<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>Great-Expectations on Python Brasil — Aprenda Python em Português</title>
    <link>https://python.dev.br/tags/great-expectations/</link>
    <description>Recent content in Great-Expectations on Python Brasil — Aprenda Python em Português</description>
    <generator>Hugo</generator>
    <language>pt-br</language>
    <lastBuildDate>Sun, 31 May 2026 11:40:27 +0000</lastBuildDate>
    <atom:link href="https://python.dev.br/tags/great-expectations/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>Great Expectations com Python: Testes de Qualidade de Dados</title>
      <link>https://python.dev.br/blog/great-expectations-qualidade-dados-python/</link>
      <pubDate>Sun, 31 May 2026 00:00:00 +0000</pubDate>
      <guid>https://python.dev.br/blog/great-expectations-qualidade-dados-python/</guid>
      <description>&lt;p&gt;Qualidade de dados é uma das diferenças mais claras entre um script que roda uma vez e um projeto Python pronto para trabalho real. Em uma planilha pequena, talvez você perceba manualmente que uma coluna veio vazia, que uma data está no formato errado ou que um valor de venda ficou negativo. Em um pipeline recorrente, esse tipo de erro passa silenciosamente para dashboards, modelos, relatórios financeiros, automações de CRM e decisões de negócio.&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
