דאטה בפיתה - פודקאסט לדאטה אנליסטים
Microsoft Data Analysts Club
25 פרקים
על התוכנית
הפודקאסט עוסק בבינה עסקית, אנליטיקה, ותרבות ארגונית מונעת נתונים. התובנות של מנחי הפודקאסט מגיעות מעבודה יום יומים עם לקוחות, חיבור לקהילה הישראלית והבינלאומית, ולא ממקום של מחקר או בתנאי "מעבדה". מנחי הפודקאסט מנהלים את קהילת Microsoft Data Analysts Club תיהנו!
מה זה דאטה בפיתה - פודקאסט לדאטה אנליסטים?
דאטה בפיתה - פודקאסט לדאטה אנליסטים הוא פודקאסט ישראלי בקטגוריית הייטק וסטארטאפים מאת Microsoft Data Analysts Club. הפודקאסט המקצועי שמגשר על הפער בין הנתונים הטכניים להצלחה העסקית בארגון. בארכיון 25 פרקים, פרק חדש בערך פעם בחודש, אורך פרק ממוצע כ-57 דקות.
| קטגוריה | הייטק וסטארטאפים |
|---|---|
| פרקים בארכיון | 25 |
| תדירות (מהפרקים האחרונים) | פרק חדש בערך פעם בחודש |
| אורך פרק ממוצע (בפרקים האחרונים) | כ-57 דקות |
| הפרק האחרון | 5 במאי 2026 |
| פרקים עם ניתוח עומק | 7 |
עודכן:
המשרה הראשונה היא המשוכה - וככה עוברים אותה
אורי ואלון חוזרים מפגרה ועונים לסטודנט שמתלבט איך להיכנס לעולם הדאטה. התשובה שלהם ישירה: הקושי האמיתי הוא לא הטכניקה אלא להשיג את התפקיד הראשון, ואחרי שהוא ביד - הניסיון נצבר תוך כדי תנועה.
הם מפרקים את הוויכוח הישן - תואר מול ניסיון: בתאגיד גדול או במגזר הציבורי התואר לפעמים תנאי סף, אבל לעבודה היומיומית הוא לא הכרחי. והטיפ הכי שימושי לג'וניור: היום אפשר לבנות תיק עבודות מרשים בעזרת כלי AI, וזה מה שמבדל אותך כשאין עדיין ניסיון.
מעבר לקריירה, השניים מביאים זווית של אנשי שטח - שניהול נתונים הוא קודם כל תפיסה ניהולית, ושהערך לא בכלי הוויזואליזציה אלא בבעיה העסקית שהוא פותר.
הפודקאסט המקצועי שמגשר על הפער בין הנתונים הטכניים להצלחה העסקית בארגון.
המנחה
המנחים אורי ואלון הם אנשי מקצוע מנוסים מעולמות ה-IT והדאטה, המביאים זווית פרקטית ואסטרטגית לניהול נתונים בארגונים. הם מפגינים גישה חונכת ומעודדת כלפי מאזינים בתחילת דרכם, תוך הדגשת החשיבות שבחיבור בין הצד הטכני לצרכים העסקיים.
הסגנון
הפודקאסט מתאפיין בסגנון הגשה מקצועי, ענייני ופרקטי, תוך התמקדות בפתרון בעיות אמיתיות מהשטח. הפרקים מובנים בצורה ברורה, משלבים דיונים עמוקים עם המלצות ישימות, ומעניקים ערך מקצועי מובהק לקהל המאזינים.
תובנות הזהב מהארכיון
- ניהול נתונים הוא קודם כל תפיסה ניהולית ותרבות ארגונית ולא רק פרויקט טכנולוגי.
- הבנה עמוקה של הצרכים העסקיים היא תנאי הכרחי להצלחה של כל פרויקט טכנולוגי או אנליטי.
- הערך המקצועי האמיתי טמון בפתרון בעיות עסקיות ולא רק בבניית כלי ויזואליזציה.
- טכנולוגיות חדשות דורשות התאמה של תהליכי העבודה אך לא מחליפות את הצורך בהבנה עסקית מעמיקה.
התוכנית מתאימה לאנשי דאטה, אנליסטים, מפתחים ומנהלים המבקשים לשפר את יכולותיהם המקצועיות, להבין את אסטרטגיית הנתונים הארגונית ולנווט בעידן הטכנולוגי המשתנה.
