siva Krishna Yetukuri

24:31
 
Udostępnij
 

Manage episode 421002921 series 2948506
Treść dostarczona przez The Data Flowcast. Cała zawartość podcastów, w tym odcinki, grafika i opisy podcastów, jest przesyłana i udostępniana bezpośrednio przez The Data Flowcast lub jego partnera na platformie podcastów. Jeśli uważasz, że ktoś wykorzystuje Twoje dzieło chronione prawem autorskim bez Twojej zgody, możesz postępować zgodnie z procedurą opisaną tutaj https://pl.player.fm/legal.
Understanding the critical role of data integration and management is essential for driving business success, particularly in a dynamic environment like a luxury casino resort. In this episode, we sit down with Siva Krishna Yetukuri, Cloud Data Architect at Wynn Las Vegas, to explore how Airflow and other tools are transforming data workflows and customer experiences at Wynn Las Vegas. Key Takeaways: (02:00) Siva designs and builds cutting-edge data pipelines and architectures. (02:54) Wynn is building a data platform to drive surveys and marketing strategies. (05:00) Airflow is the backbone of data ingestion, curation and integration. (07:00) Custom operators in Airflow enhance monitoring and reporting. (09:00) Excitement surrounds the use of Airflow 2.9 and its new features. (08:32) A metadata database drives Airflow workflows and captures metrics. (12:31) Understanding Airflow fundamentals in layman’s terms simplifies complexity. (16:33) Transitioning from Control-M to Airflow eases building complex workflows. (24:06) ML models for volume and freshness anomalies improve data quality. (20:15) DAGs are often auto-generated, simplifying the process for engineers. Resources Mentioned: Apache Airflow - https://airflow.apache.org/ Snowflake - https://www.snowflake.com/ Databricks - https://databricks.com/ Great Expectations - https://greatexpectations.io/ Thanks for listening to The Data Flowcast: Mastering Airflow for Data Engineering & AI. If you enjoyed this episode, please leave a 5-star review to help get the word out about the show. And be sure to subscribe so you never miss any of the insightful conversations. #ai #automation #airflow #machinelearning
  continue reading

37 odcinków

Artwork
iconUdostępnij
 
Manage episode 421002921 series 2948506
Treść dostarczona przez The Data Flowcast. Cała zawartość podcastów, w tym odcinki, grafika i opisy podcastów, jest przesyłana i udostępniana bezpośrednio przez The Data Flowcast lub jego partnera na platformie podcastów. Jeśli uważasz, że ktoś wykorzystuje Twoje dzieło chronione prawem autorskim bez Twojej zgody, możesz postępować zgodnie z procedurą opisaną tutaj https://pl.player.fm/legal.
Understanding the critical role of data integration and management is essential for driving business success, particularly in a dynamic environment like a luxury casino resort. In this episode, we sit down with Siva Krishna Yetukuri, Cloud Data Architect at Wynn Las Vegas, to explore how Airflow and other tools are transforming data workflows and customer experiences at Wynn Las Vegas. Key Takeaways: (02:00) Siva designs and builds cutting-edge data pipelines and architectures. (02:54) Wynn is building a data platform to drive surveys and marketing strategies. (05:00) Airflow is the backbone of data ingestion, curation and integration. (07:00) Custom operators in Airflow enhance monitoring and reporting. (09:00) Excitement surrounds the use of Airflow 2.9 and its new features. (08:32) A metadata database drives Airflow workflows and captures metrics. (12:31) Understanding Airflow fundamentals in layman’s terms simplifies complexity. (16:33) Transitioning from Control-M to Airflow eases building complex workflows. (24:06) ML models for volume and freshness anomalies improve data quality. (20:15) DAGs are often auto-generated, simplifying the process for engineers. Resources Mentioned: Apache Airflow - https://airflow.apache.org/ Snowflake - https://www.snowflake.com/ Databricks - https://databricks.com/ Great Expectations - https://greatexpectations.io/ Thanks for listening to The Data Flowcast: Mastering Airflow for Data Engineering & AI. If you enjoyed this episode, please leave a 5-star review to help get the word out about the show. And be sure to subscribe so you never miss any of the insightful conversations. #ai #automation #airflow #machinelearning
  continue reading

37 odcinków

Wszystkie odcinki

×
 
Loading …

Zapraszamy w Player FM

Odtwarzacz FM skanuje sieć w poszukiwaniu wysokiej jakości podcastów, abyś mógł się nią cieszyć już teraz. To najlepsza aplikacja do podcastów, działająca na Androidzie, iPhonie i Internecie. Zarejestruj się, aby zsynchronizować subskrypcje na różnych urządzeniach.

 

Skrócona instrukcja obsługi

Posłuchaj tego programu podczas zwiedzania
Odtwarzanie