Der duale Ansatz ist bahnbrechend. Datenanalysten können Dashboards visuell prototypisieren und erstellen, dann können Entwickler dieselben Komponenten einbetten und dabei volle Kontrolle über das Styling und benutzerdefinierte Interaktionen haben. Dies beseitigt die traditionelle Reibung zwischen „benutzerfreundlich für Geschäftsleute“ und „entwicklerfreundlich“ – man bekommt beides. Die Leistung mit komplexen Einzelhandelsdaten war ausgezeichnet. Wir verarbeiten Millionen von Datenpunkten über mehrere Einzelhändler und Produktkategorien hinweg ohne Leistungsprobleme. Integration mit modernem Daten-Stack – funktioniert nahtlos mit unserer Cube Cloud-Semantikschicht, im Gegensatz zu traditionellen BI-Tools, die die gesamte Analytik-Pipeline besitzen wollen.

Es gibt zwei Dinge, auf die ich nicht mehr verzichten könnte, seit ich mit Embeddable arbeite: die Freiheit beim Erstellen von Komponenten und die robuste Datenmodellierungsinfrastruktur. Die Freiheit bei den Komponenten ist erstaunlich, denn wenn man etwas Unterstützung von einem Frontend hat oder sogar bereit ist, selbst etwas zu programmieren, hat man eine unendliche Anzahl von Diagrammen, die man zur Erstellung von Berichten verwenden kann. Die Datenmodellierungsinfrastruktur ist wirklich gut auf der semantischen Datenebene von Cube.dev aufgebaut. Es erleichtert das Erstellen von Modellen, das Deklarieren von Dimensionen und Kennzahlen, das Verbinden von Tabellen und sogar das Erstellen von Voraggregationen. Viel einfacher als das in Power BI oder anderen Datenvisualisierungstools zu tun. Und das gesamte Embeddable-Team ist auch erstaunlich.

Natives Aussehen und Gefühl, wir konnten die Funktionen direkt aus der Box implementieren.