השאלות הבולטות בארכיון
איך לדעתך אפשר להיכנס לעולם הזה ולהתחיל מתפקיד שאני רוצה, בלי לבזבז זמן על משרה שלא תביא לי ניסיון?
איך אפשר להתחיל לעבוד בתחום הדאטה ולצבור ניסיון רלוונטי כסטודנט שמחפש את המשרה הראשונה?
האם מנהלים בכירים באמת ינטשו דשבורדים ויעברו לתחקר נתונים מול סוכן AI בכל בוקר?
מה עושים עם הדשבורד שבנינו אחרי שהפרויקט הסתיים והוא נראה יפה בעינינו?
מה המטרה הגדולה מאחורי העובדה שאני צריך להכיר מה הארגון עושה?
איך מתחילים? מה המנכ"ל אמור לעשות כדי להתחיל תהליך של אסטרטגיית ניהול דאטה בארגון?
האם נכון להשתמש ברענון אינקרמנטלי בטבלה של 600 מיליון רשומות שיושבת על מערכת תפעולית?
7 פרקים = 7 מאמרים אפשריים. כל פרק בארכיון יכול להפוך למאמר עברי SEO/GEO שמדורג בגוגל ומצוטט במנועי AI.
נושאים שהתוכנית עוסקת בהם
פרקים עם ניתוח מלא
- פרק 25 - ברוכים הבאים לעולם הדאטה, איך נכנסים?
- פרק 24 - החידושים ב- GitHub Copilot ואיך הם ישנו את עבודת האנליסט?
- פרק 23 - למה אף אחד לא משתמש בדשבורד?
- פרק 22 - אסטרטגיות לניהול דאטה חלק ב' - איל מיכלוביץ'
- פרק 21 - אסטרטגיות לניהול דאטה - איל מיכלוביץ
- עדכון אינקרמנטלי ב- Power BI ואפשרויות בינה מלאכותית חדשות
הפרק עוסק בחזרה מהפגרה ומציע עצות פרקטיות למחפשי עבודה בתחילת דרכם בעולם הדאטה בתקופת ה-AI.
המנחים אורי ואלון פותחים את הפרק לאחר פגרה, משתפים רקע אישי ומקצועי על דרכם בעולמות ה-IT והדאטה, ומשיבים לפנייה של מאזין סטודנט המתלבט לגבי השתלבות בתעשייה. הפרק מתמקד בקושי האובייקטיבי של ג'וניורים למצוא את המשרה הראשונה, במיוחד בתקופת אי-ודאות של שינויים טכנולוגיים. המאזינים יקבלו תובנות על חשיבות התואר מול ניסיון מעשי, והמלצות על בניית תיק עבודות כדי להתבלט בשוק. מדובר בפרק חובה למי שמחפש הכוונה מקצועית בתחילת דרכו בתחום הנתונים.
- השוק בתחום הדאטה אינו מחייב בהכרח תואר אקדמי ייעודי לעבודה יומיומית, למרות שבארגונים מוסדיים גדולים התואר מהווה לעיתים תנאי סף.
- החלק המאתגר ביותר בקריירה בתחום הדאטה הוא השגת המשרה הראשונה, ולאחר מכן היכולת להוכיח התאמה מקצועית.
- כיום ניתן להשתמש בכלי AI כדי לבנות תיק עבודות איכותי ומקצועי, המהווה יתרון משמעותי עבור ג'וניורים חסרי ניסיון.
- בתקופה שבה השוק עובר תהפוכות עקב טכנולוגיות חדשות, עדיף לעיתים להתחיל מכל משרה רלוונטית בשטח כדי לצבור ניסיון, גם אם אינה מושלמת על הנייר.
איך לדעתך אפשר להיכנס לעולם הזה ולהתחיל מתפקיד שאני רוצה, בלי לבזבז זמן על משרה שלא תביא לי ניסיון?
סוכם מתוך תמלול הפרק בעזרת AI. איך זה נעשה
פרק 25 - ברוכים הבאים לעולם הדאטה, איך נכנסים?
פרקים אחרונים
פרק 25 - ברוכים הבאים לעולם הדאטה, איך נכנסים?
