#248 Data as a Product: Die Struktur & Skalierung von Data-Teams mit Mario Müller von Veeva

0:03 [SPEAKER_02]: Eine neue Episode will kommen im Engineering Chaos Podcast. [SPEAKER_02]: Das Feld der Softwareentwicklung ist riesig und ihr weiter man sich spezialisiert, desto genauer muss man auf Teamstrukturen, technische und menschliche Schnittstellen sowie Qualitätsmessungen auch. [SPEAKER_02]: Heute sprechen wir mal über Daten Teams.

0:18 [SPEAKER_02]: Datentimes, die Daten als eigentliches Produktentresultat verarbeiten und anbieten. [SPEAKER_02]: Mit Mario, einem Director auf Data Engineering, sprechen wir über die Themen Data S-Produkt, was der Unterschied zu wirklichen Datentimes und klassische Software Engineering ist, wie sich Teamstrukturen über die Zeit ändern, von der One-Man-Show zu 50 Leuten, wie ein Texteck für Datenprodukte aussehen kann, wie die Qualität von Daten gemessen wird, und was passiert, wenn KI mit einen Daten rumfummelt.

0:45 [SPEAKER_02]: Ich höre jetzt aufzubrabeln, lass uns mal loslegen, viel Spaß. [SPEAKER_01]: Ich probiere jetzt mal was anderes, weil Andy ist ja immer der, der dann irgendwann in der Episode AI rein bringt. [SPEAKER_01]: Dann die macht es jetzt mal umgekehrt, die sagt AI einfach ganz am Anfang an, die bis zu jetzt zerstört oder so, da ist es okay, wenn dieses macht, da sind Ruck rausgenommen.

1:06 [SPEAKER_01]: Ja ja eben perfekt. [SPEAKER_01]: Also AI ist ja mittlerweile überall so ein Thema, brauche ich glaube, wenn jemand erklären, absolut deshalb Thema früher, was halt mehr so detail analysis und irgendwie machine learning und detail science und dieser ganze Kram und was ja mittlerweile eigentlich alle wissen ist, dass man dazu Daten braucht, diese Daten leben dann in irgendeiner Datenbank, in irgendeiner Datenziehe, das wissen alle, das muss auch da sein und man lockt ihr braucht seine Daten und hat die dann alle.

1:31 [SPEAKER_01]: Und irgendwie, was der Zwischenbasiert zwischen diesen Deulen-Heip-Ei-Tema und dieser Datenbank da ganz hinten, da ist so ein große schwarzes Loch meiner Meinung, was ich da aufdutt. [SPEAKER_01]: Und darum haben wir uns überlegt, wer widmen uns mal genau diesem schwarzen Loch. [SPEAKER_01]: Weil in diesem schwarzen Loch da gibt es ja auch Menschen Teams, die schwarzen Loch Teams im Prinzip.

1:52 [SPEAKER_01]: die irgendwie diesen Verbindungsweg zwischen Datenbank und Dei oder diese Kuhlenanwendung schaffen. [SPEAKER_01]: Und genau über diese Daten Teams wollen wir heute sprechen. [SPEAKER_01]: Sei jetzt data engineering data sein, die data ops da gibt es ja ganz viele Schlagwörter in dem Bereich.

2:08 [SPEAKER_01]: Und genau da wollen wir mal bisschen Licht reinbringen in dieser schwarzen Loch. [SPEAKER_01]: Und nachdem wir ja nur bedingt mit Daten zu tun haben, [SPEAKER_01]: haben wir heute jemand zu besucht beim Engineering Kiosk Studio, dass ich wirklich der ganzen Tag mit Daten Teams beschäftigt.

2:24 [SPEAKER_01]: Daher Mario will kommen für uns im Data Engineering Kiosk. [SPEAKER_01]: Data Engineering Kiosk, auch das will. [SPEAKER_01]: Daher will kommen im Engineering Kiosk. [SPEAKER_01]: Vielen Dank, danke, dass ich daran erinnern. [SPEAKER_02]: Data Engineering Kiosk bin ich richtig gut. [SPEAKER_02]: Licht ins schwarze Loch Team finde ich auch klasse.

2:39 [SPEAKER_01]: So, bei jetzt muss ihr das alles drin lassen, wenn du alles alles prächst. [SPEAKER_01]: Das darf ihr das nimmer raschneiden. [SPEAKER_02]: Okay, meine Aufgabe ist für die teuren Hörin, die wissen alle, was jetzt kommt jetzt stelle ich dich vor Marion und zwar leites zu schwarze Loch Teams, AK-A-Daten Teams.

2:52 [SPEAKER_02]: Und zwar machst du das aus Met-Mann, das ist zwischen Düsseldorf und Wuppertal, da liebst du. [SPEAKER_01]: Moment an die Warm hast du eigentlich so ein Beist, dass du diese nahen Ort, immer super genauer klersten und bei irgendwelche Gäste, das Beiern sagst du, du bist das Beiern, weiter im Programm.

3:05 [SPEAKER_02]: weil ich nie trädig sein, so ein Fett in der Fliegen bin ich aus Bayern, bin ich aus Franken und so und das für mich ist das so weit im Süden. [SPEAKER_02]: Okay, aber mach nur weit, da machst du die Straße ja auch noch erwähnen, wo der Mario wohnt, eben mette man? [SPEAKER_02]: Nein, nein, nein, nein, nein, nein.

3:16 [SPEAKER_02]: Auf jeden Fall das Transparenz haben wir nicht, dass wir kennen uns. [SPEAKER_02]: Wir drei haben auch schon mal ein paar Jahre zusammengearbeitet bei Trivago. [SPEAKER_02]: Da warst du auch mal ein sogenannter Bumerang Heier. [SPEAKER_02]: Du warst da als ich da war, dann bist du gegangen und kam es später wieder, das sind wir in ein Bumerang Heier.

3:29 [SPEAKER_02]: Du hast einen Background in Software Engineering und so viel ich weiß, hast du Software Engineering gar nicht gelernt, sondern bist eben falls eine Art Quereinsteiger. [SPEAKER_02]: Ich glaube, ich glaube, ich noch gewinneinnung. [SPEAKER_02]: Inzwischen aber bist du Director Data Engineering bei V-Warsystems?

3:45 [SPEAKER_02]: Wie war die richtige Aussprache? [SPEAKER_00]: Ja, absolut. [UNKNOWN]: Rieber. [SPEAKER_02]: Und ich musste erst mal nachkucken, was wie war eigentlich ist, wie war es nicht der Musiksender, ja? [SPEAKER_02]: Also das wird mit Doppel eingeschrieben für die Eltern und Horns. [SPEAKER_02]: Laut Wikipedia ist wie wir ein US-amerikanisches Cloud Computing-Unternehmen, die auf Anwendungen für die Farmer und Bio-Wissenschaftsbranke der Spezialisiert ist.

4:06 [SPEAKER_02]: Und du hast ... [SPEAKER_02]: Als Hobby blodden und du bloks unter so 2nd Line Perspective generell über Liedership-Themen, wo ich dich auch mal wieder pushen muss, einen neuen Artikel zu schreiben, denn letztes ist nämlich schon neuen Monate her. [SPEAKER_01]: Der Teil auf Schaim ist da.

4:22 [SPEAKER_01]: Neun Monate, hallo, das ist der Top, an die wie lang ist dein letzter Digital in deinem Block her. [SPEAKER_02]: Ich mach das in der Wahlboos, ich habe jedes... [SPEAKER_02]: Ja, zwischen Weihnachten und Neuer in der Wahlboost und somit blogg ich regelmäßig. [SPEAKER_01]: Es ist aber immer klar, dass da an dir eine gute Ausrede hat, oder?

4:39 [SPEAKER_01]: Ja, das ist normal. [SPEAKER_01]: Aber steigen wir mal in der schwarze Loch demer ein. [SPEAKER_01]: Also Mario, du als Kenner des schwarzen Lochs kannst du uns mal da licht reinbringen, in die Definitionen, was sind für dich, denn Datentimes über was sprechen wir da eigentlich. [SPEAKER_00]: Dann fangen wir mal davon an.

4:53 [SPEAKER_00]: Datentims sind für mich. Erst mal, Grunde sich dem Teams, die als Hauptsache, Software schreiben, Toolsbetreiben, die Daten von ganz Grupp von Anachbetransformieren. [SPEAKER_00]: Oder transportieren in erster Stelle. [SPEAKER_00]: Das heißt, da soll Leute, die Externe Daten lesen, Franz von Mjern, die unter Umhobereitstellen, die auch internen Daten, die kommen aus, oder?

5:16 [SPEAKER_00]: Sonsten nehmen und bereitstellen, und das können verschiedene Zwecke sein, und das kann eine analytisch verzwech sein, das kann ein Produkt Zweck sein, der gibt es verschiedene Möglichkeiten, wo die dann am Ende landen und welchen Werts in der noch erkriegen. [SPEAKER_00]: Aber das ist mein Team, die sich mit Daten beschäftigen und irgendwie Tools, ich hoffe, wir haben uns wieder zusammen.

5:34 [SPEAKER_00]: Also ist eigentlich so ein bisschen intelligentes Team da Team? [SPEAKER_00]: Kann da ein Team sein, absolut, weil Sie meinen Amender haben, die nicht vielleicht bitte Daten erschaffen zu tun, oder damit der Datenbeschaffung zu tun, sondern mit der Auswertung der Daten, aber gehören in vielen Organisationen zum Daten vertikal dazu.

5:54 [SPEAKER_02]: Ist ein herer Team, welches Gehalt an Forderungen eine Exil-Tabelle schreibt? [SPEAKER_02]: Damit man weiß, ob man seine Leute mag, recht bezahlt, ebenfalls ein Daten Team? [SPEAKER_00]: Würde ich jetzt sagen, nein, aus meiner Perspektive? [SPEAKER_00]: Weil sie keine Engineering-Astweckte mit drin haben.

6:13 [SPEAKER_00]: Und weil das wahrscheinlich eher ein Business-Prozess darstellt, als tatsächlich einen Engineering-Prozess, so wie, [SPEAKER_02]: Nehmen wir mal das andere extrem. [SPEAKER_02]: Dieses Thema an, wenn das Rathoren, die die Ex-Slocks vom NGX in der Lesslieksverzpangen. [SPEAKER_02]: Sind das da, Teams?

6:30 [SPEAKER_02]: Weil ich mein da ist, der Engineering-Expeckler gegeben, oder? [SPEAKER_00]: Mhm. [SPEAKER_00]: Fairpoint. [SPEAKER_00]: Ich würde trotzdem sagen, die Hauptaufgabe von einem Atmen-Team ist der Betrieb und nicht die Daten weitergabe. [SPEAKER_00]: Deswegen würde ich's da auch mal ausklingen.

6:43 [SPEAKER_01]: Da würde jetzt eh schon anschließend das heißt, der Outcome von diesem Team. [SPEAKER_01]: Also was das Team liefert, sehen auch wieder Daten. [SPEAKER_01]: Also es ist keine Software in dem voll, sondern du siehst datentim schon wirklich als Provider von Daten. [SPEAKER_00]: Für du sagen, die Hauptaufgabe ist sich mit Software um Daten zu kümmern, weil man am Ende sind Data Engineering Teams ja auch.

7:04 [SPEAKER_00]: Engineering teams, das heißt, die schreiben auch Software, die hat aber den Hauptsfekt Daten zu bewegen oder zu transformieren oder miteinander zu verbinden oder den Dünnen einerweise damit umzugehen, aber das Produkt, also wirklich das Produkt im klassischen Sinne, was sie ausgeben sind, auch wieder Daten, entweder dann im Zubarternanalyse oder zum Verkauf oder was auch immer.

7:25 [SPEAKER_00]: Das bedeutet, die Schufer ist eine Datenfirma. [SPEAKER_00]: würd ich absolut zustimmen. [SPEAKER_02]: Bei dem Endeffekt die Schufer holt irgendwelche Daten niemand weiße wirklich was welche Daten nie da zugunde legen. [SPEAKER_02]: Und danach kommt in eine Kennzahl raus, dein Schufer score.

7:37 [SPEAKER_00]: Genau. [SPEAKER_00]: Das ist zumindest das sich bei der Produkt, was verkauft wird. [SPEAKER_00]: Und es ist ja auch dann, du kannst ja immer selber dein Schufer abfragen, aber du hast ja auch einen Business-Produkt wo dann eben die Kreditwürdigkeit über irgendwelche Schmitz dahin durch irgendwelche Schops zum Beispiel oder Verkäufer abgefragt werden können.

7:52 [SPEAKER_01]: Ich meine, du hast ja auch noch ein Algorithmus auch dahinter und dann hast du vielleicht irgendwie in Formsabfarmstown am Ende, also würde ich schon sagen, da hängt ja auch Software noch dran, aus dem Andy aufpassen, da CTO von der Schufe weiß, wo du wohnst, also würde ich da vorsichtig sein, mit deinem Nasein.

8:07 [SPEAKER_01]: Wo du gerade sagen, größer gehen raus. [SPEAKER_01]: Na ja, so lange sieht ich auch der Schufer auf meinen Schufer, Skoy-Massams ab, macht alles gut. [SPEAKER_01]: Wo ist es denn der Unterschied zu klassischen Analytics Teams? [SPEAKER_01]: Oder gibt es dann Unterschied? [SPEAKER_01]: Oder wenn wir auch schon ein bisschen reingehen in das ganze... ...es ein Data-Scientist sitzt da in einem Data-Team, oder wo du studeln jetzt woanders eher ansiedeln, in dann im Product-Team oder...

8:30 [SPEAKER_00]: Funktionen sind eine Hatt, es ist so ein meiner Erfahrung, dass die Teams meist es getrennt sind und dann in Großfunktionen hat es gerade so ein bit zusammenarbeiten. [SPEAKER_00]: Also so kommen die Sachen nach hat zusammen, würde aber trotzdem sagen, es ist eine separatete Domene, also die Erfolgsmetricken für den Data Scientist sind das meiner Sicht anders.

8:47 [SPEAKER_00]: Das heißt, die, um da es einen klaarten, also meistens Projektorientiert, das Projektrad-Kara-Fox-Petirien, schnellelterationen, möglichst schnell zum Ziel kommen, dabei können, gewisse Parameter auch im Begegnugiert werden. [SPEAKER_00]: Dann muss vielleicht der Kodes eher vielleicht ein bisschen in den Jahre.

9:04 [SPEAKER_00]: dann hat man vielleicht 3-4-5 Modelle ausprobiert und dann sieht das fast nachher und die den das Modelle exzikiert wird vielleicht nicht mehr so hübsch aus, aber das ist eigentlich egal, was geht hier darum, das eigentlich jetzt jetzt auch ins Wur weisen, dass eine Matrix-Areichtbar ist, also was ist, es ist ein prästiger Rekoller-Aichtbar ist.

9:20 [SPEAKER_00]: Und das ist total überliedend, der einen Daten-Team... [SPEAKER_00]: aus meiner Erfahrung und sich die Errichtungssystemabilität, als wir wir wollen ja langfristig Prozessementen, die stabil und vorher sagt, bei der Daten generieren. [SPEAKER_00]: Wenn das zum Beispiel wirst du sich an der Port für ein Silvel ist, dann möchte ich da eine Codequalität und der Testbarkeit und von Hersackbarkeit haben, die mich ruhig schlafen lässt und die garantiert ist, eine bisschen Steuerung, die aufs andere Port passiert, halt auch wirklich verlässlich passieren kann.

9:47 [SPEAKER_00]: Und damit gehen die Interessen ein bisschen auseinander und das nachher wieder zu vereinen, es dann und wenn so zusammenschehen wird. [SPEAKER_01]: Weil das gerade reporting erwähnt hast, ist dann das Täter Team für zu reporting platformen auch verantwortlich? [SPEAKER_00]: Du es kann es sein, als ich glaube, das geht.

