Comment iDBQuery aide-t-il un data scientist ?

Une grande partie du temps d'un data scientist est consacrée à trouver, comprendre et extraire les données avant même que la modélisation ne commence. iDBQuery accélère cette phase amont : il relie bases de données, entrepôts de données et fichiers en un modèle unique et vivant, utilise une couche sémantique pour décoder des schémas cryptiques, et affiche le SQL derrière chaque réponse.

Questions qu'un data scientist pose à iDBQuery : - Quelles tables et colonnes existent ici, et comment sont-elles liées entre elles ? - Profiler cette table : taux de valeurs nulles, distributions et valeurs aberrantes évidentes par colonne. - Extraire un jeu de données joint de clients, commandes et tickets de support sur les deux dernières années.

Comme iDBQuery inspecte les schémas inconnus et infère les jointures, vous pouvez comprendre une nouvelle base de données en quelques minutes au lieu de plusieurs jours, puis exporter un jeu de données propre et sourcé pour alimenter votre notebook ou votre modèle. Il affiche son SQL et vous permet de le modifier, afin que vous conserviez le contrôle total de la logique, et il interroge les données sur place plutôt que d'imposer une copie. Il ne remplace pas votre travail de modélisation — il élimine la découverte et l'extraction fastidieuses, et donne aux parties prenantes non techniques un moyen en libre-service de répondre aux questions simples qui, sinon, atterriraient dans votre file d'attente.