5 במאי 202652 דק׳לניתוח המלא של הפרק ←אמ;לקסיכום הפרק
המנחים אורי ואלון פותחים את הפרק לאחר פגרה, משתפים רקע אישי ומקצועי על דרכם בעולמות ה-IT והדאטה, ומשיבים לפנייה של מאזין סטודנט המתלבט לגבי השתלבות בתעשייה. הפרק מתמקד בקושי האובייקטיבי של ג'וניורים למצוא את המשרה הראשונה, במיוחד בתקופת אי-ודאות של שינויים טכנולוגיים. המאזינים יקבלו תובנות על חשיבות התואר מול ניסיון מעשי, והמלצות על בניית תיק עבודות כדי להתבלט בשוק. מדובר בפרק חובה למי שמחפש הכוונה מקצועית בתחילת דרכו בתחום הנתונים.
קראו עוד ▾הציגו פחות ▴- השוק בתחום הדאטה אינו מחייב בהכרח תואר אקדמי ייעודי לעבודה יומיומית, למרות שבארגונים מוסדיים גדולים התואר מהווה לעיתים תנאי סף.
- החלק המאתגר ביותר בקריירה בתחום הדאטה הוא השגת המשרה הראשונה, ולאחר מכן היכולת להוכיח התאמה מקצועית.
- כיום ניתן להשתמש בכלי AI כדי לבנות תיק עבודות איכותי ומקצועי, המהווה יתרון משמעותי עבור ג'וניורים חסרי ניסיון.
- בתקופה שבה השוק עובר תהפוכות עקב טכנולוגיות חדשות, עדיף לעיתים להתחיל מכל משרה רלוונטית בשטח כדי לצבור ניסיון, גם אם אינה מושלמת על הנייר.
ש&תשאלות ותשובות מהפרק▾על מה הפרק הזה?
המנחים אורי ואלון פותחים את הפרק לאחר פגרה, משתפים רקע אישי ומקצועי על דרכם בעולמות ה-IT והדאטה, ומשיבים לפנייה של מאזין סטודנט המתלבט לגבי השתלבות בתעשייה. הפרק מתמקד בקושי האובייקטיבי של ג'וניורים למצוא את המשרה הראשונה, במיוחד בתקופת אי-ודאות של שינויים טכנולוגיים. המאזינים יקבלו תובנות על חשיבות התואר מול ניסיון מעשי, והמלצות על בניית תיק עבודות כדי להתבלט בשוק. מדובר בפרק חובה למי שמחפש הכוונה מקצועית בתחילת דרכו בתחום הנתונים.
▾מהן התובנות המרכזיות מהפרק?
השוק בתחום הדאטה אינו מחייב בהכרח תואר אקדמי ייעודי לעבודה יומיומית, למרות שבארגונים מוסדיים גדולים התואר מהווה לעיתים תנאי סף. · החלק המאתגר ביותר בקריירה בתחום הדאטה הוא השגת המשרה הראשונה, ולאחר מכן היכולת להוכיח התאמה מקצועית. · כיום ניתן להשתמש בכלי AI כדי לבנות תיק עבודות איכותי ומקצועי, המהווה יתרון משמעותי עבור ג'וניורים חסרי ניסיון. · בתקופה שבה השוק עובר תהפוכות עקב טכנולוגיות חדשות, עדיף לעיתים להתחיל מכל משרה רלוונטית בשטח כדי לצבור ניסיון, גם אם אינה מושלמת על הנייר.
פרק 24 - החידושים ב- GitHub Copilot ואיך הם ישנו את עבודת האנליסט?
2 בפברואר 20261 שע׳ 1 דק׳לניתוח המלא של הפרק ←אמ;לקסיכום הפרק
הפרק מארח את טל אפטר לדיון על השינוי המשמעותי שעובר עולם הדאטה בעקבות כלי AI חדשים. המשתתפים בוחנים כיצד שילוב סוכני AI בסביבות פיתוח ודאטה מאפשר לאנליסטים ולמשתמשים עסקיים לתחקר נתונים באמצעות שפה טבעית במקום דרך דשבורדים. הפרק מיועד לאנשי דאטה ומפתחים המבקשים להבין את העתיד המקצועי שלהם בעידן של מודלים משתפי פעולה.
קראו עוד ▾הציגו פחות ▴- כלי AI מאפשרים לאנשי דאטה לבצע תחקור עסקי ישיר מול קבצי נתונים מקומיים ללא הכנה מוקדמת מורכבת.
- השאיפה בעתיד הקרוב היא שסוכני AI יחליפו חלק ניכר מהצורך בבניית דשבורדים ידניים עבור הדרג הניהולי.
- האתגר המרכזי במעבר לתחקור נתונים אוטומטי הוא הקונטקסט שהעוזר האנושי מספק כיום ולא קיים עדיין במידה מספקת בסוכני ה-AI.