10:02 [SPEAKER_00]: Das ist sehr unterschiedlich von Firma zu Firma. [SPEAKER_00]: Viele haben so ein operativen Läger mit drin, der dann eben sagt, Analysten, Dashboards, Adhoc-Reporting. [SPEAKER_00]: Inzeits generieren auf den Daten entweder Adhoc-Es-Gettelt. [SPEAKER_00]: Du hast in etwas moderneren Set-ups, hast du sowas auch die Analytics-Engineers mit drin, die dann halt das Ganze auch anfangen zu professionellisieren.

10:24 [SPEAKER_00]: Und nicht nur so ein Adhoc-Geputsche zu machen. [SPEAKER_00]: Und dann schmeißt das mal irgendwie in der Crew oder eher mehr, oder was auch immer in der Cloudkarte zu bieten hat, um dann schnell ergetmiss zu generieren, um das dann als Report rauszuhauen. [SPEAKER_00]: Da merkt man immer mehr, dass es nicht sosteine ist, und dass seine Report vielleicht von letzter Woche zu dieser Woche andere Zahlen, die von dir irgendwie nicht ganz zusammenhängen, weil man moment vieler gemacht hat, oder weil...

10:49 [SPEAKER_00]: Vielleicht die die Kenne sind in den reinen Analytics Teams nicht so tief sind, wie man es braucht. [SPEAKER_00]: Und dann hatten einen Nachvollziehbar aus und wieder Holbares ergeben ist jetzt hier. [SPEAKER_00]: Deswegen gibt es ein bisschen den Trendrechtung Analytics Engineer. [SPEAKER_00]: Das ist dann quasi so ein bisschen die Hybel-Gelietfunktion, wie wir das auch von DevOps kennen oder MLOps kennen.

11:08 [SPEAKER_00]: So, wo man dann sagt, ich brauche so ein bisschen mehr Engineering und so ein bisschen mehr Profisinalisierung und Prozess, und ein bisschen mehr ein bisschen Blaster und ein Prozess. [SPEAKER_00]: Aber ich brauche halt nicht, dass voller Engineering mit, was das ich im Smoke tester zu oder mit und sich ein Tester zu.

11:24 [SPEAKER_00]: Ich brauche jetzt nicht einen zwei Wochen sprint, ich möchte immer noch an wie mehr kann wannartig arbeiten, weil ich halt in der Rückweimenz habe, das ändert sich so ein bisschen wie die Firma das gerne auch haben. [SPEAKER_00]: Ich glaube, gibt es ganz, ganz große Unterschiede. [SPEAKER_01]: Und wer sitzt den solchen Datenteams?

11:39 [SPEAKER_01]: Also welche Rollen habt ihr zum Beispiel in den Datenteams? [SPEAKER_01]: Wenn du jetzt sagst, okay, gerade zur Engineering, das er so Randbereich fast. [SPEAKER_00]: Engineering ist so, wie sie jetzt in meinem Teams zum Beispiel er plaufen ihren Randbereich. [SPEAKER_00]: Und wir machen halt wenig Analytics.

11:51 [SPEAKER_00]: Wir machen halt viel Datenprodukte. [SPEAKER_00]: Und jetzt nicht im Data Mesh, Sinne, Datenprodukte. [SPEAKER_00]: Sondern also Data Mesh kennt so so dann Produkte als alles, was du so einen Datenproduz hier ist, das Haus internes und Datenprodukt. [SPEAKER_00]: So was meinig jetzt nicht, sondern wirklich so einen Datenprodukt, was man verkaufen kann.

12:05 [SPEAKER_00]: Also wo dann nach einer Referenzdaten bei rauskommen, die man an einen Kunden liefern kann, auch ohne vielleicht ein Stück Software dazwischen. [SPEAKER_00]: Und das können dann, was es sich personen katalog sein, wenn wir jetzt über ein Zettprodukte in die wir so haben, dann sind das Referenzdaten von praktizierenden Ärzten zum Beispiel.

12:23 [SPEAKER_00]: Die werden dann GDP-Konform gesammelt und dann verarbeitet, dass die dann eben ihren Obdaut machen können. [SPEAKER_00]: Und so, dass es also alles kein Kengrauer magt oder sowas, sondern das ist ein ganz normaler Prozess. [SPEAKER_00]: Die werden dann gesammelt, die werden Kunden wiederum für einen CRM zur Verfügung gestellt, damit ihr aussehen soll.

12:40 [SPEAKER_01]: Das heißt aber ihr habt wirklich am Produkte für die Sachsmal Endkunden oder also Kunden außerhalb eure eigenen Filme. [SPEAKER_01]: Ihr macht jetzt nicht datenprodukte intern für andere Teams innerhalb der Filme, sondern wirklich für Kunden außerhalb einfach. [SPEAKER_01]: Und die nutzen dann die Raddaten.

12:57 [SPEAKER_01]: Wie kann man sich das vorstellen? [SPEAKER_01]: Sind es in das API, sind es data-Setzt, sie zum Download verfügbar sind, profit bei dir an und sagst, schick mir ein CSV, mit den Daten, also wie [SPEAKER_00]: die den jene Antwort dazu ist, ja, so z.B. [SPEAKER_00]: und alles davon. [SPEAKER_00]: Also, nein, das sind verschiedene Gradzungsmechanismen.

13:14 [SPEAKER_00]: Sie ist so, ich gibt es im DM, also Wasser der Determanagement-Produkt, was wir haben, wo diese Daten ziemlich beobtrukt geben würden. [SPEAKER_00]: Wir haben dann Konzept, das nennt sich direkt Data API, was eine Gefahr, sie so ein bisschen c.s. [SPEAKER_00]: V.A.T.T.P. [SPEAKER_00]: ist.

13:27 [SPEAKER_00]: Mit so ein paar Zusatzfeatures, die Delta-Generierung und so was, die kann zu der Aprofen. [SPEAKER_00]: Aber im Prinzip ist das alles viel Flat-Fines. [SPEAKER_02]: Also ist das nicht einfach nur Engineering? [SPEAKER_02]: Also ich mein Du hast gerade gesagt, dass werden Daten generiert.

13:38 [SPEAKER_02]: Das werden Daten gesammelt. [SPEAKER_02]: Okay, die werden dann mit hoher Wahrscheinlichkeit irgendwie aufbereitet, mit irgendwelchen Algorithmen und dann werden sie rausgedammt. [SPEAKER_02]: Und jetzt hast du gerade CSV, aber für mich ist CSV ja auch nun schon mal wie Jason über eine REST API oder werden um vom HFTP Server hochgeladen.

13:53 [SPEAKER_02]: Und für alle Leute, die jetzt lachen, jahr das funktioniert. [SPEAKER_02]: Und wird noch in den Industrie sehr, sehr, sehr viel gemacht, dass CSV tatsächlich auf irgendwelche FTP Server hochgeladen werden. [SPEAKER_02]: Also, was ist an Daten Teams und an Data Engineering und den ganzen Basswords von Job Titeln, die du gerade genannt hast, anders als ganz klassisches Engineering?

14:11 [SPEAKER_00]: Ich glaube, der Kern unterschieht für mich, ist, dass du in den Teams nicht nur ein Ownership auf der Software- und in Software-Prozessen hast, sondern auf den Garten an sicherst. [SPEAKER_00]: Wenn du Daten als Produkte verkauft hast, hast du die Tiefe der Daten und die Breite der Daten noch zusätzlich als zusätzlich als Bektor, [SPEAKER_00]: Was für Eigenschaft von der Person, die jetzt zum Beispiel in dem Produkt, was ich vorhin anhab, welche Eigenschaften sind in dem Innung von Spezialgebieten, von SOMA, welche Werte dürfen denn da drin stehen.

14:42 [SPEAKER_00]: Und das ist nicht nur Gavanens im Sinne von was darf wirklich da drin stehen, sondern was ist richtig, um was das falsch. [SPEAKER_00]: Also, sondern es ist so ein Skort muss in der Lage sein, zusammen, sondern entscheiden treffen zu können. [SPEAKER_00]: Also, den Markt so zu kennen zu sagen, oh, [SPEAKER_00]: Wir sehen jetzt eine neue Starship hier, das nicht gezeigeht, die von dem Arzt am Markt sich entwickeln.

14:59 [SPEAKER_00]: Das ist jetzt eine Nahne beigezogen, aber jetzt um das Beispiel zu machen, dann muss das Team in der Lage sein, das zu entscheiden. [SPEAKER_00]: Und auch zu integrieren in die Daten sollen sagen, okay, was für eine Verteilung dieser Daten erwarten wir denn überhaupt, wie gut geht es denn Daten denn, also wie ist die Qualität nachher?

15:14 [SPEAKER_00]: Also, Fehlung, Bleiter und Tiefe der Naten. [SPEAKER_00]: Da ist ein Ownership mit drin, was du wahrscheinlich in einem Transaktionalen Kontext von zu den übrigen Software-Times, als man jetzt in so einem Schopsystem vielleicht mein denkst, da ist es eher ein Transaktionales Denken, da ist dann eher der Benutzung im Vordergrund und nicht die Daten im Vordergrund.

15:30 [SPEAKER_00]: Da sind die Daten, so das Nebenprodukt einer Benutzung, Transaktion. [SPEAKER_00]: Ich kaufe irgendwas, ich lege immer seinen Warenkorb. [SPEAKER_00]: Das sind alles Transaktionale neben Produkte, die dann halt aber auch zu [SPEAKER_01]: Habt ihr auch product owner oder wirklich so product Leute, die sich quasi auf einem höheren Level um genau darum kümmern, gibt's irgendwie neues bei den Ärzten, genau.

15:54 [SPEAKER_00]: Also wir haben wirklich data product manager, dem Beruf gibt's bei uns, das ist ein interessanter, aber auch schwieriger Rolle, weil du brauchst, innerhalb ich es verständen ist, muss aber trotzdem noch einen Engineering Team stellen können, das ist eine hochanspruchsvolle Rolle, gibt's nicht so oft die haben [SPEAKER_00]: dann auch das jeweilige Domain wissen.

16:09 [SPEAKER_00]: Genau. [SPEAKER_00]: Also Idealerweise haben Sie das ja, aber wie gesagt die Rolle ist jetzt nicht so einfach zu hören, weil gerade bei dem Tiefen wissen, was wir teilweise haben, ist es nicht so einfach jemand zu finden, der den Markt so gut kennt und gleichzeitig auch noch eine Tiefer mit Engineers über einen Feature diskutieren kann.

16:26 [SPEAKER_02]: Ja, bei die Anforderung ist ja nicht, dass jeder Ingenie super alles weiß. [SPEAKER_02]: Also ich meine, wisse es wahrscheinlich, weil die Dationsmichern ist man haben. [SPEAKER_02]: Und dann hast du einen Mitarbeiter, der kennt vielleicht irgendwie alle Fachgebiete von Ärzten. [SPEAKER_02]: Und der stellt dann irgendeine Liste gegen die Duvalidiers.

16:40 [SPEAKER_02]: Und dann gibt es vielleicht noch eine Fasi-Matching-Low-Geck, weil die falsiedaten auch wie Unserber sind und so weiter und so fort. [SPEAKER_02]: Aber mit Endeffekt hört sich das für mich an, okay, da ist es ein Software-Ingenie, der Pipes und Pardaten durch. [SPEAKER_02]: Und was ist?

16:52 [SPEAKER_02]: Also... [SPEAKER_02]: Ich habe noch nicht ganz verstanden, warum man da für eine spezielle Rolle ein ist. [SPEAKER_02]: Wie ist das genannt? [SPEAKER_02]: Data-Engineer. [SPEAKER_00]: Ich glaub, das müssen wir uns bei Aspekten sehen. [SPEAKER_00]: Also das Einer ist die handwerkliche Qualifikation.

17:05 [SPEAKER_00]: Also mit was für Toolskanz zu umgehen. [SPEAKER_00]: Das sind dann halt da uns also Sachen wie, was es ist, Spark mit einem Data Warehouse, wie Redshift oder so was Datenformat, wie Delta, Iceberg, Arrow, also Sachen, die zum den Bereich, wo wir tätig sind, einfach Protonbuttertechnologien an vielen Stellen sind.

17:23 [SPEAKER_00]: wo aber auch eine fachliche Qualifikation, also wenn in den Sparke jetzt mein Nimmst als Technologie, du kannst halt schnell ergebnisse erzielen, wenn du qualitativ hochwertiger ergebnisse erzielen willst, wo du halt nicht am Wirst, weil du sehen mal repartizienieren musst mit deinen Daten, und Entblussfieler, quesses auf deine Storage machen musst, und ähnliches...

17:45 [SPEAKER_00]: Dann wird es schon ein bisschen antwochtvoller, dann ist es einfach, wie bei einem Software Engineer auch, der in den Verteidensystem oder in der Microsoft-Estektur andere Ansprüche hat, als wenn er nur ein Apache-Pabilmonolignast und das zweite ist die Materie mit der Duung ist, dann muss den Wunsch und den Willen haben, die ich in die Tiefe da einzuarbeiten und auch dann eben [SPEAKER_00]: proaktiv mit den Daten, um zu gehen zu sehen, wenn was schief geht, weil du hast teilweise so komplexe Zusammenhänge, wenn du dann miteinander vermischt zum Beispiel auf Verbindest oder wenn du Taxonomien anwendest und die Ergebnisse dir anschaust, wenn du experimentierst, dass eine Etaition in Art des Teams viel viel schneller ablaufen kann, wenn du Leute hast, die sich mit den Daten auskennen und den Ownerschnitt für die Daten haben.

18:29 [SPEAKER_00]: als wenn nur Leute als die nur sagen, ja, der PM sagt mir schon, was wir da anrichten, ich oder weiß sind. [SPEAKER_00]: Das ist, glaube ich, eher kulturell als wirklich fachlich anforderungen oder handwerflich anforderungen. [SPEAKER_01]: Kannst so mal grob, es kizzieren, wie so ein Flow-Aussee-Zone-Data-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey-Bey [SPEAKER_01]: Einfach so demonstrativ wie sowas aussehen kann, als bei Spill.

19:03 [SPEAKER_00]: Letztens mal, dass Schufer bei Spill nehmen. [SPEAKER_00]: Und das ist ja klar ausreichend. [SPEAKER_01]: Vielleicht härt er dann, der ist so, der wenigstens. [SPEAKER_02]: Für alle, die die Jokes red nicht folgen können. [SPEAKER_02]: Unsere je Malinger vorgesetzt, ist inzwischen CTO bei der Schufer.

19:16 [SPEAKER_02]: Deswegen falls es gut, schöne Größe. [SPEAKER_02]: Das Schufer bei Spill ist jetzt aber auch wirklich nur random. [SPEAKER_01]: Wir arbeiten ja alle nicht bei der Schufer. [SPEAKER_01]: Wir reden immer über irgendwas, was wir nicht verstehen, insofern Ideal. [SPEAKER_02]: Wir versuchen, die Pipeline der Schufer nachzubauen, ohne dass wir sie jemals von Ihnen gesehen haben.

19:31 [SPEAKER_00]: Genau, wir reversieren Jenin, das sozusagen von außen. [SPEAKER_00]: Wir gehen jetzt einfach mal davon aus, was wir die Daten irgendwo erst mal beschaffen müssen. [SPEAKER_00]: Das sagen wir einfach mal, es gibt zertragspartner, wo die versuchen, die Daten herbekommen, den Ügungsforkformat.

19:42 [SPEAKER_00]: Das kann eine Schnittstelle sein, also eine HTTB API. [SPEAKER_00]: Das kann wahrscheinlich nicht mehr irgendwas unterstützen. [SPEAKER_00]: Das ist ein so APIs von Anode dazu mal, da geht es auch bei den Sachen, die meine Teams betreuen, einen Bunden-Sofen, die dann irgendwie erkebiert werden muss und der muss erst mal reinkommen und dann haben wir erst mal die die Aufgabe, dass das, was wir von außen bekommen, irgendwo hinzulegen, also so als Initiale Datenhälte, klassisch als Bolserlei, in manchen Archdiktoren, also für mich sammeldinnen, Archdekfüdie.

