Utm-метки в сквозной аналитике: особенности и проблемы

Спасибо за статью.
Добавил бы примеры использования параметров-меток в конкретных Рекламных Кабинетах:
Yandex.Direct
Google Adwords
Facebook

Сквозная Аналитика на Azure SQL + dbt + Github Actions + Metabase

Именно xq :)
pypi.org/project/xq

Apply XPath expressions to XML, like jq does for JSONPath and JSON.

Сквозная Аналитика на Azure SQL + dbt + Github Actions + Metabase

dbt на python написан, лучшего продукта для управления хранилищем данных я не встречал.
Так, да, plotly пробовал, отличный вариант тоже. Спасибо за рекомендацию.

Дата-инжиниринг в превосходных условиях

Использую неофициальный API: github.com/jamalex/notion-py
Для аутентификации достаю token из cookies, хватает на пару месяцев.

Дата-инжиниринг в превосходных условиях

leventov Принял, сделаю. Подпишитесь, чтобы не пропустить.

Дата-инжиниринг в превосходных условиях

Cервис Wheely поощрен внеконкурсной наградой за твердую позицию по сохранению конфиденциальности пользователей даже в ущерб своим экономическим интересам.
habr.com/ru/news/t/535080

Как компании выбрать инструменты для дата-инженеров и не превратить всё в технологический зоопарк: опыт PROFI.RU

Отличная статья, спасибо!

Data Build Tool или что общего между Хранилищем Данных и Смузи

Поддержка конкретной СУБД означает наличие адаптера (подключение, обертки и шаблоны кода, с учетом синтаксиса и особенностей).
Полная поддержка — для Postgres, Redshift, BigQuery, Snowflake и осуществляется dbt core maintainers (Fishtown Analytics).
Частичная — для движков Spark, Presto (в них нельзя сделать всё то, что и в полноценных СУБД).
Адаптер Microsoft SQL Server поддерживается коммьюнити.
Если интересующей вас СУБД в списке нет — вы можете добавить ее, написав свой адаптер и используя, например, JDBC. Подробнее в документации: Building a new adapter