ש&תשאלות ותשובות מהפרק▾על מה הפרק הזה?
הפרק מארח את טל אפטר לדיון על השינוי המשמעותי שעובר עולם הדאטה בעקבות כלי AI חדשים. המשתתפים בוחנים כיצד שילוב סוכני AI בסביבות פיתוח ודאטה מאפשר לאנליסטים ולמשתמשים עסקיים לתחקר נתונים באמצעות שפה טבעית במקום דרך דשבורדים. הפרק מיועד לאנשי דאטה ומפתחים המבקשים להבין את העתיד המקצועי שלהם בעידן של מודלים משתפי פעולה.
▾מהן התובנות המרכזיות מהפרק?
כלי AI מאפשרים לאנשי דאטה לבצע תחקור עסקי ישיר מול קבצי נתונים מקומיים ללא הכנה מוקדמת מורכבת. · השאיפה בעתיד הקרוב היא שסוכני AI יחליפו חלק ניכר מהצורך בבניית דשבורדים ידניים עבור הדרג הניהולי. · האתגר המרכזי במעבר לתחקור נתונים אוטומטי הוא הקונטקסט שהעוזר האנושי מספק כיום ולא קיים עדיין במידה מספקת בסוכני ה-AI.
פרק 23 - למה אף אחד לא משתמש בדשבורד?
1 בינואר 20261 שע׳ 2 דק׳לניתוח המלא של הפרק ←אמ;לקסיכום הפרק
בפרק השלישי בסדרה על אסטרטגיות לניהול דאטה, המשתתפים דנים בשלב שלאחר סיום פרויקט BI. הם מסבירים מדוע בניית דשבורד יפה אינה מספיקה, ומדוע קריטי לבסס אמון במערכת באמצעות נתונים נכונים, בדיקות עם משתמשי מפתח והנגשת תובנות עסקיות אמיתיות. הפרק מיועד לאנליסטים ומנהלים המבקשים להבטיח אימוץ ושימוש מושכל בדוחות שהם מפתחים.
קראו עוד ▾הציגו פחות ▴- הסיכון הגדול ביותר הוא יצירת דוח שלא משתמשים בו כלל, לעיתים אף יותר משימוש לא נכון בנתונים.
- יש לבצע בדיקות נכונות של הנתונים מול המערכת התפעולית עוד לפני ההתעסקות בעיצוב הוויזואלי.
- מעורבות של משתמשי מפתח בתהליך הבדיקות חיונית לבניית אמון ולווידוא שהמדדים מובנים ורלוונטיים לעבודה השוטפת.
- הוספת אפשרויות Drill-down מסייעת למשתמשים להבין את מקור הנתונים ומחזקת את אמינות הדוח בעיניהם.
- חשוב לאפיין מראש את הרמה הטכנית של קהל היעד כדי להתאים את הדוח לצורכיהם, בין אם הם מנהלים בכירים או אנליסטים.
ש&תשאלות ותשובות מהפרק▾על מה הפרק הזה?
בפרק השלישי בסדרה על אסטרטגיות לניהול דאטה, המשתתפים דנים בשלב שלאחר סיום פרויקט BI. הם מסבירים מדוע בניית דשבורד יפה אינה מספיקה, ומדוע קריטי לבסס אמון במערכת באמצעות נתונים נכונים, בדיקות עם משתמשי מפתח והנגשת תובנות עסקיות אמיתיות. הפרק מיועד לאנליסטים ומנהלים המבקשים להבטיח אימוץ ושימוש מושכל בדוחות שהם מפתחים.
▾מהן התובנות המרכזיות מהפרק?
הסיכון הגדול ביותר הוא יצירת דוח שלא משתמשים בו כלל, לעיתים אף יותר משימוש לא נכון בנתונים. · יש לבצע בדיקות נכונות של הנתונים מול המערכת התפעולית עוד לפני ההתעסקות בעיצוב הוויזואלי. · מעורבות של משתמשי מפתח בתהליך הבדיקות חיונית לבניית אמון ולווידוא שהמדדים מובנים ורלוונטיים לעבודה השוטפת. · הוספת אפשרויות Drill-down מסייעת למשתמשים להבין את מקור הנתונים ומחזקת את אמינות הדוח בעיניהם. · חשוב לאפיין מראש את הרמה הטכנית של קהל היעד כדי להתאים את הדוח לצורכיהם, בין אם הם מנהלים בכירים או אנליסטים.