20:11 [SPEAKER_00]: An vielen Stellen eingesetzt wird, dass du erst mal die Roda maßt, in dem Format, wie sie von den Schnitzchen kommen und erst mal haben und Mütterbetex sein. [SPEAKER_00]: Da wirst du erst mal Leute, die das machen, die in der Lage sind, Prozesse zu schreiben, die wiederholbar sind, die mit sehr, sehr schlechten Datenanbietern klar kommen teilweise, wo Verbindungsabbrücher oder mal sind sie nicht ja reichbar oder sonst sie gespassiert, [SPEAKER_00]: Das heißt, da liegt man bei dem Sourcingbereich, glaube ich, die Hüste herausforderungen mit der in der Vielfalt von den Quellen, die man einfach dort bekommt.

20:48 [SPEAKER_00]: Und dann hat man normalerweise, denn wenn man so ein bisschen Echtektur, also da nicht diektur anschauen, hat man ja von außen Formate der Einkommen, die sehen erst mal so aus wie die jeweiligen Datenquellen sich das vorstellen. [SPEAKER_00]: Also die kindern wilde Properties aufteilungen sonstiges all das kommt dann eben was der Außenbild und man hat ja von ihnen auch eine Verstimmung gesubst aussehen soll.

21:09 [SPEAKER_00]: Man modelliert ja dann, dass seine Business enttätigen, auch so ein bisschen man denkt sich, die Transaktion, die in den Schuf hast, wo ein Fließen soll, die sieht jetzt irgendwie so aus. [SPEAKER_00]: Also nutzer, kauft, irgendwas, wir benutze, hat kredit in Höhe von oder was. [SPEAKER_00]: Und dann muss an dieser Stelle in diesem Team auch so ein Mapping in diese Internet-Entität stattfinden.

21:29 [SPEAKER_00]: So, dass man halt alle nachgelagern, Teamzeit auf der selben Business-Entität rumeiern können und nicht dann nochmal zusätzlich transformationslogen ganz 20 verschiedene Stellen sind. [SPEAKER_00]: Das meiner sich mit der erste Schritt ist, glaube ich, sehr unabhängig davon auf Facebook-Fu-Farbler.

21:42 [SPEAKER_00]: Über meine Teams sprechen, das ist eigentlich relativ ähnlich vom Aufbau her. [SPEAKER_00]: Der zweite Schritt ist dann immer ein bisschen mehr Businessgebunden. [SPEAKER_00]: Ich bin in meinen Teams, es ist dann zum Beispiel eine bei den gerade bei den Mundstrukturierten Daten, als man der Versuch der Strukturierung bekommt.

21:58 [SPEAKER_00]: Und dann irgendwie immer rein. [SPEAKER_00]: hat vielleicht ein Stückchen Text und das im Text möchte man wissen, warum geht's denn da ein. [SPEAKER_00]: Also da ist ein bisschen NFP, ein Juni dabei, das vielleicht eine Taxonomihe, eine Montologie mit dabei, um dann versucht, erst mal irgendwie Sinn aus diesen Daten zu schaffen.

22:12 [SPEAKER_00]: Also ich muss aus einer Publication, also das dann ein bisschen schafft die Publikation, muss sich auf V-Rosext verjern, woher um's da geht. [SPEAKER_00]: Oder aus einer Klinikletreilbeschreibung muss ich wissen, da geht's jetzt oben, COVID-19-Laxien oder so was. [SPEAKER_01]: Das heißt aber deine Teams speichern dann auch, also sind die für die Datenhaltung auch verantwortlich nach dieser Extraction, wo das abgelegt wird und wie das abgelegt wird.

22:37 [SPEAKER_00]: Ja, absolut. [SPEAKER_00]: Das ist halt die Verantwortung der Teams. [SPEAKER_00]: Natürlich haben wir eine Architektur-Gesanferantwortung, es ist als Leadership Team oder wenn man die Kompennix das haben, [SPEAKER_00]: Wir machen das halt auf NaPM und auf Na Engineering Manager eben da, wo wir das zusammen entscheiden, was in den jeweiligen Bereichen, die die richtige Darnachtektu ist.

22:59 [SPEAKER_00]: Und dann haben die eine Persidenz, natürlich sind auch dafür für die Residenz dieser Versprechung verantwortlich. [SPEAKER_00]: Das heißt, die müssen halt sagen, okay, das ist ... [SPEAKER_00]: So wertvoll, dass wir was durch einen off-regentbeck haben machen wollen. [SPEAKER_00]: Also in einem Disasterfall von einem Regional, aus Fall oder so, dass wir dann eine Physisch-Gupierung vorhaben.

23:16 [SPEAKER_00]: Wir sind für Retention-Verantwortung. [SPEAKER_00]: Ich also zu sagen, wie lange können und dürfen wir diese Daten aufbewahren. [SPEAKER_00]: Nun gibt es ja auch gesetzliche Regelungen, wo wir dann bestimmte Daten einfach nicht so lange speichern dürfen. [SPEAKER_00]: Und auch für die Einheitung forantwortlich.

23:28 [SPEAKER_00]: Das heißt, wir werden auch geordertet. [SPEAKER_00]: Und das muss halt schon stimmt. [SPEAKER_01]: Und ihr habt dann auch wirklich Leute, die sich um die Datenbanken kümmern oder wird es dann irgendwie von einem anderen Team gemacht, die mehr die Obst seitdem machen. [SPEAKER_00]: Wir haben kein separate Obst team in meiner Rock, das heißt das machen die Leute.

23:42 [SPEAKER_00]: Wir müssen die Leute selber machen, wir versuchen laufende Datenbanken, also wie eine Postgrösende Meiskelle, nicht jetzt zu vermeiden, so gut es geht und versuchen nicht viel über [SPEAKER_00]: So S3 ähnliche Konstrukte, also wir sind auf Amazon unterwegs, deswegen werde ich jetzt wahrscheinlich viele Amazon-Lingo benutzen, aber im Prinzip halt nutzen wir so aus wie ein S3, halt primär und Speicher, der hat ganz viele Vorteile von uns, also gerade bei wie auch viel mit Spargarbeiten, das ist von uns um nämlich Vorteilhaft.

24:08 [SPEAKER_00]: Es klingt jetzt für mich sehr bächtorientiert, habt ihr das? [SPEAKER_00]: Ja, ja, es ist okay. [SPEAKER_00]: Als ich angefangen habe, vor 4,5 Jahren mittlerweile, dann müssen wir ein bisschen vor der Herausforderung des Skalierbarkeit, bei der Prozesse liefen, einmal täglich, einmal wöchentlich, oder mehrfach täglich, aber am Ende sollte da ein tägliches Librarious kommt und einmal wöchentlich.

24:28 [SPEAKER_00]: Und die Datenmengen wurde halt immer größt und diese Prozesse war an irgendwann nicht mehr in der Lage, das ist es hinzukriegen. [SPEAKER_00]: Und dann war der erste Gedanke so ein bisschen Streaming, kann man das nicht mit Streaming wissen kann man ich dir, ich bin positiv zu aufbauen.

24:40 [SPEAKER_00]: Dann müssen wir so ein bisschen aus diesen großen Bachelorfen auskommen. [SPEAKER_00]: Ich habe ja mal ein bisschen was in der Richtung gemacht. [SPEAKER_00]: Was ist so Kafka, Kafka Streaming und Kafka Connect angeht? [SPEAKER_00]: Und ich habe dann relativ schnell das Feedback gegeben, dass ich nicht glaube, dass das die Lösung von dem Problem ist.

24:59 [SPEAKER_00]: Wir haben dann eher versucht die monolithische Perspektive, die bei der hatten, in dem monolithischen kurzen bisschen aus meiner zu ziehen. [SPEAKER_00]: Und das eher in Teams zu verteilen, eher mehr überall über Daten zu integrieren, als über Proteste zu integrieren. [SPEAKER_00]: Und damit konnten wir das Problem dann immer noch lösen und mussten aber nicht vernert von der Budgetorientierung weg, die für die Anwendungsfalle, die wir haben einfach super ausreichend ist, weil wir haben keine Notwendigkeit von near real-time updates.

25:26 [SPEAKER_00]: Also, wir können, wenn wir wollen, können wir im Stunden takbetschen, wir können auch im Halbstunden takbetschen, wir benutzen dann Formate, die uns auch in krimientelle verarbeiteten und wir ermöglichen, [SPEAKER_00]: Wir haben einfach keine Notwendigkeit und in diese Komplexität einzukaufen.

25:40 [SPEAKER_00]: Das behält sich an einfach dann Simpler und damit für uns auch effizienter Erwartung. [SPEAKER_00]: Simple ist halt für uns gut, weil Simple ist glierbar und Simple ist halt keine komplexibel. [SPEAKER_00]: Da haben wir viel zu viele Vorteile, als das wir das nicht machen wollen. [SPEAKER_01]: Ist aber sehr interessant, weil die ganze Welt irgendwie so Richtung Streams und die Eventbeist und so weiter geht, du dir auch eben erfahren da darin hast und da auch einiges Designt hast in diesem Paradigma.

26:02 [SPEAKER_01]: Ich finde es sehr interessant, aber zeigt auch, dass man halt doch sehr viel Komplexe detail zu bekommen. [SPEAKER_01]: Das kann ich braucht vielleicht, dass es dann doch die klassische Patch-Processing gar nicht so schlecht ist, wie immer alles sagt. [SPEAKER_00]: Ja, absolut. [SPEAKER_00]: Und es ist ja auch besser geworden.

26:15 [SPEAKER_00]: Es ist ja nicht mehr so klassisch, dass du jetzt dein Map and Redius Job in Haddub schreiben musst. [SPEAKER_00]: Und der ist dann irgendwie der musst durchlaufen und Resium ist irgendwie tollflisch. [SPEAKER_00]: Und so, sondern wir haben ja ganz viel Technologien dazu bekommen, die das so weit abstregen.

26:29 [SPEAKER_00]: Das ist fast schon im Vergleich zu Kananung vor fünf, sechs, sie macht ja einfach erscheint. [SPEAKER_00]: Es ist natürlich immer noch komplex und substriert halt nur die komplexität weg. [SPEAKER_00]: Die ist nicht verschwunden, aber es macht es immer operativen Betrieb durch das Einzel.

26:43 [SPEAKER_02]: Ja viele Leute glaub ich unter Schätzen, die komplexität und was es wirklich dazu gehört. [SPEAKER_02]: Gutes, Streaming und die sag mal realtime in Anführung, weil dieses Wort realtime ist ja auch sehr schwierig. [SPEAKER_02]: Wir hatten mal ein zwei Episoden, wirklich zur Zeichro-Sychronisation über NTP und Co. Diese Menschen, die sowas machen, die reden von Real-Time.

27:02 [SPEAKER_02]: Und jetzt nicht irgendwelche Daten setzen die alle zwei, drei, vier Sekunden, irgendwie die über eine Leitung gehen. [SPEAKER_02]: Also das stimmt schon. [SPEAKER_02]: Was mich aber interessiert, dass bedeutet, okay, ihr packt dann jetzt irgendwie Files auf dem Objects-Storage, um Bammersund wäre es drei.

27:12 [SPEAKER_02]: Speichert ihr dann ein CSV oder Platz vorhin, irgendwie Tabellenformat, wie wie Apache Iceberg, oder Paket oder ähnliches genannt. [SPEAKER_00]: Wir sind mit Delta unterwegs. [SPEAKER_00]: Wir haben vor 3,5 Jahren, haben wir quasi die Umstellung gemacht, hatten viel Jason und ähnliches darauf, also in den monolithischen Prozessen noch nicht so viel darauf geachtet, wie wir die Daten haben.

27:31 [SPEAKER_00]: Da wie wir die Tischnergebnisse austauschen, das haben wir dann erst später im Primentiert. [SPEAKER_00]: Und wir haben im Prinzip Delta als Format und ausgekuckt, weil es zum damaligen Zeitpunkt das Format war, was uns performance- und featurerechtung gegeben hat, den wir haben wollten wir holen, die in kommentelle Kapazität haben, wir wollten die Möglichkeit haben mit einem Presto oder Athena, oder ähnlichem auf den Daten, wir auch querringen zu können.

27:54 [SPEAKER_00]: Und das unterstützt ja, das ist immer so ein Mittagzinger ganz gut. [SPEAKER_00]: Das heißt, wir wollten Format haben, was [SPEAKER_00]: Mit den Sprachen-Kompartibels sind wir mit Palfing-Jahver-Unterwege. [SPEAKER_00]: Es ist zwar kompatibel, natürlich, man kann sogar von Palfen direkt ausmachen.

28:07 [SPEAKER_00]: Das heißt, ich bin nicht zugenspark zu nutzen. [SPEAKER_00]: Wenn ich einfach noch ein bisschen Skript möchte und experimentieren möchte, oder gerade für die Data Science, das ist also super wichtig, dass die den Skript haben, der jetzt nicht zwingt, was back gehen muss, damit die komplexität nicht so hoch ist.

28:18 [SPEAKER_00]: Das hat einfach alle Boxen getickt. [SPEAKER_00]: Eisburg war damals noch nicht so weit wie heute. [SPEAKER_00]: Heute sehen wir schon ganz krass, Rennen zwischen Eisburg und Data. [SPEAKER_00]: Wir gucken, wer gewinnt. [SPEAKER_00]: Und deswegen haben wir uns dann als Vierteltein schicken.

28:31 [SPEAKER_00]: Und deswegen alles ist bei uns momentan der Delta. [SPEAKER_00]: Also auch die Integration zwischen den einzelnen Teams ist das Delta. [SPEAKER_00]: Das heißt, wir haben das so aufgebaut. [SPEAKER_00]: Wir müssen wir hier mal zur Geback zu machen, zur der Pernkette von um Prozess. [SPEAKER_00]: dass sie jedes Team die eigenen produzierten Daten wieder aufs 3 in der Detail-Bes bereichstellt, sodass das nächste Team dann wieder über die Daten integrieren kann.

28:51 [SPEAKER_00]: Das heißt, wir haben immer so ein Push-Pulse switch mit drin, wo das produzierende Team aufs 3 Push und die anderen Teams dann zu einem beliebigen Zeitpunkt den Pull von der Haus machen können. [SPEAKER_00]: Und so die Kappeln wir natürlich auch die Prozesse. [SPEAKER_00]: Jedes Team können zu einem beliebigen Zeitpunkt lesen.

29:04 [SPEAKER_00]: Und wir haben nicht das Problem, dass wir irgendwie sowas haben, wie oh der Prozess von Team A ist aber abends 12 Uhr hoffentlich fertig. [SPEAKER_00]: Das heißt, wir starten jetzt hoffentlich dann um eins, aber wir gucken mal, ob die der Teilzeitstempel in Ordnung sind und nur dann starten wir unseren Prozess.

29:21 [SPEAKER_00]: Aber das ist halt so eine typische Falle, die du hast, wenn du jetzt jetzt jetzt eine ganze Stelle Prozess hast, wo dann das so kassradieren, Probleme auftreten, wenn das erste Team dann irgendwie der Prozess kaputt geht und du aber dann, [SPEAKER_00]: die neuen Daten haben willst und dann kaskebt die Tierheit dieser Feedback-Armer-Düst-Complettes des Themen durch und legt die halt den komplette delivery-Larm.

