Cloud e dati
Parliamo del tuo progetto →BigQuery: quando la freschezza dei metadati basta per fidarsi del dato
Guida pratica per capire quando la freschezza dei metadati in BigQuery è sufficiente, come verificarla e quando valutare una reservation dedicata.
Scopri di più →BigQuery: quando conviene configurare un default data policy project per i data governance tags
Quando BigQuery gestisce tabelle e policy su più progetti, il default data policy project aiuta a far valere le regole colonnari dove servono davvero, con un test simulato e limiti chiari.
Scopri di più →Dal KPI alla tabella sorgente: usare il lineage in BigQuery e Knowledge Catalog
Guida operativa al lineage in Google Cloud per risalire da un KPI di dashboard alle tabelle sorgenti, con esempio simulato di modifica a una colonna, ruoli di verifica e limiti di copertura e configurazione da dichiarare.
Scopri di più →Riconciliare una voce di fattura AWS con centro di costo e responsabile
Guida operativa per riconciliare una voce già fatturata di AWS con centro di costo e responsabile, gestendo eccezioni, non allocati e verifiche.
Scopri di più →BigQuery: come decidere tra policy tags e data governance tags per proteggere le colonne sensibili
Guida pratica per scegliere tra policy tags e data governance tags in BigQuery: differenze operative, prerequisiti, esempio simulato e checklist di verifica per proteggere colonne sensibili senza complicare la governance.
Scopri di più →Dashboard aggiornata o solo aperta oggi? Verificare la freschezza dei dati
Il framework GOV.UK lega la qualità del dato all’uso previsto e alla chiarezza verso gli utenti. Questo articolo traduce il principio in un controllo pratico sulla freschezza di una dashboard.
Scopri di più →PostgreSQL lento: leggere un piano di query prima di aggiungere un indice
Guida pratica: leggere EXPLAIN prima di aggiungere un indice, distinguendo stime e misure reali e verificando il piano in un ambiente controllato.
Scopri di più →Risorse cloud senza proprietario: un inventario con tag prima di decidere cosa spegnere
Guida operativa: i tag AWS aiutano a costruire un inventario leggibile, verificare ownership e scopo e decidere con metodo se una risorsa cloud va mantenuta, approfondita o dismessa.
Scopri di più →Il database GitLab del 2017: retrospettiva su backup e segnali di errore
Il post-mortem GitLab del 2017 mostra come backup, notifiche e ripristino siano verifiche diverse. La retrospettiva suggerisce un esercizio semplice: inventario, prova di segnalazione e recupero di un dataset di test, senza toccare la produzione.
Scopri di più →AWS Backup: come progettare una prova di ripristino che verifichi anche l’applicazione
Una prova di ripristino è utile solo se verifica anche la capacità dell’applicazione di usare i dati recuperati. Questa scheda propone criteri, ambiente, controlli e chiusura del test in uno scenario simulato, distinguendo ripristino e verifica applicativa.
Scopri di più →BigQuery e i data governance tags: come proteggere le colonne sensibili senza rifare il data model
BigQuery introduce i data governance tags per applicare accesso selettivo e masking a livello di colonna. L’articolo spiega quando convengono, quali prerequisiti servono, come impostare un flusso minimo e quali controlli fare prima del rilascio in una PMI.
Scopri di più →Budget, anomalia e previsione su AWS: come leggerli senza confonderli
Guida operativa in italiano su AWS Budgets e AWS Cost Anomaly Detection per PMI: distinzione tra budget, anomalia e previsione; ritardi di aggiornamento; procedura di configurazione e verifica; esempio simulato; checklist e tabella delle ipotesi da controllare prima di eliminare una risorsa.
Scopri di più →Cloudflare: perché un guasto interno può sembrare un attacco, e come preparare una PMI
Retrospettiva sul disservizio Cloudflare del 18 novembre 2025: guasto interno, sequenza dell’incidente e piano operativo per PMI su dipendenze, canale di stato indipendente, fallback e ripristino.
Scopri di più →BigQuery: quali controlli servono prima di automatizzare i KPI
BigQuery introduce funzioni di augmented analytics per driver, trend, change point, stagionalità e stime causali. L’articolo spiega quali controlli servono prima di automatizzare l’analisi dei KPI: qualità del dato, definizione delle metriche, permessi, costi e supervisione umana.
Scopri di più →