Aujourd’hui, les entrepôts de données sont essentiels à la prise de décision. Ils se sont considérablement développés au fil des ans et aident les entreprises à rassembler des informations provenant de différents systèmes sources, tels que les plates-formes traditionnelles sur site, pour l’analyse historique et des tendances. Mais la consolidation des données dans un entrepôt de données ne suffit pas pour y parvenir. Les informations doivent également être transformées en un format consommable.
Il existe de nombreuses options pour la transformation des données, mais chacune s’accompagne de ses propres limites. Par exemple, les anciens outils d’assistant ou d’interface graphique basés sur des widgets sont faciles à utiliser mais rigides, ne permettant pas de gérer des transformations complexes à grande échelle, tandis que les solutions de transformation axées sur le code sont flexibles, mais exigent des montagnes de travail manuel et mobilisent une quantité considérable de ressources d’ingénierie. .
Coalesce apporte le meilleur des deux mondes
Pour combler cette lacune, Coalesce, basé à San Francisco, propose une interface graphique axée sur le code un outil piloté qui apporte le meilleur des deux mondes – sans les inconvénients – pour gérer et créer des transformations dans le cloud de données Snowflake. La société a annoncé aujourd’hui 26 millions de dollars dans le cadre d’une série de financements A.
« Notre produit résout le plus grand goulot d’étranglement de l’analytics actuel en combinant la vitesse d’une interface utilisateur graphique intuitive avec la flexibilité du code, ainsi qu’une bonne dose d’automatisation, pour permettre des transformations rapides des données. Coalesce simplifie la modélisation, le nettoyage, la gouvernance et la documentation des données en apportant une efficacité et une flexibilité sans précédent au paysage analytique », a déclaré Armon Petrossian, PDG et fondateur de la société, à VentureBeat. Cela se traduit finalement par des données de haute qualité pour l’analyse ainsi que par une augmentation de la productivité des ingénieurs de données.