- Memungkinkan engineer analitik menghubungkan berbagai silo data dan membuat tampilan terpadu
→ alat ML no-code untuk Data Unification
- Mengapa ini diperlukan?
→ dalam data nyata, terdapat banyak record untuk setiap pelanggan
→ setiap record tersebar di sistem tunggal/multi-sistem, sehingga ketika data membesar analisis pelanggan menjadi sulit
→ dalam ELT, bagian T membutuhkan banyak upaya, dan alat seperti dbt dapat menangani hal seperti ini dengan baik
→ diperlukan cara yang cepat dan scalable untuk membuat "Single Source of Truth" bagi objek bisnis utama sebelum ekstraksi atau pemuatan
- Kasus penggunaan yang berguna
→ membuat tampilan pelanggan yang terpadu/tepercaya yang ada di banyak sistem
→ verifikasi entitas skala besar seperti AML/KYC
→ deduplikasi dan kualitas data
→ penggabungan silo data
→ enrichment data dari sumber eksternal
- Sumber yang didukung
→ mendukung Snowflake, Cassandra, S3, Azure, Elastic, RDBMS utama, serta sumber data yang didukung Spark
→ juga mendukung file seperti Parquet, Avro, JSON, XLSX, CSV, dan TSV
Belum ada komentar.