La famiglia ADE
L'analytics moderno è frammentato: notebook su una piattaforma, modelli semantici su un'altra, pipeline ovunque. Due prodotti open source affrontano le due domande che ogni team continua a porsi — cosa esiste e come lo gestiamo — e sono costruiti per essere guidati dagli agenti AI, non solo letti dalle persone.
ade-catalog
Catalogo di metadati analytics cross-platform
Mappa l'intero panorama analytics — cosa esiste e come è connesso. Estrae metadati da più piattaforme, costruisce il lineage cross-platform che gli strumenti nativi non offrono, ed espone tutto tramite una web UI navigabile e un server MCP per gli agenti AI. (Precedentemente ade-core.)
📊 Metadati multi-piattaforma
Estrae e consolida metadati da Databricks, Power BI e Microsoft Fabric in un unico catalogo interrogabile.
🔗 Lineage cross-platform
Costruisce il grafo del flusso dati tra i sistemi — Databricks → Fabric → Power BI — per una vera impact analysis, non un lineage chiuso nella singola piattaforma.
🤖 Server MCP per gli agenti
Permette agli agenti AI di interrogare catalogo, lineage e impatto direttamente — ricerca, dettaglio oggetti, lineage e statistiche via MCP.
🖥️ Web UI
Un'interfaccia pulita per esplorare il catalogo visualmente, con deployment sia come servizio gestito sia sulla tua infrastruttura.
ade-ops
Framework operativo per team analytics multi-piattaforma
La maggior parte degli strumenti ti consegna un esempio e ti saluta. ade-ops chiede cosa hai, poi imposta il workflow per gestirlo — mantenendo notebook, modelli semantici e report sincronizzati tra dev, cert e prod da un'unica fonte di verità.
📦 Unica fonte di verità
Un solo src/ canonico con trasformazioni a overlay per ogni ambiente — niente copie per-ambiente mantenute a mano.
🛡️ Diff prima del push
I workspace remoti sono autoritativi. Ogni promozione è visibile — pull, diff, conferma, push. Nessuna sovrascrittura silenziosa.
🧭 Onboarding per scenari
Chiede com'è il tuo setup — solo Databricks, Databricks → Power BI, oppure Databricks → Fabric → Power BI — e imposta ciò che serve.
👥 Operatività umano + agente
Usabile da una semplice CLI, ma dà il meglio in coppia con un assistente AI che ne guida le skill.
La serie YouTube
The Autonomous Data Engineer è una serie video che documenta il percorso di costruzione di un data engineer autonomo basato su AI. Ogni episodio esplora un aspetto diverso: dall'estrazione dei metadati alla navigazione autonoma delle pipeline, dal lineage tracking alla generazione di codice.
Non è un tutorial. È un diario di bordo — che mostra cosa funziona, cosa no, e cosa succede quando dai a un agente AI accesso reale a un ecosistema dati.
La visione
Ogni sistema analytics ha i suoi metadati, la sua interfaccia, il suo linguaggio. ADE nasce per colmare questo divario — non con l'ennesimo dashboard, ma con prodotti che un agente AI può guidare: uno che capisce cosa esiste lungo tutto lo stack, e uno che lo gestisce in sicurezza.
Insieme, ade-catalog e ade-ops formano un layer continuo di operational intelligence sul patrimonio analytics di un'organizzazione. Già in produzione presso team dati enterprise.
L'obiettivo non è sostituire il data engineer. È dargli un collega che non dorme mai, non dimentica nulla, e può attraversare l'intero stack in secondi.