29:38 [SPEAKER_01]: Wie löste diese dependencies auf, weil wenn ihr auf die neuen Daten warten ein bisschen nennen formen, wo sie warten oder? [SPEAKER_00]: Ja, wir haben einfach gesagt, wir leben mit die Venture-Konstistenzing und damit leben wir mit der Annahme, dass jedes Team zu jedem Zeitpunkt immer die neuesten möglichen Daten beitstellt.

29:54 [SPEAKER_00]: Also es ist einfach eine Annahme, die wir im System haben, als Marko-Achtictur, richtig linier, wir nehmen halt an, dass jedes Team zu jedem gegebenden Zeitpunkt den neuest möglichen Bereich stellt. [SPEAKER_00]: Damit kann jedes Team ein Scheidenobsee, wenn es sinnvoll ist, einmal stündlich die Daten produzieren oder einmal täglich, das liegt dann in der Verantwortung, der jeweiligen Teams, die die Daten kennen.

30:14 [SPEAKER_00]: Zu sagen, oh, ich kann, was er sehe, ich sehe die Clinical Trial Registry, kann ich einmal die Stunde abgraßen und das macht auch total Sinn, weil da jede Stunde neue Sachen hinzukommen. [SPEAKER_00]: Oder man weiß, durchs Monitoring und von den Zeitstempeln her, wenn man sich das im Datasturraum anguckt, dass die vielleicht einmal in der Woche oder einmal im Monat in ihre Daten aktualisieren.

30:33 [SPEAKER_00]: Dann macht das viel mehr Sinn, wenn ich das in dem Zeitraum mach, aber die Datenquelle sich aktualisiert. [SPEAKER_00]: Und diese Dynamik können wir dann einfach damit abbilden, mit dieser Annahme. [SPEAKER_01]: Aber ja, keine Notifications oder sowas in irgendeiner Form, also das hier.

30:45 [SPEAKER_00]: Also, du kannst natürlich mit Sparks Dr. [SPEAKER_00]: Screaming, als Streaming kannst du hoffen. [SPEAKER_00]: Es ist also Screaming. [SPEAKER_00]: Auf den Daten kannst du natürlich mit Structured Streaming von Zwach schon relativ zeitnah die Informationen mit Kriegen, dass sich da etwas verändert hat.

31:03 [SPEAKER_00]: Ob du das jetzt brauchst und machen musst, ich glaube, ganz anderblatt uns viel mehr Business abhängig als Technik abhängig. [SPEAKER_02]: Das bedeutet jetzt, das Sourcing Team grasst irgendwelche Daten ab, bringt diese in eure Deltaformat und dampt diese Daten dann auf Estrei als Fall.

31:18 [SPEAKER_02]: Genau. [SPEAKER_02]: Und das nachfolgende Team, wann auch immer diese Staaten nimmt sich dann dieses Fall aus irgendeinem Object-Pass-Folder. [SPEAKER_02]: nach einer Naming-Schutur. [SPEAKER_00]: Genau. [SPEAKER_00]: Die Nanktrukturen sind quasi auch Teil unserer Marko-Achtikturiklinie, damit du immer weiß, wo die Dinge zu finden sind, das Hälften müssen bei der Discovery werden natürlich auch einen Data-Catalog, der technisch quasi dir sagt, wo das Zeug liegt, aber im Prinzip sind die Naminges, die man das brauchst, theoretischen Katalog nicht weiss hat, wo das Zeug liegt.

31:46 [SPEAKER_02]: Okay, das bedeutet, ihr habt jetzt keine API dazwischen. [SPEAKER_02]: Ihr habt einfach nur da Licht immer ein Fall nach dieser Struktur. [SPEAKER_02]: Und es ist die globale Annahme, die Implizite Annahme. [SPEAKER_02]: Das sind immer die aktuellsten Daumen. [SPEAKER_02]: Genau. [SPEAKER_02]: Und jetzt ist keine Event, euch der Tutor aus wie ein SQS daneben, oder ähnliches, weil das er kann man... Also, die klassischer AWS-architekt würde dir sagen, wenn das Fall da ist, dann hätte eine Message in eine SQS und P-Papo.

32:11 [SPEAKER_00]: Da geht es halt schon schnell wieder kaputt. [SPEAKER_00]: Das drehen wir natürlich so ein bisschen mehr über ein Streaming-Echthekturen. [SPEAKER_00]: Das durchschreiben, Change-Stater-Capturein ähnliches. [SPEAKER_00]: Da wird's dann interessant. [SPEAKER_00]: Wenn du natürlich mit Prozesse hast, dir einmal die Daten schreibt.

32:24 [SPEAKER_00]: Dann die Message verschickt, kann immer eines von beiden Fehlschlagen. [SPEAKER_00]: Wenn dann ganz viel Pächer ist, dann schlägt es schreiben. [SPEAKER_00]: Der Daten fehlt, aber die Message getrotzen raus. [SPEAKER_00]: So solche Fälle bekommenst du dann möglichkeiten von Fehlern bekommenst du als neue Kategorie mit dazu.

32:39 [SPEAKER_00]: Und das wollen wir einfach. [SPEAKER_00]: Deswegen haben wir es für eine Sympte-Lösung erschienen. [SPEAKER_00]: Wir sagen, dass es das ein bestmögliche, was das Team zu den Zeitpunkt bieten kann, ist auf jeden Fall da drin. [SPEAKER_00]: Und das ist jetzt. [SPEAKER_02]: Scherrig mir natürlich die Frage, da kann es euch auch eine ganze Menge schiefgehen.

32:50 [SPEAKER_02]: Das bedeutet, das Fall kann korrupt sein. [SPEAKER_02]: Das Datenformat kann ich wirklich stimmen. [SPEAKER_02]: Ähm, sei nicht so negativ an die. [SPEAKER_01]: Nein, also ich ... Ist ja mein Job. [SPEAKER_00]: Das ist ... Ich weiß nicht, dass ich mich da abslau. [SPEAKER_02]: Das ist das Problem von Resilies Engineering, man fragt sich halt, also das hört sich ja super einfach an und du sagst ja einfach es toll und einfach skaliert und ich glaube jeder, jeder SAE oder jeder der Nürn wie mal vorverfügbarkeit sagt, okay, verteilt es Systeme sind immer die Pest, das ist halt einfach so.

33:15 [SPEAKER_02]: weil du holst ja mehr Probleme rein, als die eigentlich lieb ist. [SPEAKER_02]: Aber zu sehen sie halt nicht vermeibbar. [SPEAKER_02]: Aber wenn ich jetzt mir so was andenken, weil du hast ja bloß dann fünf Leute in Team 1 und die bauen aller Nesshoferum. [SPEAKER_02]: Und wir wissen alle, wie es ist.

33:29 [SPEAKER_02]: Ja, ein Zeichen kann eine Regression reinholen und kann zwar ein Feil schreiben, aber das Format kann corrupt sein oder oder oder. [SPEAKER_00]: Inwieweit geht der mit so was um? [SPEAKER_00]: Also, müssen wir jetzt mal kurz auseinanderbauen in ein paar irgendeinen Aufteilen. [SPEAKER_00]: Also, einmal, dass die Datein schreiben, wie er nicht händisch.

33:45 [SPEAKER_00]: Also, wir haben jetzt kein Sophisticated-Piece-Off-software gebaut, das irgendwie Delta-Format und Hand-Schreibt, sondern wir benutzen offizielle Biologiken dafür. [SPEAKER_00]: Und meistens, zumindest in meinen Data Teams, kommt das meistens aus dem Sparkjob raus. [SPEAKER_00]: Das heißt, also die Biologik an sich, da müssen wir einfach davon ausgehen, dass die das richtig macht, [SPEAKER_00]: noch Versteifen zu überprüfen, ob die von der Ereivobestelbereitgestellte Bibliothek ihren so richtig macht, also der Gechter von aus, dass die Tests, dass die, die da schreiben und das wir diesmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmenschmensch

34:20 [SPEAKER_00]: Bin ich bis jetzt auch noch nicht mit auf die Nase gefallen, kann natürlich passieren. [SPEAKER_00]: Also das Risiko ist da. [SPEAKER_00]: Ich bewertet das Risiko jetzt aber nicht hoch genug als das sich versuchten. [SPEAKER_00]: Das andere ist, was schreiben wir denn in die Dateien rein.

34:31 [SPEAKER_00]: Das ist natürlich in der Verantwortung der Teams. [SPEAKER_00]: Das heißt, wir haben ein Schema, was wir da reinschreiben. [SPEAKER_00]: Dieses Schema muss gemanetscht werden. [SPEAKER_00]: Und da machen wir ganz klassisches Release Management mit. [SPEAKER_00]: Das heißt, wenn wir das Schema verändern, dann ist es non-breaking.

34:44 [SPEAKER_00]: Wenn das Breaking ist, müssen wir eine neuen Fahrt erzeugen mit einer neuen Version. [SPEAKER_00]: Na, es ist ein opt-in, und wir haben dann Wechselperioden von 4 bis 6 Wochen hier nach dem, damit wir die von der Sprungplanung ja und mit dem Sekunde 0,5-Jährige aktiv ist, das sind bekommen.

35:00 [SPEAKER_00]: Aber so ist dann eigentlich der Prozess, wenn wir eine Break-In-Chain-Chain-Chain-Chain und non-Breaking-Chain, das ist ein relativ easy, du schmeißt halt einfach in der Neuschwalte dazu, das passt. [SPEAKER_00]: Das ist hinreichend einfach, das steht jetzt keine zumindest keine operative Herausforderung da.

35:14 [SPEAKER_01]: Verwendet ihr der Tools dafür, um das noch verbessern oder es Klima-Change ist zu ernaunzen oder sowas in die Richtung. [SPEAKER_00]: die wir sind da ganz klassisch unterwegs, das Tool heißt miteinander reden. [SPEAKER_00]: Also Kommunikation ist erstmal alles. [SPEAKER_00]: Wir haben natürlich, wir haben unser Beki, wo das 2-3 kommt und unser Erwärm natürlich machen.

35:31 [SPEAKER_00]: Wir haben das irgendwie Dokumentationsgestützt. [SPEAKER_00]: Aber wir haben jetzt kein Paniskema Registry oder so irgendwas. [SPEAKER_00]: Wir haben das Klima Registry in ein als Teil des Data-Kartarbugs. [SPEAKER_00]: Also wenn du mit Spark auf AWS unterwegs bist, dann kommst du um die Glue Registry nicht drumherum.

35:45 [SPEAKER_00]: Und da drin ist das natürlich registriert, die macht aber eigentlich nichts mehr als zu sagen, guck mal hier es gibt, das Ding mit dem Namen und den Feldern und den Datentypen und das war's. [SPEAKER_00]: Wir asynieren musst du das trotzdem selber und Hand haben, in das Vermustel das auch selber.

36:01 [SPEAKER_00]: Also das macht dir jetzt nichts mehr konvingent, also nicht, das kann bequemlichkeitstul, sondern es ist ein reines Schema-Tool, was du halt benutzt, um das in das Verzüffeln. [SPEAKER_01]: Mach der Data-Linnietsch auch ganz klassisch woher die Daten kommen oder irgendwie so Meta-Informationen, die damit geschliffen werden, über die verschiedenen Steps.

36:19 [SPEAKER_00]: Haben wir natürlich einen eigenen Blockmeter-Daten, den wir mitschleifen? [SPEAKER_00]: Da wissen wir dann, was es sich. [SPEAKER_00]: Was die Original-ID-Bahr, wo das Hergesrost wurde, wird er uftunlicher Ohnauer und so ihren [SPEAKER_00]: Also da sind Sachen mit drin, eine klassische Linne, so wie wir das vielleicht von Jäger Traces im Webbereich kennen, machen wir nicht.

36:38 [SPEAKER_00]: Also das wir hatten, was das in der Trace erdieter drin haben und das Ganze dann irgendwie visualisieren oder so nicht in der Form. [SPEAKER_00]: Nein, wir haben andere Methoden, das zu machen, aber das ist Home Group. [SPEAKER_01]: Aber jetzt haben wir die Daten da irgendwo liegen, jetzt sind sie ja noch immer nicht im Produkt oder beim Kunden dann.

36:53 [SPEAKER_01]: Also, was kommt als nächsten Schritt? [SPEAKER_00]: Nächste Schritt sind halt ein bisschen verarbeitungsstritte. [SPEAKER_00]: Also, da muss dann halt schauen, was was ist dein Endprodukt? [SPEAKER_00]: Und wie musst du zu einem Endprodukt hinkommen? [SPEAKER_00]: Wenn du das jetzt bei mir betrachtest, haben wir ja gesagt, wir haben diese unstrukturierte Daten in strukturierte Daten verwandern.

37:09 [SPEAKER_00]: Also, mit Taxonemien und Technologien, was auch immer gerade das mutländige Tool ist, [SPEAKER_00]: Dann haben wir einen Prozess, der sowas wie Enttätilinken macht. [SPEAKER_00]: Der sagt, okay, von den Daten können die reingekommen sind. [SPEAKER_00]: Und von den Daten, die wir selber haben.

37:23 [SPEAKER_00]: Wie bringen wir die denn zusammen? [SPEAKER_00]: Also, bei uns geht es ganz viel um Personen. [SPEAKER_00]: Das heißt, wir wollen wissen, ob der Jondo von der Publikation hier wirklich der Jondo ist. [SPEAKER_00]: Den wir jetzt gerade irgendwie in Datenmessischen handhaben. [SPEAKER_00]: Und da geht es dann alle Handfaktoren, die irgendwie zu dessen Migration benutzt werden.

37:43 [SPEAKER_00]: Und dann gibt es halt ein bisschen Entschritte, was bei uns dann noch dazu kommt ist ein Skoring-Prozess, wobei das das glaube ich auch sehe ähnlich mit dem, was wir wahrscheinlich bei der Schufer kommt, kommt dann irgendwann kommen alle Informationen zusammen und dann wird eine außergewöhnliche Hoffnung, die halt ein bisschen es beist ist, so ein Skor, das ist halt selten eine meinungsfreie Metrik, sondern das ist ja immer ein Skor-Testation, wie immer eine meinung da, man bewertet hier irgendwas.

38:05 [SPEAKER_00]: Viele Leute werfen der Schufer, was alle russ vor? [SPEAKER_00]: Ja, ich würde schon sagen, das ist halt eine Businessmeinung. [SPEAKER_00]: Und ganz ja selber entscheiden, ob der Meinung zustimmst oder nicht zustimmst, auf Tausel oder nicht vertraust, wenn natürlich eine Mehrheit hast, die dieser Meinung vertraut, dann hast du sowas wie ein Standard itabliert.

38:19 [SPEAKER_00]: Deswegen gibt es ja sowas wie Kreditreform oder Schufer, das ist ja eine etablierte Meinung, deren, wo eigentlich, anscheinend ja viele Leute den Vertrauen nicht, kann das nicht bewerten, wie gut das oder vielleicht das ist. [SPEAKER_00]: Aber bei uns ist es halt auch so, wie wir werden dann halt auch, wo wir denken, wer ist denn zum Beispiel gut in den bestimmten Bereich?

38:35 [SPEAKER_00]: Also wer ist jetzt als, um Kologet zum Beispiel gut, oder was für eine Reichweite haben die. [SPEAKER_00]: Das Leiten wird dann aus verschiedenen Faktoren ab, also was ist es sich gut? [SPEAKER_00]: reduzieren in den z.B. [SPEAKER_00]: oder wie wir Leuten arbeiten, die zusammen oder sowas in der Richtung und aus dem wir dann hatten in den Skorableiten.

38:50 [SPEAKER_00]: Das ist dann der Value-Eit, den wir eigentlich nachher machen. [SPEAKER_00]: Wir haben halt jetzt irgendwie Kontext-Tisierung von Daten, dann diese Verlinkung von Daten, dann die Bewertung von Daten und das Ganze stellen wir dann am Ende bereit als Produkt. [SPEAKER_00]: Man kann so das abonnieren quasi, wenn man es auch gibt, ist das Apps-Gipsystem.

