工作流程
通过使用 DBT,数据团队可以直接在数据仓库中进行工作,生产可信的数据集,用于报告、机器学习建模和操作工作流程。
更快地开发
用简单的 SQL SELECT 语句替换样板 DDL/DML,推断依赖关系、构建表和视图,并按顺序运行模型。使用宏、Ref 语句和自动完成命令开发自写代码的能力,赋予云端 IDE 发挥作用。利用 Python 包加速复杂分析。
从相同的假设出发
DBT 提供的预设和自定义测试能够帮助开发人员为数据协作者创建一个“纸质”追踪记录,证明对数据做出的假设是有效的。自动生成的依赖关系图和动态数据字典有助于增强数据消费者对数据的信任和透明度。
充满信心地部署
通过应用内调度、日志记录和警报构建可观测性,将其纳入转换工作流中。分支上的保护策略可确保数据经过受控流程,包括由每个 CI 运行生成的开发、阶段和生产环境。
消除信息孤岛
现在,您的数据科学团队可以构建与分析团队构建的模型相连接的模型,每个团队都可以使用自己喜欢的语言。DBT 支持使用 SQL 或 Python 进行建模,为每个编写分析代码的人提供了一个共享的工作空间。
-
安全
通过 SOC-2 合规性、CI/CD 部署、RBAC 和 ELT 架构管理风险。
-
治理
通过版本控制、测试、日志记录和警报机制来消除数据疑虑。随时间快照变化并提供托管文档的开放访问权限。
康泰纳仕集团
康泰纳仕如何在全球范围内提供多媒体内容
这是康泰纳仕如何在Databricks Lakehouse 和 DBT Cloud上统一全球团队的故事
-
30%
增加自助服务
对于数据仓库工程师
-
85
建立的 DBT 模型
在跨各个领域的常青平台上
-
16
节省的小时数
每个数据集成冲刺项目
立刻联系我们,进一步交流您的需求
需求沟通