פרק 22 - אסטרטגיות לניהול דאטה חלק ב' - איל מיכלוביץ'
2 בדצמבר 202549 דק׳לניתוח המלא של הפרק ←אמ;לקסיכום הפרק
אלון אוכיון ואייל מיכלוביץ' מסבירים למה אנשי דאטה ופיתוח חייבים לעצור וללמוד את העסק לפני שהם צוללים לנתונים. כשיודעים מה המטרה הגדולה, אפשר להגדיר שאלות עסקיות מדויקות יותר ולמנוע עבודה מיותרת. בסופו של דבר, היכולת לחבר את הטכנולוגיה לערך האמיתי שהיא נותנת היא מה שמפריד בין עבודה טכנית יבשה לבין עשייה משמעותית.
קראו עוד ▾הציגו פחות ▴- הבנת האסטרטגיה והפעילות העסקית רותמת את הצוות לפרויקט ומעלה את רמת המחויבות האישית.
- אנליסט שמכיר את המטרות העסקיות יכול להציע מדדים חכמים יותר מאלו שהתבקשו ממנו במקור.
- חפירה ושאלת שאלות קשות מול הלקוח מעידות על מקצועיות ומייצרות תוצאות טובות יותר מאשר פשוט למלא הוראות.
- היכולת להקשר נתונים למציאות היא יתרון אנושי שקשה להחליף אותו בכלים אוטומטיים.
ש&תשאלות ותשובות מהפרק▾על מה הפרק הזה?
אלון אוכיון ואייל מיכלוביץ' מסבירים למה אנשי דאטה ופיתוח חייבים לעצור וללמוד את העסק לפני שהם צוללים לנתונים. כשיודעים מה המטרה הגדולה, אפשר להגדיר שאלות עסקיות מדויקות יותר ולמנוע עבודה מיותרת. בסופו של דבר, היכולת לחבר את הטכנולוגיה לערך האמיתי שהיא נותנת היא מה שמפריד בין עבודה טכנית יבשה לבין עשייה משמעותית.
▾מהן התובנות המרכזיות מהפרק?
הבנת האסטרטגיה והפעילות העסקית רותמת את הצוות לפרויקט ומעלה את רמת המחויבות האישית. · אנליסט שמכיר את המטרות העסקיות יכול להציע מדדים חכמים יותר מאלו שהתבקשו ממנו במקור. · חפירה ושאלת שאלות קשות מול הלקוח מעידות על מקצועיות ומייצרות תוצאות טובות יותר מאשר פשוט למלא הוראות. · היכולת להקשר נתונים למציאות היא יתרון אנושי שקשה להחליף אותו בכלים אוטומטיים.
פרק 21 - אסטרטגיות לניהול דאטה - איל מיכלוביץ
2 בנובמבר 202556 דק׳לניתוח המלא של הפרק ←אמ;לקסיכום הפרק
אייל מיכלוביץ' מדגיש שניהול דאטה חייב להתחיל מהנהלה ומהבנת התהליכים העסקיים, לפני שנוגעים בכלל בטכנולוגיה. במקום לראות בנתונים רק חומר גלם לניתוח, הארגון צריך להכיר בהם כנכס לכל דבר. התהליך מתחיל במיפוי יסודי של זרימת העבודה ומערכות המידע, תוך שיתוף מנהלי היחידות העסקיות כבעלי הבית של המידע.
קראו עוד ▾הציגו פחות ▴- הדאטה הוא נכס ארגוני, וניהולו דורש הבנה עמוקה של מי רשאי לגשת למידע ומהי האחריות כלפיו.
- מיפוי תהליכים עסקיים הוא הצעד הראשון והקריטי ביותר, עוד לפני שבוחרים כלים טכנולוגיים או מנסים להטמיע בינה מלאכותית.
- הביזנס הוא הבעלים של הנתונים, ולא אנשי הטכנולוגיה; תפקידם של אנשי ה-IT הוא רק לתמוך בצרכים שהוגדרו מהשטח.
ש&תשאלות ותשובות מהפרק▾על מה הפרק הזה?
אייל מיכלוביץ' מדגיש שניהול דאטה חייב להתחיל מהנהלה ומהבנת התהליכים העסקיים, לפני שנוגעים בכלל בטכנולוגיה. במקום לראות בנתונים רק חומר גלם לניתוח, הארגון צריך להכיר בהם כנכס לכל דבר. התהליך מתחיל במיפוי יסודי של זרימת העבודה ומערכות המידע, תוך שיתוף מנהלי היחידות העסקיות כבעלי הבית של המידע.