39:05 [SPEAKER_00]: Und kannst diese Daten dann benutzen. [SPEAKER_00]: Bauen Sie es tatsächlich so, dass es zwei Wege gepügt oder das kannst du kannst, die Daten beziehen, dass es dann ein Subsetter danken. [SPEAKER_00]: Oder du kannst halt über deine Apps-Gipschen bauen, [SPEAKER_00]: Wenn ein Software-Tur benutzen, das ist ein Intel Software-Tim, noch mal, dass nicht in meinem Bereich ist, sondern ein Schwesterbereich für Milik.

39:22 [SPEAKER_00]: Die Bauern dann quasi in der Viewer-Application. [SPEAKER_00]: Da haben wir dann auch wieder eine Transaktionale Perspektive drauf. [SPEAKER_00]: Das heißt, die haben die Business Prozesse von den Kunden im Blick. [SPEAKER_00]: Und die Bauern dann irgendwas, was den Business Prozessen des Kunden hilft.

39:36 [SPEAKER_00]: Und benutzen unsere Daten dann ungewandelt als Grundmobil. [SPEAKER_00]: Sind wir jetzt schon am Ende oder gibt es noch einen Schritt? [SPEAKER_00]: Ich habe jetzt versucht, zumindest mal den Prozess einmal den Bogen zu spannen, dass wir nicht immer wieder abschreifen in den einzelnen Bereiche, aber das ist für zumindest für die Bereiche, wo ich fand, ich bin jetzt das der Bogen gibt.

39:52 [SPEAKER_01]: Jetzt hast du schon einige Technologien genannt und Spark ist mir im Kopf geblieben und einige AWS-Technologien. [SPEAKER_01]: Wie macht ihr dieses Sourcing? [SPEAKER_01]: Das ist noch mal auch immer ein schwieriges Thema. [SPEAKER_01]: Also du sagst, das ist komplexo mit Flaky API-S und schwierigen Soursen umzugehen.

40:09 [SPEAKER_01]: Habt ihr da irgendwie eine Plattformen, Tours, die ihr verwendet? [SPEAKER_00]: Wir sehen natürlich. [SPEAKER_00]: die in eine ganz große Bandbreite an verschiedenen Anbietern und Technologien, die uns zur Verfügung gestellt werden. [SPEAKER_00]: Also du kannst hier den ClinicalTrest.gov, also der amerikanischen Registry für ClinicalTrest, die Städteredaten war auf den Netz und die ganze Idee da einmal natürlich strukturiert.

40:32 [SPEAKER_00]: Abholen über eine Städtele, über eine HTP API oder du kannst jetzt ganz klassisch für eine FDP halten, dann XML, dann runterladen und so am halt die [SPEAKER_00]: Manchmal muss man auch Sachen zurückgreifen, die ein bisschen anstrengender sind. [SPEAKER_00]: Also wir haben dann ein Vertragspartner, die bieten einfach keine Schlittstelle an und auch kein strukturetes Datenformat.

40:55 [SPEAKER_00]: Und dann mit denen haben wir einen Veränderung, dass wir die Datenat abschnolchen dürfen mit einem klassischen Kroller. [SPEAKER_00]: Und denen dürfen wir dann auch selber bauen und das funktioniert genauso gut wie sich das anhört. [SPEAKER_00]: Also wir haben halt mal wieder Schere ein und wieder maintenanceaufwand dafür, aber das ist dieser haben endewert.

41:11 [SPEAKER_00]: Das ist die Bewertung, die man halt machen muss, ist es halt ist der Aufwand, den Ort kamperrt. [SPEAKER_00]: Und den Fall ist es absolut so. [SPEAKER_00]: So, die dann sind wichtig für uns und deswegen machen wir das halt. [SPEAKER_01]: Aber dieses ganze Management von diesen Jobs, die dann FDP holen, die dann den Krawler anwerfen, habt ihr da irgendwie eine Management-Plattform, irgendwie eine Teilsteilz.

41:31 [SPEAKER_00]: Also wir haben Zeitland erarbeit eingesetzt, das ist ein Obessorstechnologie, die hat sowas macht. [SPEAKER_00]: Die auch dann sowas wie ein Resium oder das Monitoring der Jobs, um ein bisschen für dich übernimmt. [SPEAKER_00]: Das hat und dann hat für uns ganz funktioniert. [SPEAKER_00]: Und ansonsten sind da viele Prozessen auch einfach klassisch selbst geschrieben.

41:47 [SPEAKER_00]: Also, es gibt keine Gutes, grating platform, in denen Sinne, also es gibt natürlich viele Dienstzeder draußen, denen du es in Geld in ihr handtrucken kannst und die geben, die dann irgendwie so eine Fobconfigurierte, Delenium oder Scrapier oder sonst was Instanz, mit denen kannst du dann so ein bisschen durch die Gegenlaufen.

42:04 [SPEAKER_00]: Wir haben ihren Sinon Zweck, aber sowas Baumweil nichts selber. [SPEAKER_01]: Also ja, keine klassische Pipeline, Software oder so Jobs, Caddy-Ling, solche Dinge im Einsatz, macht ja. [SPEAKER_00]: Der Arbeit hat sein eigenes Caddy-Ling, ansonsten ist natürlich ein Aflow für uns, nur ganz klassischer Alternative, Provinz, Caddy-Ling, also ein step-based, es ist Caddy-Ling mit Branding und einem möglichen machen können.

42:25 [SPEAKER_00]: Aber das ist halt aus dem Detain-Genie und eigentlich auch Proton-Buttertechnologie. [SPEAKER_00]: Das ist schon gut abgehangen. [SPEAKER_00]: Da weiß man, was man kriegt und auch nicht kriegt. [SPEAKER_00]: im Moment ist es für uns sehr wächstelaufwand wäre jetzt auch einfach unangenehm groß und wir haben jetzt aber keine Nachteile dadurch also haben wir auch keinen, keine Notwendigkeit der jetzt um die dem High-Prenz zu folgen.

42:46 [SPEAKER_01]: Aber ihr habt auch Dinge, die komplett selbst programmiert sind wir jetzt nicht. [SPEAKER_01]: Und da läuft dann auch Monitoring komplett selber abzubastelt wo die fast sagen. [SPEAKER_00]: Klar natürlich. [SPEAKER_00]: Und dann hast du halt ganz klassisch, die sind halt fully embraced ABS.

42:59 [SPEAKER_00]: Das heißt wir waren dann auch Klaupert Matrix und Klaupert [SPEAKER_00]: weil das für uns gut genug ist, wir produzieren nicht so viel als dass der Schmerz groß genug mehr reget selber, aber wie so was für ihr, was das ich dann aus premier ist oder ähnliches zu betreiben. [SPEAKER_01]: Wie geht die ganz allgemein mit data quality monitoring?

43:17 [SPEAKER_01]: Also so der Klassiker sind die Daten überhaupt da, sind die richtigen Daten da, sind alle Daten da oder sind nur 50 Prozent Daten da, so diese Klassiker, also das klassische Monitoring aber auf Datenbasis. [SPEAKER_00]: Genau. [SPEAKER_00]: Plans sind wir, also wir da ist jetzt keine große Magie drin, wir fahren natürlich abfragen auf unseren Daten.

43:35 [SPEAKER_00]: Das kann in während des Bakt-Jobs passieren, das kann aber auf den Produzieren resultat sein, in im regelmäßigen Abständen. [SPEAKER_00]: Oder am Ende von den Job oder sowas nahe sich sind halt immer irgendwie Teil des Prozesses. [SPEAKER_00]: Und die Metriken, die wir produzieren, sind sowas wie ...

43:49 [SPEAKER_00]: klassische Counts oder aggregationsauf auf bestimmten Fähnen, wo man dann irgendwie mal ein Group bei sich ankuckt, ob von bestimmten Werten genügend vorhanden sind, dass ganze Kippen wir dann in CloudWatch Matrix ein und haben dann halt auch klassisch erlötszer drauf, wo dann einfach schaupert ist, das ist gleich ne, was wir sie ist, stelle Deviation in einem [SPEAKER_00]: in dem Kanal den wir uns vorstellen oder haben wir mehr als den erwarteten Count.

44:14 [SPEAKER_00]: Was man hier da gewähren, die haben einen Top-Limmit oder einen Arbitatist Top-Limmit von Einträgen, wenn er plötzlich mehr drin ist, dann ist es ein erlortwert. [SPEAKER_00]: Und so machen wir erstmal den ganzen quantifizierbaren Teil. [SPEAKER_00]: Alles konntifizierbarer Mikkel, wo man relativ schnell herausfinden kann, ob Prozesse das gemacht haben, was sie machen sollen.

44:34 [SPEAKER_00]: Da brauchst du einfach mal zehn Läufe, bei sechs Wochen, um zu wissen, ob das jetzt so die Realität ist oder auch nicht. [SPEAKER_00]: Viele Daten anbieter können meine Erfahrung nach leider keine gute Aussage machen, über das, was sie so liefern. [SPEAKER_00]: Und auch... [SPEAKER_00]: Mein Vertrauen, mein Windnisvertrauen in dieser Aussagen, ist dann auch schon auf der Schütter geworden.

44:54 [SPEAKER_00]: In deswegen sind wir jetzt einfach da super gegangen, dass einfach selber rauszufinden. [SPEAKER_00]: Und manchmal ist gehört das halt auch zu einer Überlegierung von der Datenquelle mit dazu. [SPEAKER_00]: Das für uns das halt über ein paar Wochen angucken. [SPEAKER_00]: Und sagen, okay, das ist mit der Anquelle.

45:07 [SPEAKER_00]: Da wollen wir haben, also das vielleicht interessant für uns. [SPEAKER_00]: Aber ... [SPEAKER_00]: Wir sehen halt so viel Fluktualition, sondern vielleicht gehen wir auch mit den ins Gespräch, und das läuft nicht dick, wer da ist, dann ist das so ein bisschen schwierig. [SPEAKER_00]: Aber wenn es halt einen bezahlter Anbieter ist, dann kann man natürlich klar mit den ins Gespräch denen sagen, hey, komm mal, da sind wir sehen da irgendwie so Sachen, die hätten wir nicht erwarten, wie es die Zener aus.

45:27 [SPEAKER_02]: Aber die Probleme, die du jetzt gerade aufgeworfen hast, mit wie gut die Daten, die ihr sourst. [SPEAKER_02]: Wenn die da ein später verkauft, haben die Leute, die euer Geld geben, eigentlich ganz genau die selbst fragen. [SPEAKER_02]: Oder? [SPEAKER_02]: Natürlich. [SPEAKER_00]: So nach dem Wunsch, worum wir es ja auch besser zu machen.

45:41 [SPEAKER_02]: Ja, ja, gut. [SPEAKER_02]: Aber ich meine, du sagst ja gerade schon selbst, okay, das ist gar nicht so einfach, auf beim sourcing. [SPEAKER_02]: Und das natürlich auch die Frage, in wie weit ... [SPEAKER_02]: Stellt ihr das denn sicher, dass ihr die hohe Qualität weiter habt, denn ich mein, ich gehe jetzt zu euch, kaufe eure Daten und ihr seid auf dem ersten Weg super.

45:57 [SPEAKER_02]: Ich arbeite damit in den Monat, wir hat zwei Filme, eine CM, Filme, eine Lied Pipeline und Verkauf, irgendwas im Farmer, aber ich kann auch. [SPEAKER_02]: Und jetzt... [SPEAKER_02]: Seid ihr ungefähr so wie Ohmerei und Chat-Gibitiv, wenn ich dem halt mal nach drei Stunden Bromten, der dankst du mal die Kontext ausgesehen und der anfängt irgendwie die Daten zu zusammen zu fast und dann eine Kontext flöten geht.

46:16 [SPEAKER_02]: Und irgendwann merke ich so nach nach fünf, sechs, acht Wochen die Daten werden vor euch überschlicht. [SPEAKER_02]: Ich mein, das gilt jetzt ja zu vermeiden. [SPEAKER_02]: Also wie wird bei euch die Qualität der Daten gemessen? [SPEAKER_02]: Und wie sagt ihr, okay, das ist wirklich jetzt hier eine hochqualität deftive Datenlieferung.

46:31 [SPEAKER_00]: Wenn wir die Qualität versuchen zu messen, haben wir natürlich die Herausforderung. [SPEAKER_00]: Das wird es einmal technisch machen müssen. [SPEAKER_00]: Also so Führerinnen und Ähnliches sind wir dann immer noch zwei Metriken, die dann nachher auspurtzeln. [SPEAKER_00]: Also wir erwarten halt, dass der Vornahme regefüllt ist oder sonstige Dinge.

46:45 [SPEAKER_00]: Aber auch eine inhaltliche Prüfung. [SPEAKER_00]: Da haben wir zum einen eine Battalion an SQL quasi, die wir abfeuern, bevor wir irgendwie sagen, so einen Datenrelease ist in Ordnung. [SPEAKER_00]: Also ganz platt ist das tatsächlich so... [SPEAKER_00]: eine vierstellige Anzahl von SGS-Datements, die halt unsere Business Logik und unser Verständnis von qualitativen Daten und wie wieder spiegelt und auf der anderen Seite haben wir eine Qualität-Kontroll im Menschen, die sich die Daten anschauen und einen bestimmten Prozentsatz dieser Daten ständig kontrollieren.

47:16 [SPEAKER_00]: So, dass wir dann dem Kunden gegenüber eine solide Aussage machen können, was unsere Datenqualität angeht und das funktioniert für uns im Produkt ganz gut. [SPEAKER_02]: Was mich jetzt interessiert ist, der Wertegang von solchen Daern Teams. [SPEAKER_02]: Ich meine, du hast gesagt, du machst die ganze Thematik schon seit circa 4.5 Jahren.

47:33 [SPEAKER_02]: Und ich hoffe mal, ihr seid nicht stehen geblieben. [SPEAKER_02]: Ich hoffe mal, ihr habt innerhalb von 4.5 Jahren ein paar Sachen angepasst. [SPEAKER_02]: Und ich hoffe mal, dass eure Teams sich dann auch vergrößert haben, wenn wir jetzt einfach mal simple annehmen, dass Team Vergrößerung gleich auch organisatorisches Wachsum, Umsatzwachsum und Krobedurchtet.

47:52 [SPEAKER_02]: Da möchte ich jetzt gar nicht so tief eingehen, was mich aber interessiert eigentlich, so ein bisschen die Evolution der Teamstruktur. [SPEAKER_02]: Ja, ich würde mal sagen, von einer One-Man-Show zu, ich nenne es einfach mal irgendein Zahl Rundanläuten. [SPEAKER_02]: Ja, so nach dem Motto, was hast du in diesen vier und halb Jahren gesehen, wo man sagt, man hat mir in der klassischen One-Menschau gestartet und dann seit die ganze thematik so aus, mein nächste Frage wäre, warum machen wir das jetzt nicht immer noch so, also kurz um, welche Prinzipien haben am Anfang funktioniert und später nicht mehr, welche würden wir überbaut geworfen?

48:25 [SPEAKER_00]: Vielleicht hast du da zwei dabei später. [SPEAKER_00]: habe ich auf jeden Fall. [SPEAKER_00]: Wir fangen mit, glaube ich, nach einfachen Wohnmenschau wirklich an oder want-to-3-Menschau, also mit einer kleinen Einstelligen Anzahl von Leuten, wo der Scope wahrscheinlich noch so groß oder so klein ist, dass man mit allen Leuten an allen Sachen arbeiten kann.

48:46 [SPEAKER_00]: Also, dass das Verständnis vom Business und von den Daten irgendwie noch einen Kopf von einer Person reinpasst. [SPEAKER_00]: Man noch gar nicht so trennen muss mit der Jimmy macht das und der Johnny macht das und die Margaret macht das. [SPEAKER_00]: Sondern dass man wirklich sagen kann okay jeder kennt an der Prozesse.

