Interaktive Python-, R- und SQL-Notebooks

• In interaktiven Notebooks (REPL) können Daten inspiziert und in Diagrammen dargestellt werden.
• Zur anspruchsvollen Einfärbung und Vervollständigung der Daten ist Jupyter (Python und R) integriert.
• Sie können eigene, aktualisierbare Berichte definieren.
• Mit Vorlagen bestückte Notebooks Zeit sparen
• Mithilfe von SQL-Notebooks können Datenbanken und Data Lakes interaktiv abgefragt werden (mit Unterstützung für Hive

Kodieren und teilen Sie Erfolgsrezepte

• Programmieren Sie Ihre eigene Logik in der (Big-Data-)Programmiersprache Ihrer Wahl.
• Kodieren Sie Ihre eigenen Rezepte in Python, R, SQL, Shell, Hive, Impala, Pig, Spark SQL, Spark Scala, PySpark, SparkR oder sparklyr.
• Speichern Sie Ihre bewährten Codesnippets, um sie mit anderen Nutzern zu teilen.
• Skalieren Sie Ihren Code, indem Sie Python- und R-Jobs auf Kubernetes-Clustern ausführen.

Kodieren eigener Visualisierungen

• Sie können führende Javascript-Bibliotheken wie d3.js, Leaflet, plot.ly usw. nutzen, um Ihre eigenen webbasierten Visualisierungen zu erstellen.
• Für anspruchsvolle Webanwendungen steht ein Python-Backend zur Verfügung.
• Mit Bokeh oder Shiny können Sie ansprechende interaktive Visualisierungen erstellen
• Zum Schutz Ihrer benutzerdefinierten Webanwendungen steht API-Schlüsselmanagement zur Verfügung.

Wiederverwendbare Komponenten und Umgebungen

• Gemeinsam genutzte Python- und R-Bibliotheken erleichtern die Wiederverwendung von Code.
• Mit R oder Python können Sie Plug-Ins entwickeln, die die nativen Funktionen von Dataiku ergänzen.
• Sie können R- oder Python-Codeumgebungen einrichten, um für Reproduzierbarkeit und Kompatibilität zu sorgen
• Benutzerdefinierte, Python-basierte Schritte können in Dataiku-Szenarien eingefügt werden.