dbt Funktionen

Erleichtert die Analyse großer Datenmengen in Echtzeit.

Ermöglicht es dem Benutzer, Daten über Abfragesprachen wie SQL abzufragen.

Richtet Verarbeitungs- und Verteilungs-Workflows auf Apache Hadoop aus

Richtet Verarbeitungs- und Verteilungsworkflows auf Apache Spark aus

Integriert Daten aus mehreren externen Datenbanken.

Erleichtert die Verbreitung der gesammelten Big Data in parallelen Computing-Clustern.

Reiht bestimmte Funktionen und Datasets aneinander, um Analyseiterationen zu automatisieren.

Isoliert bestimmte Datensätze und erleichtert die Verwaltung des Datenzugriffs.

Ermöglicht das Big-Data-Tool das Ausführen und Aufzeichnen von Daten in externen Anwendungen.

Verwenden von Notebooks für Aufgaben wie das Erstellen von Dashboards mit vordefinierten, geplanten Abfragen und Visualisierungen

Bietet eine breite Palette möglicher Datenverbindungen, darunter Cloud-Anwendungen, On-Premise-Datenbanken und Big-Data-Verteilungen

Ermöglicht es Unternehmen, sich einfach mit jeder Datenquelle zu verbinden

Bietet API-Verbindungen für Cloud-basierte Anwendungen und Datenquellen

Ermöglicht die Profilerstellung von Datensätzen für eine bessere Organisation, sowohl durch Benutzer als auch durch maschinelles Lernen

Indiziert Metadatenbeschreibungen für eine einfachere Suche und bessere Einblicke

Tools zur (Neu-)Strukturierung von Daten in einer Weise, die eine schnelle und genaue Extraktion von Erkenntnissen ermöglicht

Ermöglicht das Self-Service-Verbinden von Tabellen

Bietet die Möglichkeit, Datenquellen in einem Datensatz zu kombinieren

Ermöglicht Benutzern und Administratoren die einfache Bereinigung von Daten, um Qualität und Integrität zu erhalten

Bietet kollaborative Funktionen für die gemeinsame Nutzung von Abfragen und Datensätzen

Stellt die Verwaltung des Benutzerzugriffs, die Datenherkunft und die Datenverschlüsselung sicher

Bietet eine breite Palette möglicher Integrationen, einschließlich Analysen, Datenintegration, Stammdatenmanagement und Data-Science-Tools

Ermöglicht Unternehmen die einfache Integration mit Analyse-, Datenintegrations-, Stammdatenmanagement- und Data-Science-Tools

Operationalisierung von Daten-Workflows zur einfachen Skalierung wiederholbarer Vorbereitungsanforderungen

Zeichnen Sie ETL-Verlaufsdaten für Audits und potenzielle Datenkorrekturen auf.

Stellen Sie nach Datenbereinigungen Folgeinformationen über ein visuelles Dashboard oder Berichte bereit.

Automatisches Ausführen von Datenidentifikation, -korrektur und -normalisierung für Datenquellen.

Planen Sie automatisierte Audits, um Datenanomalien im Laufe der Zeit auf der Grundlage festgelegter Geschäftsregeln zu identifizieren.

Gibt einen Überblick über das gesamte Ökosystem des Datenqualitätsmanagements.

Ermöglicht benutzerrollenbasierten Zugriff und Aktionen zur Autorisierung für bestimmte Aufgaben.

Bereinigen Sie extrahierte Daten und formatieren Sie sie neu in das gewünschte Zielformat.

Ordnen Sie ETL-Prozesse so an, dass sie automatisch nach dem erforderlichen Zeitplan ablaufen (z. B. täglich, wöchentlich, monatlich).

Kann die Rechenleistung basierend auf dem ETL-Volumen nach oben oder unten skalieren.

Identifizieren Sie ungenaue, unvollständige oder duplizierte Daten aus einer Datenquelle korrekt.

Verwenden Sie Lösch-, Änderungs-, Anhänge-, Zusammenführungs- oder andere Methoden, um fehlerhafte Daten zu korrigieren.

Standardisieren Sie die Datenformatierung für Einheitlichkeit und einfachere Datennutzung.

Bereinigen Sie Daten, wenn sie in die Datenquelle gelangen, um zu verhindern, dass fehlerhafte Daten mit bereinigten Daten vermischt werden.

Findet Duplikate mithilfe der Fuzzy-Logik-Technologie oder einer erweiterten Suchfunktion.

Automatische Erstellung und Verwaltung von Dokumenten.

Die Software unterstützt eine Vielzahl von Datenquellen und Data Warehouses, die eine Automatisierung erfordern.

Unterstützt ein Vorlagensystem, das das Einrichten von Konfigurationsparametern erleichtert.

Integriert Daten und datenbezogene Technologien in einer einzigen Umgebung.

Stellt Funktionen zur Verwaltung von Metadaten bereit.

Befähigt den Benutzer durch eine Self-Service-Funktion, Daten-Workflows zu verwalten.

Vollständige Automatisierung von End-to-End-Daten-Workflows über den gesamten Lebenszyklus der Datenintegration.