49:01 [SPEAKER_00]: Du kannst sich gegenseitig vertreten. [SPEAKER_00]: Meistens ist es auch eher so eine monolithische Geschichte. [SPEAKER_00]: Man braucht dann irgendwie so ein Ding, was die Daten durchredelt und am Ende das Ergebnis produziert. [SPEAKER_00]: Das ist für den Staat eine super Sache, also ich möchte es gar nicht schlecht reden, sondern einfach das passt in die Kopfverein, der Kweck gut passt in die Kopfverein und du bist damit auch relativ agile, weil du weitem nicht in Canon und Drehle-Positores kommenten musst, um irgendwie ein Change zu machen.

49:22 [SPEAKER_00]: Das ist dann auch auch unheimlich praktisch, wenn du schnell aufbauen möchtest. [SPEAKER_00]: Als wir das macht haben, gab es halt noch keine AI unterstützen, coding Tools oder so was in der Richtung, sodass macht es dann vielleicht heute auch noch mal ein bisschen anders, aber das ist glaube ich, dass wir viel mit Staaten, wenn sie anfangen.

49:39 [SPEAKER_00]: Und um eine zweite Frage, so ein bisschen anzusprennen, der Weg ist viel durch das Business Dominiert. [SPEAKER_00]: Wir haben jetzt das Glück gehabt, dass wir einmal gut angenommen wurden und noch gut gewachsen sind. [SPEAKER_00]: Da wir die letzten Jahren mit dem Produkt sind damit zufrieden.

49:54 [SPEAKER_00]: Natürlich sind wir nicht zufrieden im Armänder, sondern wir sind mit dem Weg zufrieden. [SPEAKER_00]: Und wir können sich noch mehr machen. [SPEAKER_00]: Haben auf dem Weg [SPEAKER_00]: glaube ich zwei, zwei bis drei große Veränderungen einfach so mitgemacht, wo wir gemerkt haben, dass die Komplexität höher wird, die Ansprüche höher werden und deswegen halt auch das in der Technologien im Saturday Teams reflektiert werden muss.

50:16 [SPEAKER_00]: Also wo Business und die Struktur, die wir adunter haben, dann stark zusammenhängen. [SPEAKER_00]: Das Erste, was wir eigentlich gemacht haben, ist von dieser Monolithisch-Nerangehensweise in mehrere Teams zu gehen und dann in der Funktionale vertikalisierung zu gehen. [SPEAKER_00]: Also, die Prozess, die wir eben besprochen haben, den haben wir uns dann einmal einmal Heilewel angeguckt, zu welche, welche Prozess Schritte gibt es denn eigentlich?

50:37 [SPEAKER_00]: Und haben dann für jeden Prozess Schritt ein oder mehrere Teams gebaut, die dann in die Tiefe gehen konnten und sich ja ausmal damit beschäftigen können, was ist denn das Beste, was wir ansourcing machen. [SPEAKER_00]: müssen es besser, was wir an Teringen machen können, was das besser, was wir an Linking oder Matchen machen können.

50:51 [SPEAKER_00]: Und dann am Ende und Provisionierungslehr zu sagen, okay, wir brauchen eine stabile Delivery-Maschine, die dann nachher und möglich, die Daten, die wir generieren, auch zum Kunden zu bringen, in der Verlässchlichkeit und in der Katzenz, die wir jetzt am Markt gerne erreichen wollen. [SPEAKER_02]: Es bedeutet, dass auch ihr habt, jetzt dann inzwischen mehrere Teams, die [SPEAKER_00]: Zu dem Zeitpunkt war das so, dass wir zwei Teams hatten, die Sourcing machen.

51:16 [SPEAKER_00]: Also wir sind mittlerweile schon Wonders angekommen. [SPEAKER_00]: Aber zu dem Zeitpunkt war das so, dass wir zwei Teams hatten, einem Jahr automatisiertes Sourcing und manuelles Sourcing. [SPEAKER_02]: Okay, dann also gar nicht nach dem Format des Sourcings unterteilt. [SPEAKER_02]: Wer hätte ich auch sagen können, du hast gerade von irgendwelchen PDFs gesprochen, wo ihr dann Natural Language-Prozessin drauf macht.

51:35 [SPEAKER_02]: Also, hätte ich auch sagen können, okay, die einen, die Krollen jetzt Google Skola und da und nur sich die ganzen Studien und die nächsten versuchen halt diesen Webscraper von dem Du ja auch gesprochen hast, irgendwie am Leben zu halten. [SPEAKER_00]: Genau, da ist noch ein bisschen die Frage, wo willst du schneiden?

51:51 [SPEAKER_00]: Wir haben es dann damals für eine Funktionale vertikalisierung einfach einschieben, weil wir das wissen aufbauen wollen. [SPEAKER_00]: Also, wir werden das nicht das Fach in den Daten, sondern das Fach wissen. [SPEAKER_00]: wie Beschäftmanndaten eigentlich am besten mit den Datenquellen, die wir haben, weil wir gesagt, dass man mal monolithischen Perspektive rauskanen.

52:08 [SPEAKER_00]: Und wir wollten da einfach die Expertise aufbauen in den Energieweitenen Funktionen. [SPEAKER_00]: Wir konnten dann natürlich auch für was das sich einen Team, was NLP hat, vielleicht auch Leute Heiern, die dann mehr und tieferes NLP wissen hatten, als die Leute, die wir schon da hatten, konnten mit Data Scientist sagen, aber so weiter und sofort.

52:25 [SPEAKER_00]: Das bringt natürlich dann andere Möglichkeiten, noch Experten. [SPEAKER_00]: Und das hab ich mit der Expertise zu Heiern, die in den Teams dann aktiv sind. [SPEAKER_00]: Und die Qualität von dem Outkampf an dem Team halt deutlich verbessern kann. [SPEAKER_00]: Also präziseres Tägengen vielleicht oder eine höhere Präziserung im Linking.

52:42 [SPEAKER_00]: Dann schoar einfach vielleicht komplexer aufzubauen, mehr Engridians aufzubauen, also mit mehr Zubauen aufzubauen. [SPEAKER_00]: Soll ich hier Sachen kannst du normalen Leute hast, die sich auf diese Funktionen fokussieren? [SPEAKER_00]: Der Nachteil ist natürlich, dass die Leute so ein bisschen die Tätschwern zum Business.

52:57 [SPEAKER_00]: Also, weil du hast ja dann so ein bisschen Friesbandarbeit, die nachhaltige Pernenkette aufgereitet wird. [SPEAKER_00]: Da sehen wir in jeder Teamstrukturk附zt, um was um sonst muss, um was Managen. [SPEAKER_00]: Das hat immer einen Schritt auf. [SPEAKER_00]: Und in dem Verkunden wir eine technische Tiefe, in Anführungsstrichen um sonst bekommen, weil es Teil der Struktur war.

53:15 [SPEAKER_00]: mussten aber dann natürlich den Integrationsprozess über alle Teams und auch wie nah fühlen sich die Leute den zum Business Connected. [SPEAKER_00]: Natürlich ganz deutlich mehr nicht mehr. [SPEAKER_01]: Das heißt, die hat aber keine klassischen Cross-Functional Teams und hat wirklich zu dem Zeitpunkt hatten wir, dass jetzt habt ihr die?

53:29 [SPEAKER_00]: Genau, das werden so ein bisschen die nächste Stufe, die wir jetzt haben. [SPEAKER_00]: Wir sind dann wieder ein bisschen größer geworden und einfach gemerkt, dass der Pivot, also die das Umschwenden von Produkt zu Funktionen immer schwieriger wurde. [SPEAKER_00]: Also das wurde dann immer das Produkt menschmen, wir dann irgendwann so weit weg von den von dem Engineering, mit dem irgendwie noch eine Lehrer dazwischen, dass wir nicht so diese Produkte identifizierung nicht mehr hatten.

53:51 [SPEAKER_00]: Und dann aber auch nicht mehr so dieses Verständnis hatten, wo wir bottom abternommen, einfach irgendwie Innovationen betreiben konnten. [SPEAKER_00]: Und dann kann ja aber gucken, wenn wir das so machen, dann ist das viel einfacher oder wenn wir einen Fischer hatten, was dann irgendwie aus einem Produkt kam, aber dann im drei Teams abgebildet werden muss.

54:06 [SPEAKER_00]: dieser Aufwand, das von dem Fiecher zu drehen in die Funktionen, wurde irgendwann so viel mit dem weiteren Wachstrum, und deswegen muss man das halt wieder ändern. [SPEAKER_00]: Und das die nächste Stufe, das wir halt gesagt haben, die Teamstiesichheit, um bestimmte Domenen, kümmern, die sehr produkt nahen sind.

54:24 [SPEAKER_00]: Also wir haben jetzt so etwas, was sich die Hälfkar professionell, die Hälfkarorganisation, so die Design-Difektivities, oder andere Sachen. [SPEAKER_00]: Und da sind wir dann... [SPEAKER_00]: In einer Cross-Funational-Squart gegangen und Cross-Function dann in dem sind es via Data Operations, Data Governance, Analysten, Data Scientist, Data Engineers, Produkt Management, die sind jetzt zusammen mit nach Squatsch.

54:47 [SPEAKER_00]: Die Gravitation ist wirklich in das Quart nicht in der Reporting-Nein, Engineers-Report-Natzen im Engineering-Lieder, die Data Scientist und im Scientist-Lieder, also wir haben immer noch so diese fachlich das fachliche Funktionale Leadership drin, aber wir haben die Bewegung im täglichen Operative [SPEAKER_00]: Und die Ohntan auch natürlich, dass du mein Produkt, was da hinten ausfällt, also irgendwie Leute, Organisationen, Publikationen, Tvails, Wasserfall.

55:12 [SPEAKER_02]: Ein Riesenproblem, was ich immer mit dieser Organisation habe, und das ist wirklich ein Trade auf Videograd, schon gesagt, das ist, das wenn jetzt der Data Scientist in dem Team, macht seine Arbeit und hat dann eine unglaubliche Verbindung auch zum Business, das ist super. [SPEAKER_02]: Aber die Personen hat natürlich dann andere Herausforderungen im Wachstum des Data Science Science, weil die Data Science Team kollegen sind ja in anderen Teams, die beschäftigen sich dann mit anderen Problemen, [SPEAKER_02]: Und das bedeutet, dass in meinen Harz gilt als Data Science oder Data Science ist es nur ein Job, Engineering oder was auch immer, braucht man dann immer wieder die Verknüpfung zurück zum eigentlichen Esechmer Haus Team, wo du dich mit deinen Kollegen mit den selben Problemen, den selben Skills auszuschauen kannst.

55:57 [SPEAKER_02]: Und ich hab das noch nie wirklich funktionieren, sehen über eine lange Zeit, denn irgendwann sind alle so satt davon, weil das eigentliche, fachliche Wachstum, irgendwie fehlt, das oder ich hab noch nie in einer Firma gearbeitet, die so lang mit einer Schuppurge arbeitet hat, weil dann wieder in eine Reorkam kann auch sein.

56:16 [SPEAKER_02]: Wie man nicht jedes? [SPEAKER_02]: Weil das ist ja genauso bei Satelli-Bildetie-Engineers oder Death-Ops-Leuten, die kommen aus ihrem Death-Ops-Team raus, gehen ihre Produkt Teams und bauen dann ein bisschen die Infrastruktur, sind dann der einzige Death-Ops-Sahl-La, oder Asus-Adventen in den Engineering-Tips.

56:31 [SPEAKER_02]: Ist ja genau das gleich, am Du kannst eigentlich mit die Seinern, genau das gleich, ja. [SPEAKER_02]: Also jedes jede Jobfamilie kannst du doch wenden. [SPEAKER_00]: Absolut. [SPEAKER_00]: Wir haben da auch nicht die Magic Source an die ganz klar. [SPEAKER_00]: Wir haben Lösungen, die jeder andere Rauch hat.

56:45 [SPEAKER_00]: Wir arbeiten in Schöpter, Gilden, Konstrukten, die uns dann ein bisschen helfen. [SPEAKER_00]: Das haben wir auch durch die Engineering Teams. [SPEAKER_00]: Wir haben ja zwei sogar noch zwei Matrix-Aspekte darin, nämlich einmal. [SPEAKER_00]: Wie machst du jetzt sowas wie Infrastractions Security, wenn du keinen separatistplatz vom Team hast?

57:01 [SPEAKER_00]: Das muss du ja dann auch einmal durch alle Teams durchziehen. [SPEAKER_00]: Das heißt, du heißt, across all engineers hast du sowas einmal. [SPEAKER_00]: Und dann hast du natürlich noch die Fachliche zusammengehörig kalt, wie macht das mit allen Engineers oder wie allen der das einhtest.

57:12 [SPEAKER_00]: Und tatsächlich haben wir für so die Fachliche Verbindung, haben wir kein gutes Will. [SPEAKER_00]: Also da gibt es halt auch einfach nichts, weil die Gravitation wirklich in der Intersquord liegen soll. [SPEAKER_00]: Das heißt, es gibt jetzt keine von der Firma angeordneten, es ist ja Mechanismen, die sagen, ihr sollt euch irgendwie alle zwei Wochen treffen.

57:34 [SPEAKER_00]: Was wir tun, zur Organisation ist eigentlich den Leuten nicht im Weg zu stehen, also wenn die sich auszuschauen wollen können, so dass wir der Zeit tun, wir haben uns aber bewusst entschieden, dass unser Mitarbeiter der Ereignis schiff steuern und damit organisieren, die sich halt gerade auch selber und ziehen es auch selber durch und das ist auch gut zu.

57:53 [SPEAKER_00]: Ich glaube, als Manager kann ich da keine Lösung aufbauen, die allen gefällt, und deswegen ist es vielleicht ganz gut, wenn meine Teams dann teilweise, wenn die naheinander arbeiten, ihr keine Ahnung, alle zwei Wochen oder alle vier Wochen, sich mal irgendwie zusammen sitzen, für eine Stunde, und da sich aus Tauschen wollen, oder keine Ahnung, Book Club, eilt ihr die zweite Woche machen wollen, machen das halt.

58:14 [SPEAKER_00]: Also da, da stehe ich kam im Weg und dann ist das eine organische Lösung, die er ist, ohne das für ein Kursett-Troberstück. [SPEAKER_02]: Jetzt drehen wir mal die Frage um. [SPEAKER_02]: Was ist denn eine Sache, die ihr oder du viel zu spät eingeführt hast? [SPEAKER_02]: Da wurde das heißt, brau!

58:29 [SPEAKER_02]: Also wenn jetzt Bad Spencer siehst, wieder sich so Bad Spencer und Terence Hill, wie sie sich so wirklich die Hand vor den Kopfklatschen, haben mit diesem Klatschgeräusch. [SPEAKER_02]: Also Wolfgang, wenn du jetzt mal so was zum Blubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbubbub [SPEAKER_01]: Das kennt ihr niemand mehr, dieses Zeug.

58:41 [SPEAKER_01]: Du bist schon zu alt. [SPEAKER_01]: Was für eine Netflix-Serie brauchst du da jetzt umsulungen vergleichen zu ziehen? [SPEAKER_02]: Ich ist zum Erleit Netflix hat zwar gerade im Warner Bros. gekauft, aber ich glaube Netflix hat nicht so viel Geld, um die rechte Al-Batz-Benson-Terrence Hilfe zu kaufen.

58:55 [SPEAKER_02]: Das möchte ich jetzt noch mal ganz gut sagen. [SPEAKER_02]: Aber was ist eine Sache, die ihr viel zu spät eingeführt habt, wo du das boh, halt mal echt früher draufkommt? [SPEAKER_02]: Können die uns ... Ja, da wäre schon viel weiter. [SPEAKER_00]: Ich glaube, dass das Abschnittsbasiert, also in jedem Abschnitt gibt es so was.

