<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>Qualidade-De-Dados on Python Brasil — Aprenda Python em Português</title>
    <link>https://python.dev.br/tags/qualidade-de-dados/</link>
    <description>Recent content in Qualidade-De-Dados 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/qualidade-de-dados/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>dbt com Python: Analytics Engineering para Dados Confiáveis</title>
      <link>https://python.dev.br/blog/dbt-python-analytics-engineering/</link>
      <pubDate>Sun, 31 May 2026 00:00:00 +0000</pubDate>
      <guid>https://python.dev.br/blog/dbt-python-analytics-engineering/</guid>
      <description>&lt;p&gt;Quem trabalha com Python em dados costuma começar com scripts: um arquivo lê CSV, outro consulta uma API, outro limpa colunas, outro gera uma planilha. Esse caminho é natural para aprender, mas fica difícil de manter quando a análise vira rotina do time. Sem uma camada organizada de transformação, cada dashboard passa a ter sua própria regra de negócio, os nomes de colunas mudam sem aviso, o mesmo cálculo aparece em três lugares e ninguém sabe se a tabela final ainda está confiável.&lt;/p&gt;</description>
    </item>
    <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>
