iDBQuery vs Lightdash : quelle est la différence ?

Lightdash convient très bien aux équipes data nativement dbt. Parce qu'il s'appuie directement sur votre projet dbt, les métriques et la sémantique définies dans dbt deviennent la source unique de vérité pour l'exploration, il est open source et convivial pour les développeurs, et il conserve la logique de BI en contrôle de version aux côtés des transformations. Si vous avez investi dans dbt et un entrepôt, Lightdash prolonge proprement cet investissement.

Sa force est aussi sa limite : il présuppose un entrepôt et un modèle dbt maintenu.

iDBQuery fonctionne sans ce socle :

• Aucun dbt ni entrepôt requis. Il se connecte directement aux bases de données, entrepôts, tableurs, API et documents, et comprend les schémas obscurs via sa couche sémantique.
• Des questions en langage courant. Les utilisateurs métier demandent avec des mots, sans écrire de modèles dbt ni explorer des dimensions prédéfinies.
• Des réponses sourcées. Chaque chiffre remonte jusqu'aux lignes sources exactes : les chiffres sont vérifiables.
• Un seul modèle en temps réel couvrant les sources. Il associe plusieurs systèmes sans étape ETL.
• Déploiement partout. Cloud, VPC, isolé (air-gapped) ou Desktop, avec des données interrogées sur place.

Pour les équipes menées par l'ingénierie qui se standardisent sur dbt, Lightdash est un choix naturel. Pour les organisations qui veulent des réponses immédiates, sourcées et en langage courant, sans construire au préalable un modèle d'entrepôt fondé sur dbt, iDBQuery supprime ce prérequis.