59:09 [SPEAKER_00]: In dem ersten Abschnitt, er hätte ich observability gerne als erstes eingeführt und nicht in dran genagelt. [SPEAKER_00]: Es war aber einfach in dem Moment nicht im Fokus und ich hätte es viel früher im Fokus haben müssen. [SPEAKER_00]: Das waren Leadershipfehler von mir, das hätte ich machen müssen, ich hätte es entfossen müssen.

59:22 [SPEAKER_01]: Ich muss da kurz reinkretschen, weil was ja jetzt unsere Hörer in der Nichtzene ist, dass der Anderson smile hat und so krenzt und sich so freut inerlich und die Hände gerade hochgerissen hat, weil er ist einfach ist so eine schöne Bestätigung, die du ihm jetzt gegeben hast. [SPEAKER_00]: Anbei ist sich, ich wollte jetzt nicht im Anliezwing eine Freude machen.

59:39 [SPEAKER_00]: Es ist einfach so, nur die Sichtbarkeit auf die Prozesse, die Sichtbarkeit auf die Ergebnisse, auf technische Ebene. [SPEAKER_00]: Auf Business Ebene haben wir das schon immer gut gemacht. [SPEAKER_00]: Man war natürlich ein Versprechen gegenüber den Kunden. [SPEAKER_00]: Es muss man einhalten.

59:50 [SPEAKER_00]: Es muss ja beweisen können, dass wir das Versprechen einhalten. [SPEAKER_00]: Und damit ist schon immer gut gemacht. [SPEAKER_00]: Aber auf technischer Ebene war es halt nicht so. [SPEAKER_00]: Und wir wussten an manchen ständig, warum schiefgegangen ist. [SPEAKER_00]: Wir wussten so, dass es schiefgeht.

1:00:03 [SPEAKER_00]: Aber wir wussten nicht, warum. [SPEAKER_00]: Und das heteron ist an der stelle, glaube ich, einen schnelleren Weg zur Lösung und auch einen schnelleren Weg zur zum Erwachsen werden. [SPEAKER_00]: Weil du weißt ja dann, wo ans Licht und du kannst ja viel besser [SPEAKER_00]: und unimplementieren und weiß halt, was du tost und warum du das tost und kannst es auch begründen mit Daten, dann verändern sich über Zeit, wenn du dann das eingeführt hast und hast dann einen Beleg dafür.

1:00:28 [SPEAKER_00]: Also das ist was, was ich gerne früher gemacht hätte. [SPEAKER_00]: Ich will dir mal ganz kurz sagen. [SPEAKER_02]: Jeder sagt das und Achtung, man hat immer zu wenig Obserabilität, aber wenn man später wirklich die Rechnung dafür zahlen muss und besonders wenn man ziemlich viele CloudProweider nutzt wie DataDog New Relay oder Amazon oder ähnliches, dann muss man sich auch die Frage stellen wie viel Prozentualen, Anteil von deinem Cloudkosten soll eigentlich auf Obserabilität [SPEAKER_02]: Deswegen muss man da die Ballangsaal inzwischen was Monitorer, ich eigentlich was nehme ich mit in mein Observiert-Histeck und so weiter und welche Fragen wo sie stellen und dann hat man nämlich genau die Daten nicht für die Frage, die man morgen stellen möchte und dann denkt man Aferflix.

1:01:15 [SPEAKER_01]: Und durchsprechst du ja auch nur von den Plattformen jetzt, nur Qualität der Tag verwendet oder eine tolle Plattform habe, kommen ja da doch trotzdem nicht automatisch irgendwelche Datenreinfermenzen um Datenqualität oder solche Dinge geht. [SPEAKER_01]: Also die Bootslene, ja nicht, ich habe keinen tollen E-Gend der Mein Domain wissen kennt und meine Business Domain und dann automatisch die Datenqualität checkt.

1:01:33 [SPEAKER_01]: Das wäre ja die schöne. [SPEAKER_00]: Genau. [SPEAKER_00]: Absolut. [SPEAKER_00]: Ich glaube, für uns war es relativ einfach, weil wir wussten, wir machen an ABS-Aunlie, also wir haben keine Möglichkeit, gerade einfach und dann, also natürlich entweder finanziell die Möglichkeit, aber wir wollten den Fokus des Teamsheit wirklich auf, den Technologienheiten, die wir haben, weil wir halt unsere Prozesse verbessern wollten, unsere...

1:01:56 [SPEAKER_00]: Code ganz Platt gesagt ist verbessern wollten und nicht neue Tuts kaufen wollten, um dann zu offen, dass die unser Problem lösen. [SPEAKER_00]: Wir wollten ja selber gerade in den ersten Umschunk von Grund über monolithisch auf die funktionale vertikalisierung wollten wir ganz klar die Kompetenz verbessern und deswegen mussten wir da selber und die Sachen machen wir mussten selber den Hand planitieren.

1:02:15 [SPEAKER_00]: Deswegen haben wir auch [SPEAKER_00]: Wir haben mit den Meta da an uns das angekollenen Chalki, wie kriegen wir das hin, dass wir wissen, wo die Sachen hier kommen, auch noch, wenn wir im dritten Fahrarbeit ins Schritt sind. [SPEAKER_00]: Als das wir jetzt gesagt haben, wir schmeißen jetzt einen Tool drauf, schmeißen alle Daten rein und hoffen, dass es uns gehört, dass er das Ergebnis bringt.

1:02:31 [SPEAKER_00]: Und so konnten wir halt viel Präziser da angehen. [SPEAKER_00]: Natürlich haben wir irgendwann auch angefangen. [SPEAKER_00]: Okay, wir bauen jetzt einen anderen Gehmensheacher mit ein und überlegen uns für jedes Feature, was müssen wir da tun, um halt an dasichtbarkeit zu generieren. [SPEAKER_00]: Aber irgendwann hast du den Punkt dann reicht, wo du einfach entweder alles machen muss.

1:02:45 [SPEAKER_00]: Und den Preste für Bezanz, weil du weiss halt nicht, wo es das nächste Mal schiefgeht, weil dieses Zielkomplexe Tiktokus oder du musst halt damit leben, dass der erste Ende das auch auch selbst geht. [SPEAKER_00]: Hast du noch Learnings oder? [SPEAKER_00]: Ja, habe ich noch eine, ich hatte ja vorher gesagt, dass das so ein bisschen mehr Prophase, glaube ich, auch nicht.

1:02:59 [SPEAKER_00]: Ja, aufgeteilt es so in der ersten Phase, weil er war, das wird auch so bebildet hin. [SPEAKER_00]: Als 2. [SPEAKER_00]: Faser ist es, glaube ich, ja, so Team kulturmäßig, wenn wir aus einer reinen Engineering Gruppe kommen und dann plötzlich in das Quarthas mit Data Signes mit Data Operations und einem, dann ändert sich die Dynamik doch sehr stark.

1:03:16 [SPEAKER_00]: Da wird da vorher, dass das Operating-Mode der Zwischen zum Beispiel Data Science und Data Engineering deutlich hat zu machen. [SPEAKER_00]: So sagen, okay, für diese Arten von Prozessen ist ausstößt sich Engineering verantwortlich. [SPEAKER_00]: Du hast zwar im L-Obswirt die vielleicht Kontributen.

1:03:32 [SPEAKER_00]: Aber... [SPEAKER_00]: Die Engine müssen sich darauf einigen und erlaubt, was hat sich richtig in den Folgen oder so? [SPEAKER_00]: Also, dass du da einfach keine Ambiguität hast, dass du da Klarheit hast und so sagen, wer ist für was vorantwortlich? [SPEAKER_00]: So, dass wenn's dann auch ein Produktionsmusch übrig ist, dass du nicht also raten musst, wer jetzt sind, wer sind, wer in den Fehler fixst.

1:03:50 [SPEAKER_00]: Okay, so ist die Modellergebnisse stimmen nicht. [SPEAKER_00]: Okay, ich weiß, dass ich den, also nicht in Jimmy anrufe. [SPEAKER_00]: Oder, okay, die Palkern des kaputt gegangen, okay, ich muss in Johnny anrufe. [SPEAKER_00]: Also, dass du diese Anbilgüttet nicht hast, damit du halt im Fehlerfall Klarheit hast und nicht erst noch aus Balldoren muss, mit wem du jetzt irgendwie in das Problem lösen.

1:04:08 [SPEAKER_01]: So und was jetzt eigentlich an das Aufgabe wäre, das üblicherweise zu stellen, diese Frage ist die klassische KI-Frage, aber dann stelle ich halt mal die KI-Frage aus und Schweisse. [SPEAKER_01]: Habt ihr jetzt nicht schon AI, die deine ganzen Teams wegrationallisiert hat und eigentlich gar niemand mehr benötigt wird in eure ganzen Data-Beyblinden, weil es macht ja alles, die AI automatisch sagt, was sie für Daten habe, was sie haben will und beim alles ist da.

1:04:33 [SPEAKER_01]: Magi, ja, die hätte die alle umfassende Magi. [SPEAKER_01]: Oder vielleicht noch mal spürst du überhaupt etwas? [SPEAKER_00]: Ja, natürlich spürt wir das an ganz vielen verschiedenen Stellen. [SPEAKER_00]: Du hast bei der Datenbeschaffung zum Beispiel, hast du plötzlich einem Gemini Code oder einem Cloud Code oder du hast immer noch einen Sitz hast du natürlich einen großen Vorteil, dass du seine Daten für das schnell gutstschöpen kannst.

1:04:54 [SPEAKER_00]: Dann kann es hey, gehen wir auf die Webseite, wo da hier ist das XML format oder was auch immer. [SPEAKER_00]: Schreibt mir mal Schleimpassert auf. [SPEAKER_00]: Das funktioniert gut, das sind auch so simpel genug von den Aufgabenstellungen. [SPEAKER_00]: Hier für eine AI, dass die jetzt auch nicht so viel Blütz sind, dabei produziert.

1:05:08 [SPEAKER_00]: Die guidelines, die ich mein Teams gegeben habe, ist jedoch für alles an Code-Genehrungen eher einsetzen. [SPEAKER_00]: Wenn ihr euch sicher seid, das ist egeten stimmt. [SPEAKER_00]: Und am Ende hat ich den Kommentar, das muss manch sein. [SPEAKER_00]: dafür erkarnte Biff für den Code in der Committed hat.

1:05:22 [SPEAKER_00]: Das heißt, in keinem Schief von mir ist das alles weibend, wenn du Bock hast. [SPEAKER_00]: Aber am Ende muss man die im Klaner dabei sein, das wenn das Ding halt Produktion abreist, das ich zu dir komme und wir dann ein sehr ernstes Gespräch führen. [SPEAKER_00]: Das heißt, jeder KI-generierte Code muss von der Menschen reviviert werden und von der Menschen auch Committed werden.

1:05:40 [SPEAKER_00]: Natürlich hast du jetzt auch so interessante Sachen, wie es hast du in den Enttätilinkengen Algorithmus. [SPEAKER_00]: Den hast du irgendwie mit allmöglichemeln und vorher hast du das irgendwie ganz klassisch mit Würdestic gemacht. [SPEAKER_00]: Dann hast du in der nächsten Stuft fängst du an und klassisches Maschinenwörning zu machen.

1:05:54 [SPEAKER_00]: Fängst du an, dann geht mir etwas, was das ich mit mit dem Klassen an oder sonstigen Sachen darum zu handieren. [SPEAKER_00]: Und dann ist natürlich jetzt die Temptation groß zu gucken. [SPEAKER_00]: Was können wir jetzt mit einem LLLend zum Beispiel da machen, wobei hilft es, woher hilft es nicht.

1:06:11 [SPEAKER_00]: Die Dünger werden extrem schnell viel besser. [SPEAKER_00]: Und ich habe auch gesagt, wir haben an Thien stellen auch noch jungen Menschen im Lug drin. [SPEAKER_00]: Die hat Prozess auch mit Betreuen und Thiefen Prozess im Betreuen stehen. [SPEAKER_00]: Und musste die auch die Frage stellen, kann ich einen Prozess Schritt vielleicht durch Karien nach Form argumentieren.

1:06:33 [SPEAKER_00]: Das kann es jetzt belieblich weitständen, aber das sind Fragen, die wir uns stellen. [SPEAKER_00]: Und wo wir an vielen Stellen halt auch experimentieren und eine gute Tabase nicht so gut erfolge sehen. [SPEAKER_00]: Es ist keine Wunderwaffer, auch nicht für uns. [SPEAKER_00]: Aber klar, es ist ein riesen Thema.

1:06:51 [SPEAKER_01]: Aber ich habe jetzt noch keine Produkte ohne oder so was die, die sich selber so eine Pipeline in irgendeiner Form zu sammeln schusten können. [SPEAKER_00]: Nein, an dem Punkt sind wir nicht. [SPEAKER_00]: Wir haben aber schon dafür gesorgt, dass wir die Serenarien, wo wir experimentieren müssen.

1:07:08 [SPEAKER_00]: Also, weil Datenkreil ist immer so ein schönes Serenario, dass wir da schnell sind im Unbording. [SPEAKER_00]: Also, das waren drauf schon bevor wir KI gestützt, irgendwie das Ganze in die Arbeit ein Integrat haben. [SPEAKER_00]: Das heißt, die Punkte, wo wir im Business wissen, dass wir eine schnelle Eterationsgeschwindigkeit brauchen, das haben wir von vornherein so aufgesetzt.

1:07:24 [SPEAKER_00]: Und also, da ist jetzt KI kein [SPEAKER_02]: Aber kann jetzt KI nicht einfach nur als neue Datenquelle irgendwie angeschlossen werden? [SPEAKER_02]: Absolut. [SPEAKER_02]: Du kannst ja so ein ... Wer weiß, man wirklich was würde hier, ne? [SPEAKER_02]: So ein in acht Ende, wenn ihr gespannt.

1:07:39 [SPEAKER_02]: Und dann einfach den PM drauf sitzen so. [SPEAKER_02]: Ballermann, ein bisschen Rom, Experimentiermann, ein bisschen. [SPEAKER_02]: Hier hast du in den Instanz, da kann das sich alles zusammenklegen. [SPEAKER_02]: Da hat er seine KI-agenten, die dann jetzt da an der Lüse auch machen können.

1:07:51 [SPEAKER_02]: Also so ganz klassische thematiken wie NLP, Taxolomy und Alter, was du gesagt hast, ja. [SPEAKER_02]: Ist ja perfekt dafür? [SPEAKER_00]: Ja, absolut. [SPEAKER_00]: Kannst du machen, du... Herr Röcker, meinst du wieder dazu weiter geht? [SPEAKER_00]: Kannst du schon so machen? [SPEAKER_00]: Ich glaube, es gibt immer noch eine Reg ließen Gärke zu schön diesem Experimentierstadium und der einen und der wirklichen Produktion uns geht.

1:08:15 [SPEAKER_00]: Wir verarbeiten 30 Millionen Publikationen und machen da einen Menschen gegen 4,5 Millionen weiter. [SPEAKER_00]: Das ist halt schon relativ. [SPEAKER_00]: große Datenmengen, die du da auf einmal durchprügelt. [SPEAKER_00]: Und wenn du so bist, dann versuchst du mit einem LADM zu lösen, dann merkst du relativ schnell, dass es tatsächlich teuer wird.

1:08:34 [SPEAKER_00]: Zumindest diese Art von Operationen und B relativ lange dauert. [SPEAKER_00]: Und das machst du halt auch nicht jedes Mal, oder wenn der Taxonomie ist auch ein schönes Beispiel. [SPEAKER_00]: Wenn du aus dem Taxonomie, die hat dann irgendwie zwischen 3.000 und 3.000 Einträge. [SPEAKER_00]: In den NLN größeren Taxonomien und...

