DataOps verspricht Verbesserungen bei Qualität und Cycle Times für Data Analytics. Mittels Sample-Architektur in Azure können kontinuierlich neue oder sich ändernde Datenquellen und Umgebungen per Infrastructure as Code erstellt und erfasst werden. Ein Pipeline as Code-Ansatz ermöglicht CI/CD entlang fixed-code und fixed-data - Perspektiven für Sandboxen und Analyst-Umgebungen.

In der Session betrachten wir hands-on IasC-basiertes Deployment und Azure DevOps Integration mit Azure Data Factory, Azure Data Lake Storage, Synapse Analytics und Databricks, wie eine Integration mit Data Validation erstellt wird und welche Erkenntnisse sich für Entwickler von kleinen wie mittelgroßen Umgebungen ableiten lassen.