Migrare da SAS con i propri agenti di coding

data work.big_orders;
  set sales.orders;
  where amt > 1000;
  tier = 'Key';
  net = amt * 0.9;
run;

proc sql;
  create table work.by_region as
  select region, sum(net) as net
  from work.big_orders
  group by region;
quit;

# Converted by Alchemist
from pyspark.sql import functions as F

big_orders = (
  spark.table("sales.orders")
  .filter(F.col("amt") > 1000)
  .withColumn("tier", F.lit("Key"))
  .withColumn("net", F.col("amt") * 0.9)
)

by_region = (
  big_orders.groupBy("region")
  .agg(F.sum("net").alias("net"))
)
by_region.createOrReplaceTempView(
  "by_region"
)

Stesso motore, stesso PySpark, che il codice giri su Databricks, Snowflake o Microsoft Fabric. Gli agenti sono una delle vie d'accesso al toolkit di migrazione da SAS a PySpark, che analizza anche il patrimonio SAS e automatizza la migrazione intorno alla conversione.

1. Tempo

   Una riscrittura manuale del codice SAS si misura in mesi, e gran parte di quel tempo va in traduzione ripetitiva anziché in progettazione.

2. Coerenza

   Ogni sviluppatore traduce in modo leggermente diverso e, su centinaia di programmi, queste differenze si sommano fino a far derivare la logica.

3. Chi può partecipare

   Quando a convertire possono essere solo gli ingegneri, i team di business e di analytics devono aspettare il proprio turno. Con gli agenti possono gestire in autonomia il proprio perimetro.

1. 1 · L'agenteDatabricks Genie, Snowflake Cortex, Microsoft Copilot, Claude Coderichiesta in linguaggio naturale →
2. 2 · AlchemistSkill → Alchemist APIapi.getalchemist.iocodice convertito →
3. 3 · Il notebookRevisione, rifinitura, esecuzione

• Databricks Genie
• Snowflake Cortex
• Microsoft Copilot
• Claude Code
• Qualsiasi client MCP (in sviluppo)