Chad Sanderson, CEO de Gable.ai, es una figura prominente en la industria de la tecnología de datos, habiendo ocupado posiciones clave en datos en empresas líderes como Convoy, Microsoft, Sephora, Subway y Oracle. También es el autor del próximo libro de O’Reilly, “Data Contracts” y escribe sobre el futuro de la infraestructura de datos, el modelado y los contratos en su boletín “Data Products”.

¿Qué es Gable?

Gable es la primera plataforma de gestión de datos que desplaza a la izquierda, permitiendo a los desarrolladores construir y gestionar activos de datos de alta calidad desde el principio. La plataforma de Gable cierra la brecha crítica entre los equipos de datos y los desarrolladores para garantizar que los datos sean precisos, confiables y accionables en las organizaciones. El enfoque “Shift Left” de Gable incorpora la calidad y la gobernanza de los datos desde el principio en el desarrollo, similar a cómo DevOps optimizó la codificación. En lugar de que los equipos de datos pasen tiempo limpiando desordenes más tarde, el tratamiento de los datos es una responsabilidad compartida con los desarrolladores desde el principio utilizando contratos de datos inteligentes basados en API. ¿El resultado? No más tuberías rotas o depuración interminable.

¿Cuál es tu formación y por qué empezaste Gable?

He pasado la última década en la intersección de la infraestructura de datos y el software empresarial, tanto como comercializador como estratega de productos. Antes de Gable, trabajé con empresas como Convoy y Microsoft, resolviendo desafíos complejos de datos—desde bases de datos de código abierto hasta herramientas de observabilidad nativas de la nube. El hilo conductor siempre ha sido ayudar a los equipos a operacionalizar la confianza en sistemas en constante cambio.

La inspiración para Gable comenzó con una simple observación: los problemas de datos no comienzan en el almacén—comienzan en el código. Nuestro equipo fundador vio este patrón repetidamente: equipos de plataforma construyendo las abstracciones correctas, pero los datos aún llegaban rotos, desalineados o tarde. Queríamos mover la responsabilidad aguas arriba, dando a los equipos la capacidad de hacer cumplir las expectativas en el punto de creación, no después del hecho. Eso es lo que nos llevó a construir Gable.

¿Qué desafíos has encontrado en tu espacio y cómo los has abordado?

El mayor desafío es organizacional, no técnico. Convencer a los equipos de que la gobernanza no tiene que ser lenta. Hemos superado eso reuniéndonos con los ingenieros donde ya trabajan—GitHub, CI, revisión de código—y haciendo que la aplicación se sienta como una extensión natural de su flujo de trabajo.

¿Cómo se ve el éxito para tus clientes?

Los primeros adoptantes de Gable han visto una resolución más rápida de los problemas de datos en todos los ámbitos, con resultados iniciales que sugieren que el tiempo de resolución de incidentes puede mejorar hasta en un 70%, mientras que los ciclos de desarrollo para características dependientes de datos se aceleran en casi un 50%.

Un ejemplo más específico es que Glassdoor solía enfrentar múltiples incidentes críticos de datos cada mes, ralentizando el desarrollo y forzando a nuestros ingenieros de datos a un modo constante de solución de problemas. Los desarrolladores no tenían visibilidad de cómo sus cambios impactaban a los consumidores aguas abajo, creando cuellos de botella e inconsistencias. Ahora que usan los contratos de datos de Gable, han pasado tres meses sin un solo incidente—algo que no habían logrado en años. Sus ingenieros tienen barreras claras, la calidad de los datos está incorporada en el desarrollo, y sus equipos pasan más tiempo en análisis estratégicos e IA en lugar de arreglar tuberías rotas.

¿Cómo es Gable diferente de otras soluciones en el espacio de gobernanza de datos?

La mayoría de las herramientas esperan hasta que los datos llegan al almacén para validar o monitorear. Gable hace cumplir la confianza antes—a nivel de código—antes de que los datos lleguen a producción. Tratamos los datos como software, incorporando la gobernanza en CI/CD. Ese es un enfoque fundamentalmente diferente de las herramientas que priorizan el catálogo o el linaje.

Gable se encuentra en la intersección de CI/CD y la gobernanza de datos. Analizamos cambios a nivel de código—como lógica de serialización, cambios de tipo o conversiones de marca de tiempo—para detectar y prevenir cambios que rompan los datos antes de que lleguen a los sistemas aguas abajo. Nuestra plataforma soporta:

• Análisis estático del código de la aplicación (TypeScript, Java, Python, Swift)
• Aplicación de CI de contratos de datos
• Mapeo de dependencias de datos
• Gobernanza y política como código
• Integración con herramientas como GitHub, Snowflake, dbt y Kafka

Comenzamos con diferencias de esquema y análisis de código. Desde entonces, hemos añadido integraciones nativas de CI/CD, versionado de contratos, comprobaciones de seguridad de reversión automática y diferencias dinámicas de datos para análisis de impacto aguas abajo. El objetivo es siempre el mismo: detectarlo temprano, arreglarlo rápido, seguir adelante.

¿Cuáles son algunos planes o direcciones futuras para Gable?

Estamos utilizando nuestra recientemente anunciada Serie A para expandirnos más profundamente en los flujos de trabajo de CI/CD, permitiendo la entrega progresiva para cambios de datos. También nos estamos enfocando en mejorar nuestro motor de análisis de impacto, para que los equipos puedan predecir quién y qué se romperá antes de que lleguen a fusionar. A largo plazo, nuestro objetivo es hacer que el “desarrollo consciente de los datos” sea el predeterminado.

Gable también está comprometido a ayudar a educar a la industria y recientemente llevó a cabo nuestra conferencia inaugural Shift Left Data con más de 500 asistentes en vivo. Puedes ver la grabación aquí y unirte a nosotros el próximo año.

El post Q&A con Chad Sanderson, CEO de Gable.ai apareció primero en citybiz.

Descargo de responsabilidad: Esta traducción ha sido generada automáticamente por NewsRamp™ para CityBiz (colectivamente referidos como "LAS EMPRESAS") utilizando plataformas de inteligencia artificial generativas de acceso público. LAS EMPRESAS no garantizan la exactitud ni la integridad de esta traducción y no serán responsables por ningún error, omisión o inexactitud. La confianza en esta traducción es bajo su propio riesgo. LAS EMPRESAS no son responsables por ningún daño o pérdida resultante de tal confianza. La versión oficial y autoritativa de este comunicado de prensa es la versión en inglés.