1:08:48 [SPEAKER_00]: Dann hast du halt auch 30 Millionen Publikation, ich glaube jetzt mal mal einfach bei den Beispiel. [SPEAKER_00]: So als heißt das, das kannst du mir überlegen, dass du jedes ging jedes irgendwie einmal zumindest vergleichen musst und dass der Kontext halt auch limitiert ist von seiner von seinem LLM.

1:09:01 [SPEAKER_00]: Das heißt, du musst dann entscharren und wie deine Text und Niederdurchtbrügel mit jeder Publikation um dann halt auch deine Ergebnisse zu bekommen. [SPEAKER_00]: Und das Skaliert halt genauso wie sie es anhören, ohne es ist ein Bockstein. [SPEAKER_00]: nach aktuellen Stand. [SPEAKER_00]: Das kann sich in einem Jahr miteinander reden, wird sich das vielleicht auch einfach geändert haben.

1:09:19 [SPEAKER_00]: Das muss man dann auch sehen, die Entwicklung zu rasen schnell, dass diese Aussage, die ich jetzt für alle Ktofen haben, ein Jahr für dich über die Design. [SPEAKER_00]: Aber noch heutigen Stand ist das, was wir als Skale machen, noch nicht bei selber Qualität und Durchsatz durch eine Lelle in der Sitzbe.

1:09:35 [SPEAKER_02]: Jetzt ist ja ein Manko, was ziemlich viele Leute zumindest aus Nachteilnennen ist, dass ihr Gegnisse von diesen generativen Mereimodellen nicht jedem Potente. [SPEAKER_02]: Inwieweit sind denn Europrozesse besonders jetzt im Natschulegen und Sposessing besonders in der Taxonomion Co. denn jedem Potente.

1:09:50 [SPEAKER_00]: Gerade in dem, wo wir in dem Potenz brauchen, verwendigen wir hat keine aller Nems. [SPEAKER_00]: Das ist dann einfach so. [SPEAKER_00]: sondern da haben wir, was das ich in der Taxion linee, ist es eine Mission aus Gremmer und anderen Methoden, die wir da ansetzen. [SPEAKER_00]: Es werden eine Gremmer, die wir da ansetzen, wir haben gegen einen Keyboard Detection, die wir da ansetzen.

1:10:09 [SPEAKER_00]: Es ist ein Konkontomalat aus verschiedenen, aber in dem Potentenprozessen. [SPEAKER_00]: Also wo wir immer wieder bei, kann es so noch mal drüber laufen. [SPEAKER_00]: Weißen kriegt so noch mal, als ihr wer geht müsst. [SPEAKER_00]: Wo es dann interessant wird, ist, wenn du so was wie eine relevant Bewertung oder so was machst, wodohalten und Arbiträtantex innerhalb reinkriebsst, wo es dann wirklich schwierig wird, dass nicht über einen Language-Aufienstmodell zu machen.

1:10:33 [SPEAKER_00]: Also, kann es auch in zwei Länge schon mit der Lähne noch sich unbedingt wie JTPD-B.D.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.A.AAAAAAAAAAAAAAAAAAAAAAAAAAAAA [SPEAKER_00]: Die 5 nehmen oder so für sondern nachreichend ein kleines Modell, was ist ein Gemneigfleisch oder so was?

1:10:42 [SPEAKER_00]: Reifter vollkommen aus und solche Bewertungen dann zu machen. [SPEAKER_00]: Dafür ist es interessant und auch bestimmten Rhelewandest tun. [SPEAKER_01]: Nur damit ihr mal auch noch mal klugcheißen kann an die. [SPEAKER_01]: Du hat es dir der Ministerisch gemeint nicht in dem Potent, oder?

1:10:54 [SPEAKER_01]: Du bist in Ramkwoven hast. [SPEAKER_01]: Du hast noch noch einen Nachträglich noch zu perfektem Korrektür. [SPEAKER_02]: Ja, ja, ja, es richtig. [SPEAKER_02]: Ja, aber hey! [SPEAKER_02]: Also, wie ist es nahe bei der Nander? [SPEAKER_01]: Es ist dann auch in dem Potentkase, wenn das überschreißen oder weniger.

1:11:09 [SPEAKER_02]: Ja, ja. [SPEAKER_02]: Genau. [SPEAKER_02]: Korrigit Kräurgier, gut, eine klugscheißerei selber, wenigstens lernen zu finde ich super Wolfi. [SPEAKER_02]: Aber auch, ne, wie nehmen Freitag ab, auf der kann man so etwas sehen. [SPEAKER_02]: Aber worauf ich eigentlich hinaus möchte, ist, wenn du sagst, okay, AI ist problematisch und auf der anderen Seite sagst du, okay, er habt auch nicht der Terministische.

1:11:25 [SPEAKER_02]: Ja, ich lerne auch unsere Fly. [SPEAKER_02]: Prozesse, die immer dasselbe rausgeben. [SPEAKER_02]: Ich meine, ihr müsst ja so oder so im Endeffekt irgendwie Qualitätsmechanismus haben und zu sagen, okay, diese Daten sind so wie wir sie haben wollen oder in diesem Qualitäten Level sowie haben wollen und im Endeffekt kann es du dann auch eigentlich doch auch mal die ganze Zeit abites fahren und sagen, okay, du schmeißt eine komplette Prozesse weg.

1:11:46 [SPEAKER_02]: Letzt die Ereimer einfach machen, promt es da ein bisschen durch und lässt eine Qualitätsleppe... Na klar, sage laufen und das okay ist gut ist schlecht. [SPEAKER_00]: Absolut, das ist ja auch unsere Aufgabe, wenn wir als Datenprodukt anbieter irgendwie das machen und die Produktentwicklung sicher auch weiterentwickeln möchte, ist das natürlich Teil der Aufgabe.

1:12:07 [SPEAKER_00]: Wenn am Ende so so rasant wie sich halt das Feld entwickelt, besteht halt immer die Chance, das tun am Ende vielleicht sogar ein qualitativ besseres Ergebnis, bei gleichem, [SPEAKER_00]: aufwandt oder im Taun-Suchstation, vielleicht begrengen und aufwandt sogar hinbekommt. [SPEAKER_00]: Und da dürfen wir uns natürlich, also ich jetzt sagen, wir dürfen es dann nicht vorforschließen.

1:12:25 [SPEAKER_00]: Wir müssen diese Fälle dafür uns erforschen, um unser Produkt einfach besser zu machen. [SPEAKER_02]: Komm mit zum Ender, komm mit zum Rap-Up, jetzt schäde ich vor. [SPEAKER_02]: Ich steig irgendwann mal auf. [SPEAKER_02]: Vielleicht bin aktuell in Genie-Romeger und ich werde gerne, ich bin mal irgendwann direkt.

1:12:38 [SPEAKER_02]: Ja, das ist also echt, ich sag mal, in meinst ihr viel gezwungen, Senior Engineering-Manager zwischen und danach kommt dann in der Regel dann die Direct-Aposition. [SPEAKER_02]: Was würdest du mir als einem neuen Data-Direct-Direct-Doraten, wenn ich gerade anfange meine Organisation für die Zukunft vorzubereiten und auch ein Daten-Seprodukt-Team auf bin?

1:13:00 [SPEAKER_01]: Was ist, was sind die, was ich kurz zuerst antworten an, wenn Du mal direkt du wößen, dann auch noch 4 Daten verantwortlich bist. [SPEAKER_01]: Deinem Vorschlag, gerade n8n, einzusetzen und den einfachen im Product, oder zu geben und die sollen dann alles selber bauen. [SPEAKER_01]: Das ist keine gute Idee, aber jetzt lasst im Profi unter.

1:13:15 [SPEAKER_02]: Also Wolfgang Wolfgang, ich möchte mal ganz kurz sagen, ja, da kommt das gerade der alte Weiße Mann, sprich von Krieg, ne, so nach dem Motto das haben wir noch nie so, ne, das haben wir schon immer so gemacht, so bleibt das jetzt ja auch und jetzt kommt ich als innovativer Jungspunkt um die Ecke, ja, verstehst du, der mit am Puls der Zeit am Puls von Hecker News einmal lebt.

1:13:31 [SPEAKER_01]: Du hast ja uns alte Herden gerade gefragt, also ihr mit meinen Seif dazu gegeben, jetzt hat er hat da Maria noch die Möglichkeit. [SPEAKER_00]: Also erst mal, ich würde glaube ich sagen, dass es so ein ernaht empfinde product ohne product manager ist. [SPEAKER_00]: Vielleicht einfach gar keine schlechte Idee ist, um die Leute auf Ideen zu bringen.

1:13:48 [SPEAKER_00]: Das muss man halt nur ganz klar abtreten und den Leuten halt wirklich sehr, sehr deutlich sagen, dass wir jetzt nicht. [SPEAKER_00]: Man nimmt ja auch nicht mehr, dass du küttern nur produktiv. [SPEAKER_00]: Also das sollte man ja auch nicht mal an den zufen, ist ein ernaht in die auch kein Produktionstuhl in diesem Kontext.

1:14:03 [SPEAKER_00]: Teil super für meine Haushaltermation, aber in einem umfeld einer professionellen Arbeitenden Firma ist es auch kein Produktionsschuld für mich, zumindest nicht in dem Bereich in dem Jahr weiter, ich möchte nicht verandere uns sprechen, aber ein super Enablement für für product Manager, aber jetzt auf deine Frage zu antworten an die, das ist und ich glaube so ein Querschnitt ist, dass aus verschiedenen Dingen, wenn du gerade anfängst, musst du glaube ich dir überlegen, was das richtige Profil von Mitarbeiter ist, was du einstellen möchtest.

1:14:29 [SPEAKER_00]: Also was für Leute sollen das sein, aus zwei Gründen, die müssen lust auf diese Tief und diese komplexität haben, also die müssen Spaß daran haben, sich mit dieser Tiefen zu beschäftigen und die Daten auch zu verstehen. [SPEAKER_00]: Und die ersten fünf Leute definieren auch deine Kultur.

1:14:45 [SPEAKER_00]: Aber das ist jetzt nicht unique zu meinem Umfeld, sondern ich glaube, das ist generell einfach so, dass du da deine Kultur richtig definieren musst. [SPEAKER_00]: Wenn du die ersten vom Leute sagst, einfach mal mit dieser Lust auf Tiefen und Komplexität hast und die halt wirklich auch mitdenken und die Datenheit nicht nur als, was sehen, was sie von A nach B schieben müssen, sondern wirklich sich da auch reindenken und bottom ab, dann auch wirklich innovation betreiben wollen, dann stelltst du eine Organisation wirklich auf solide auf den soligen Untergrund.

1:15:17 [SPEAKER_00]: Der zweite große Thema ist, glaube ich, ich würde sogar fast sagen, für alle Daten Teams relevant, also egal, ob analogisch orientiert oder jetzt Datenproduktorientiert, dass du die Valleokontribuschen erkennen machen musst für die Teams. [SPEAKER_00]: In den seltenen Fan produzierst du Daten direkt für den Kunden.

1:15:36 [SPEAKER_00]: Also es ist wirklich aus meiner Erfahrung her selten. [SPEAKER_00]: Also, wir haben jetzt bei uns, ich habe in meiner Organisation, ich bin für zwei Produkte fahren, vor allem eins geht halt direkt an den Kunden. [SPEAKER_00]: Da ist die Value-Kontribuschen klar, das andere ist zwei Ebenen von Kunden entfernt.

1:15:51 [SPEAKER_00]: Und das ist hart einmal kulturell hart, weil dann muss da irgendwie Commitments schaffen. [SPEAKER_00]: Und auf der anderen Seite halt auch zu verstehen, was für ein Impact dann erarbeitet hat und dann die Freude daran zu behalten, ist auch schwer. [SPEAKER_00]: Also das ist was was im aktiv Manager muss.

1:16:04 [SPEAKER_00]: Und da kannst du mit Produktmenschen, als mit Produktmenschen oder Männer oder Manager, oder was auch immer zusammenarbeitet. [SPEAKER_00]: Und du brauchst ja dieses Kunden Feedback. [SPEAKER_00]: Du brauchst dieses LED Datenleben bei Kunden. [SPEAKER_00]: Und kann man das machen, die beim Kunden.

1:16:17 [SPEAKER_00]: Weil wir das so machen in der Qualität können die, kann einem ganz tollen Dinge machen. [SPEAKER_00]: Also haben irgendwie keine Sicht eine Druck schneller gelohnt oder haben verstanden, wie was das sich wieder auflevels von unten eine Druck ist. [SPEAKER_00]: Und deswegen können jetzt die nächste Situation viel besser machen oder so.

1:16:33 [SPEAKER_00]: Also diesen Real-Life Impact irgendwie zu verstehen, es ist super schwierig für da ein Teams. [SPEAKER_02]: Mario, vielen, vielen Dank. [SPEAKER_02]: Tolle Episode mit einem gesunden Mix aus Leadership, aber auch technische Achtectur, wie zum Beispiel aber so ein S3 wird heute noch ohne SQS genutzt oder vielleicht sollte man es deswegen genau ohne SQS nutzen, was nicht als weg auf Sprecher dann genutzt wird.

1:16:54 [SPEAKER_02]: Es lebe der BESTOP. [SPEAKER_02]: Es ist lebe der Bachelor, ja und das, dass jemand effektiv und sagt, okay, bedscheicht mir und realtime brauche ich nicht mehr, hab man ja auch selten viele Leute streiten. [SPEAKER_01]: Nein, eigentlich hat man das immer in der Realität, wo die sagen, aber man hört es selten.

1:17:10 [SPEAKER_02]: Nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein, nein [SPEAKER_02]: Von daher war ja viel nie im Dank für diese beiden sichten hat mir sehr viel Spaß gemacht.

1:17:28 [SPEAKER_02]: Wie immer gilt, wir haben in den Shownuts die üblichen Verdächtigen an links natürlich zu ätlichen Technologien, wir haben noch sie PrestoDB, Deltaformat, Erbeid, Airflow, Spark und so weiter. [SPEAKER_02]: Hab man natürlich auch Mario's Link in Profilfalls ihr, dem Herrn mal eine Frage stellen wollt oder auch sein Block 2nd in der Lein jetzt mit dem erneuten Druck ein non-bockpust zu folgen.

1:17:51 [SPEAKER_00]: Ich denke auch, ich weinen, dass wir das hier so in Schöner und dann machen dürfen, dass ich hier sein durfte. [SPEAKER_00]: Ich habe es sehr genossen und vielen Dank. [SPEAKER_00]: Vielen Dank. [SPEAKER_00]: Vielen Dank. [SPEAKER_02]: Falls ihr noch ein paar Kommentare zu datatient habt, oder falls ihr sogar datatives leitet und die haben eine ganz andere Ansicht als El Mario, springt doch mal kurz in unsere Diskuff Community und gibt uns da ein bisschen Feedback.

1:18:11 [SPEAKER_02]: Jedes Feedback zu dieser Episode leit mir natürlich an Mario weiter. [SPEAKER_02]: Aber ich glaube, der machen es, glaube ich, auch nur Diskuff Community, glaube ich, ich hab den da auch. [SPEAKER_00]: Ich bin mit drin und ich werde auch sehr, sehr gerne mit euch in die Diskussion gehen und es ist vollkommen normal, dass andere Einstellungen, andere Systeme, andere Implementierung existieren.

1:18:27 [SPEAKER_01]: Ist der Grund für diesen Podcast, wenn sonst könnt ihr nie mehr in Andere zusammenarbeiten? [SPEAKER_01]: Ist schon okay. [SPEAKER_01]: Andere Meinungen sind gut. [SPEAKER_01]: Ja, super. [SPEAKER_01]: Das war's von uns. [SPEAKER_01]: Wir hören uns nächste Woche wieder und tschüss. [SPEAKER_02]: Ciao und tschüss.