nao

Что такое nao?

nao — это специализированный редактор кода, созданный для профессионалов в области данных, ответвленный от VS Code с нативной интеграцией с основными хранилищами данных, включая BigQuery, Snowflake и Postgres. Платформа оснащена интеллектуальной системой второго пилота, которая понимает как схемы данных, так и кодовые базы, позволяя командам данных писать более точный SQL, Python и YAML код. nao предоставляет предварительный просмотр различий данных в реальном времени, автоматизированные проверки качества и анализ влияния на родословную, чтобы помочь командам данных быстрее выпускать продукты, сохраняя при этом целостность данных. Редактор включает специализированные инструменты для рабочих процессов dbt, позволяющие пользователям предварительно просматривать модели, создавать документацию и запускать тесты непосредственно в IDE.

Ключевые функции

• Нативное подключение к хранилищам данных

  Прямая интеграция с BigQuery, Snowflake и Postgres, обеспечивающая контекст схемы в реальном времени для интеллектуальных предложений кода и возможностей выполнения.

• Генерация кода с учетом схемы

  Интеллектуальное автодополнение и генерация кода, понимающие вашу реальную структуру данных, создающие SQL, Python и YAML код, который работает с вашими конкретными таблицами и столбцами.

• Визуализация различий в данных

  Сравнение изменений кода и их влияния на выходные данные, позволяющее командам точно визуализировать, как модификации влияют на их наборы данных.

• Автоматизированное обеспечение качества

  Встроенные инструменты-агенты для проведения проверок качества данных, обнаружения дубликатов и выбросов, сравнения сред разработки и производства, а также оценки влияния на нисходящую родословную.

• Интеграция рабочего процесса dbt

  Комплексная поддержка проектов dbt, включая предварительный просмотр моделей, отслеживание родословной на уровне столбцов, автоматическую генерацию документации и создание тестов в IDE.

Варианты использования

• Разработка SQL-конвейеров : Инженеры данных и аналитики могут с уверенностью создавать и поддерживать конвейеры данных SQL, используя предложения с учетом схемы и автоматизированные проверки качества.
• Управление моделями dbt : Аналитические инженеры могут создавать, документировать и тестировать модели dbt, обеспечивая целостность родословной данных и предотвращая нисходящие сбои.
• Мониторинг качества данных : Команды данных могут выявлять и решать проблемы качества производственных данных с помощью автоматизированных проверок и сравнительного анализа между средами.
• Исследование базы данных : Инженеры-программисты и специалисты по данным могут исследовать схемы баз данных, писать DDL-инструкции и выполнять специальную аналитику с интеллектуальной поддержкой.
• Командное сотрудничество : Большие команды данных могут поддерживать согласованные стандарты кодирования и факторизованные метрики в проектах, одновременно помогая менее техническим членам команды.

Часто задаваемые вопросы