▾מהן התובנות המרכזיות מהפרק?
הדאטה הוא נכס ארגוני, וניהולו דורש הבנה עמוקה של מי רשאי לגשת למידע ומהי האחריות כלפיו. · מיפוי תהליכים עסקיים הוא הצעד הראשון והקריטי ביותר, עוד לפני שבוחרים כלים טכנולוגיים או מנסים להטמיע בינה מלאכותית. · הביזנס הוא הבעלים של הנתונים, ולא אנשי הטכנולוגיה; תפקידם של אנשי ה-IT הוא רק לתמוך בצרכים שהוגדרו מהשטח.
עדכון אינקרמנטלי ב- Power BI ואפשרויות בינה מלאכותית חדשות
5 באוקטובר 202556 דק׳לניתוח המלא של הפרק ←אמ;לקסיכום הפרק
הפרק מוקדש לאתגרים טכניים בעבודה עם בסיסי נתונים גדולים ב-Power BI, תוך התמקדות בבעיות ביצועים של ה-Gateway. המנחים מנתחים מקרה בוחן של לקוח המשתמש בטבלה ענקית ישירות מול מערכת תפעולית. הם מסבירים את הרעיון והיתרונות של רענון אינקרמנטלי, אך מדגישים את הסיכונים שבו אם הוא לא מוגדר נכון מול בסיס הנתונים המקור. הפרק מספק תובנות מקצועיות על חשיבות ה-Query Folding וניהול נכון של עומסים.
קראו עוד ▾הציגו פחות ▴- רענון אינקרמנטלי עשוי להעביר את עומס הביצועים מה-Gateway אל מנוע ה-SQL, ולכן דורש אינדוקס מתאים כדי למנוע האטה של המערכת התפעולית.
- עבודה ישירה מול מערכת תפעולית אינה מומלצת, ועדיף להשתמש בשכבת ביניים כמו Data Warehouse כדי להפריד בין פעולות BI לעבודה שוטפת.
- טכניקת ה-Query Folding חיונית ליעילות, ומתרחשת רק כאשר מקור הנתונים תומך בכך והטרנספורמציות ב-Power Query ניתנות לביצוע בצד המקור.
ש&תשאלות ותשובות מהפרק▾על מה הפרק הזה?
הפרק מוקדש לאתגרים טכניים בעבודה עם בסיסי נתונים גדולים ב-Power BI, תוך התמקדות בבעיות ביצועים של ה-Gateway. המנחים מנתחים מקרה בוחן של לקוח המשתמש בטבלה ענקית ישירות מול מערכת תפעולית. הם מסבירים את הרעיון והיתרונות של רענון אינקרמנטלי, אך מדגישים את הסיכונים שבו אם הוא לא מוגדר נכון מול בסיס הנתונים המקור. הפרק מספק תובנות מקצועיות על חשיבות ה-Query Folding וניהול נכון של עומסים.
▾מהן התובנות המרכזיות מהפרק?
רענון אינקרמנטלי עשוי להעביר את עומס הביצועים מה-Gateway אל מנוע ה-SQL, ולכן דורש אינדוקס מתאים כדי למנוע האטה של המערכת התפעולית. · עבודה ישירה מול מערכת תפעולית אינה מומלצת, ועדיף להשתמש בשכבת ביניים כמו Data Warehouse כדי להפריד בין פעולות BI לעבודה שוטפת. · טכניקת ה-Query Folding חיונית ליעילות, ומתרחשת רק כאשר מקור הנתונים תומך בכך והטרנספורמציות ב-Power Query ניתנות לביצוע בצד המקור.
פרק 19 - מארחים את אודט מימוני
1 בספטמבר 202559 דק׳BI-פרק 18 - בינה מלאכותית בעולמות ה
4 באוגוסט 20251 שע׳ 5 דק׳פרק 17 - ממשקים בעבודת דאטה אנליסט - עם אסף טננבאום
8 ביולי 202553 דק׳פרק 16 - על היחסים בין דאטה אנליסט לבין דאטה אינג'ניר
3 ביוני 202557 דק׳
פודקאסטים דומים
טכנולוגיה חיובית
103fm
שיחות בין DBAs
Guy Glantser and Eitan Blumin
DATA & AI | מדברים עם מור ניצן
Mor Nitzan
רברס עם פלטפורמה
רברס עם פלטפורמה
דקות או פחות 30
אביב פרנקל
Startup for Startup
Powered by monday.com