dbt Labs llança el suport de Python per ampliar el que els professionals de les dades poden aconseguir amb dbt

dbt ara admet la transformació de dades a Python per ajudar els equips a resoldre nous tipus de problemes amb les dades

FILADÈLFIA, 18 d’octubre de 2022 /PRNewswire/ — dbt Labs, el pioner en enginyeria analítica, ha anunciat avui durant la presentació de Coalesce 2022 de dbt Labs, que ha afegit suport per a la transformació de dades en Python a dbt. Això complementarà les capacitats SQL existents i permetrà als equips de dades abordar noves categories de problemes, inclosa l’anàlisi estadística i el modelatge predictiu. Els usuaris de dbt ara podran desplegar Python i SQL des del mateix flux de treball sense necessitat d’infraestructura addicional.

dbt ha sorgit com un estàndard de la indústria per a la transformació de dades al núvol. Amb aquesta versió, les 16.000 organitzacions que utilitzen dbt actualment poden aprofitar les capacitats de Python disponibles a les principals plataformes de dades al núvol. Floquet de neu Snowpark per a Python i Serverless Spark de BigQuery, així com l’expansió de Databricks als fluxos de treball d’anàlisi de dades amb Databricks SQL, han elevat el paper de Python a la pila de dades moderna. Els usuaris de dbt tindran l’opció de triar el millor llenguatge – SQL o Python – per a la tasca en qüestió.

“L’associació de Snowflake amb dbt Labs ha estat fonamental per a l’anàlisi moderna mentre treballem per permetre que els equips de dades puguin desplegar codi SQL de manera segura i col·laborativa a la producció”, va dir Torsten Grabs, director de gestió de productes de Snowflake. “Amb la introducció de models Python per part de dbt Labs i el Snowpark de Snowflake per a Python, els clients conjunts ara poden combinar sense esforç el poder d’SQL i Python per a l’anàlisi moderna, i beneficiar-se de la riquesa d’innovació en el processament de dades a la comunitat Python. Això ho farà uniforme. És més fàcil que els equips d’anàlisi, enginyeria de dades i ciència de dades siguin productius i col·laboratius al núvol de dades”.

“Vam crear dbt per aprofitar el poder de la plataforma de dades al núvol moderna i capacitar a tots els professionals de les dades perquè participin en el procés de transformació de dades. Fa sis anys, això va significar treballar exclusivament en SQL, l’idioma natiu del magatzem”, va dir. Tristany Handy, fundador i CEO de dbt Labs. “Avui, amb els avenços a les plataformes de dades, estem encantats d’aportar la potència i l’accessibilitat de dbt a un nou conjunt de càrregues de treball de dades”.

“dbt ha demostrat ser un flux de treball flexible perquè els clients de BigQuery gestionen i ajudin a impulsar les seves transformacions de dades”, va dir Sudhir Hasbe, director principal de gestió de productes de Google Cloud. “Estem orgullosos de treballar amb dbt Labs i oferir suport per al processament de Python a BigQuery perquè els clients i la comunitat de dades tinguin encara més maneres de resoldre els reptes empresarials amb dades”.

“Els equips de dades estan adoptant un llac de dades per a tots els seus casos d’ús d’anàlisi i IA, aprofitant diversos llenguatges de programació per resoldre els seus reptes de dades”, va dir. Adam Conway, SVP de Productes a Databricks. “És per això que estem encantats de basar-nos en la nostra associació amb dbt Labs per oferir les capacitats de Python als clients conjunts, oferint als usuaris de dbt accés no només a transformacions SQL, sinó també a tot l’ecosistema Lakehouse inclòs ML”.

Per als equips que estan fent treballs analítics avui en SQL, la inclusió del suport per a Python desbloqueja noves capacitats importants, que els permeten:

  • Fes més amb dbt: Els equips de dades ara poden utilitzar Python per executar anàlisis estadístiques avançades o crear models predictius senzills, per fer coses com ara predir l’abandonament o el valor de vida del client, aprofitant un enorme ecosistema de paquets Python preconstruïts.
  • Desplegueu codi Python i SQL des d’un sol lloc: Amb el suport dels models Python a dbt, els usuaris ja no necessiten gestionar un conjunt d’eines addicionals separats per implementar codi Python.
  • Aprofiteu les vostres plataformes de dades al núvol: Els usuaris poden aprofitar tot el que ofereixen les plataformes de dades al núvol que admeten les càrregues de treball de Python, com a part del mateix flux de treball dbt que ja coneixen i estimen.

L’impacte potencial del suport de Python a dbt s’estén molt més enllà del seu valor immediat per als equips d’anàlisi de dades. Avui dia, hi ha una bretxa important entre els equips d’anàlisi i els equips de ciència de dades, com a resultat de l’ús de diferents eines que sovint condueixen a supòsits diferents. A llarg termini, el suport a Python a dbt obre la porta perquè més científics de dades col·laborin amb les mateixes eines que els seus homòlegs d’anàlisi, superant aquesta bretxa. Això reflectiria la manera com dbt ha reduït les sitges entre analistes i enginyers de dades durant els darrers anys proporcionant-los un marc compartit de col·laboració.

Per a més informació, consulteu el d’avui entrada al blog aquí.

Sobre dbt Labs
Des del 2016, dbt Labs ha tingut la missió d’ajudar els analistes a crear i difondre coneixements organitzatius. dbt Labs va ser pioner en la pràctica de l’enginyeria analítica, va crear l’eina principal a la caixa d’eines d’enginyeria analítica i ha tingut la sort de veure com una comunitat fantàstica s’uneix per ajudar a superar els límits del flux de treball d’enginyeria analítica. Avui hi ha 16.000 empreses que la fan servir dbt cada setmana, 50.000 dbt Membres de la comunitat i més de 3.000 empreses que paguen dbt Núvol.

SOURCEdbt Labs

.

Leave a Comment

Your email address will not be published. Required fields are marked *