Bietet eine leistungsstarke, flexible Analyseplattform zur Unterstützung des Datenmanagements und zur datengesteuerten Entscheidungsfindung.

Sammeln und zeigen Sie Metriken über die gesamte Datenintegration über ein Dashboard an.

Ausschließlich an der Überwachung von Datenpipelines, dem Senden von Warnungen und der Fehlerbehebung von Daten beteiligt.

Stellt Testfunktionen bereit, z. B. Berichtstests, Big-Data-Tests, Cloud-Datenmigrationstests, ETL- und Data-Warehouse-Tests.

Unterstützt analytische Plattformen und Datenpipelines in komplexen hybriden Umgebungen.

Unterstützt die Migration von Komponenten oder Pipelines in verschiedene Cloud-Umgebungen.

Die Software ist in der Lage, den Benutzer im Falle von Fehlern zu warnen.

Nutzt Daten, um IT-Probleme proaktiv zu identifizieren.

Erstellt neue oder optimiert vorhandene Datenmodelle, um die Geschäftskontinuität zu gewährleisten.

Automatisiert alle Teile des Data Warehouse-Lebenszyklus – Warehouse-Design, Bereitstellung von Datenquellen.

Unterstützt Echtzeit-Datenerfassung und -aktualisierung in der Cloud oder vor Ort.

Software liefert Einblicke in Daten, um Lücken und Risiken innerhalb des Data Warehouse zu identifizieren.

Ermöglicht Benutzern das Generieren von Text basierend auf einer Texteingabeaufforderung.

Ermöglicht Benutzern das Generieren von Text basierend auf einer Texteingabeaufforderung.

Fasst lange Dokumente oder Texte zu einer kurzen Zusammenfassung zusammen.

Ermöglicht Benutzern das Generieren von Text basierend auf einer Texteingabeaufforderung.

Fasst lange Dokumente oder Texte zu einer kurzen Zusammenfassung zusammen.

Fähigkeit, komplexe Aufgaben ohne ständige menschliche Eingabe auszuführen

Fähigkeit, mehrstufige Prozesse zu analysieren und zu planen

Funktioniert über mehrere Softwaresysteme oder Datenbanken hinweg

Verbessert die Leistung basierend auf Feedback und Erfahrung

Triff fundierte Entscheidungen basierend auf verfügbaren Daten und Zielen.

Antizipiert Bedürfnisse und bietet Vorschläge ohne Aufforderung an

Unterstützt die Bereitstellung über mehrere Umgebungen oder Cloud-Plattformen hinweg mit konsistentem Konfigurationsmanagement.

Bietet APIs und SDKs für nahtlose Integration mit Orchestrierung, Governance und benutzerdefinierten Datenwerkzeugen

Ermöglicht das Abfragen und Verbinden von Daten über mehrere Lagerhäuser und Seen hinweg, ohne dass eine Datenreplikation erforderlich ist.

Passt sich automatisch an Schema- oder Metadatenänderungen in verbundenen Datenquellen an und bewahrt dabei die Konsistenz.

Ermöglicht Benutzern, abgeleitete oder berechnete Kennzahlen basierend auf verwalteten Datendefinitionen zu erstellen.

Bietet integrierte Unterstützung für zeitbasierte Berechnungen wie YoY, MoM und gleitende Durchschnitte

Verbessert die Leistung durch den Einsatz von intelligentem Caching, Vorberechnung und Beschleunigungstechniken.

Stimmt Abfragen automatisch ab und optimiert sie basierend auf Datengröße, Häufigkeit und Nutzungsmustern.

Bietet Sichtbarkeit und Kontrolle darüber, wie KI-Systeme oder automatisierte Agenten mit der semantischen Schicht interagieren

Verfolgt, wie verwaltete Metriken und Datensätze in der KI/ML-Schulung verwendet werden, um Transparenz, Compliance und klare Datenrückverfolgbarkeit sicherzustellen.

Bietet Versionskontrolle für semantische Modelle und Metriken, mit Änderungsverfolgung, Rollback und Auswirkungsanalyse, um zu sehen, wie sich Aktualisierungen auf nachgelagerte Daten oder Berichte auswirken.

Ermöglicht Benutzern oder KI-Assistenten, Metriken durch natürliche Sprachaufforderungen zu erkunden und abzufragen.

Ermöglicht KI- und maschinelles Lernen-Systemen, standardisierte, geregelte Metriken und Logik direkt zu nutzen.

Schlagen Sie relevante Metriken, Verknüpfungen oder Erkenntnisse basierend auf Kontext und historischen Nutzungsmustern vor.

Ermöglicht autonomen KI-Agenten, analytische Abfragen über die semantische Schicht zu erstellen, auszuführen und zu verfeinern.

Bietet semantische Kontextdiagramme, die KI-Agenten helfen, Datenbeziehungen und Geschäftslogik zu verstehen.

Ermöglicht es semantischen Agenten, automatisierte Aktionen wie Datenaktualisierungen, Warnungen oder Berichtserstellungen auszulösen.