Coreのメリットをdbt Cloudでスケールアップ
スケーラブルなソリューションをお探しならば、dbt Cloudをお選びください。チームがインフラストラクチャのメンテナンスではなく、データプロダクトの構築に集中できるようになります。
データ作業は少なく、活用できるデータは多く
2人規模から2,000人規模のデータチームを擁する何千もの企業が、dbt Cloudを利用してデータ作業の迅速化、コラボレーションの強化、ビジネスの信頼の獲得に成功している理由をご確認ください。
混乱と複雑さを解消
メンテナンスの負担の軽減
責任を持ったアクセスの民主化
セキュリティとガバナンスの確保
混乱と複雑さを解消
| dbt Core | dbt Cloud | |
|---|---|---|
dbt Explorer ビジネス全体でデータ製品を探索、理解、最適化 | ||
dbt Mesh（マルチプロジェクト）のサポート 各チームがガバナンスを損なうことなく、独自のdbtプロジェクトを主体的に推進 | ||
dbt Semantic Layer ビジネスロジックを一元管理し、ツール間でメトリクスの一貫性を実現 |
アナリティクスエンジニアリングのベストプラクティスへの準拠
| dbt Core | dbt Cloud | |
|---|---|---|
SQLまたはPythonベースの変換 複雑なDDLを抽象化 | ||
再利用可能なコード マクロで時間を節約、一貫性を向上 | ||
ビルトインテスト 使いやすいビルトインテスト・フレームワークでデータの信頼性を向上 | ||
ドキュメンテーション 開発、変更と同時にドキュメントを生成 |
効率的な開発とデプロイ
| dbt Core | dbt Cloud | |
|---|---|---|
コマンドラインインターフェイス（CLI） 好みのターミナルまたはIDEを使用して開発 | ||
ブラウザベースのIDE 組織のナレッジ構築のハードルが下がる | ||
ローコードのビジュアルエディタ ドラッグ&ドロップ方式の視覚的なUXにより、技術に詳しくないユーザーでもdbtモデルの構築や編集が可能（*Beta版） | ||
dbt Assist（AI） AIを使用してドキュメントやテストを素早く生成（*Beta版） | ||
ネイティブのジョブオーケストレーション dbtモデルを、スケジュールに従って、またはイベントに基づいて、本番稼働に移行 | ||
Defer機能による本番環境との差分実行 すでに本番環境にある資産との差分のみを実行することで、時間とコストを節約 | ||
自動バージョン管理 Gitに対応した、すぐに使える機能でコラボレーションを向上 |
データへの信頼の向上
| dbt Core | dbt Cloud | |
|---|---|---|
継続的インテグレーション 修正したコードをマージする前に、一時的なステージング環境でテスト | ||
カラムレベルのリネージ カラムレベルでのエンドツーエンドのリネージにより、迅速にトラブルシューティング | ||
ロギングとアラート デバッグの処理速度とデータの信頼性を向上 |
セキュリティとガバナンスの強化
| dbt Core | dbt Cloud | |
|---|---|---|
シングルサインオン（SSO） 選択した認証機関に接続し、アクセスをシームレスに管理 | ||
ロールベースのアクセス制御（RBAC） ユーザー権限を簡単に一元管理 | ||
監査ロギング 監査要件を遵守しながら、予期しない変化を迅速に特定 | ||
SLAの保証 稼働率99.95%を保証 | ||
高度なセキュリティ PrivateLink経由での接続、IPアドレスの制限など | ||
Enterpriseサポートとトレーニング dbtの生産者によるプレミアムサポートの提供 |
メンテナンスの負担削減
| dbt Core | dbt Cloud | |
|---|---|---|
クラウドネイティブ インフラストラクチャ管理が不要 | ||
伸縮自在のスケーリング 自動スケーリングにより、開発、テスト、本番稼働の各ワークロードに対応し、データプラットフォーム支出を最適化 | ||
dbtバージョンアップグレードの管理 dbtのバージョンが常に最新の状態になるように自動管理 |
データ担当者が本来の業務に集中できる
複雑なインストール、内容の深い技術トレーニング、継続的なインフラストラクチャのメンテナンスの必要性を排除することで、データチームはビジネスを推進させるより高度な業務に集中できます。生産性が飛躍的に向上し、データプラットフォームのコストを大幅に削減できます。
何千もの主要データ関連組織から寄せられる信頼
「オープンソースからdbt Cloudに切り替えた一番の理由は、データチーム間やビジネスステークホルダーとのコラボレーションをより有意義に行えるからです」
Jared Stout氏 データ管理責任者 at Sunrun
「dbtでは依存関係を持つことができますが、Coreで実行しているため、新しいコードをプッシュした場合にどのようなブレーキが発生する可能性があるのか、わからなくなっていました。dbt Cloudを導入し、より高品質のダッシュボードを、より少ない手間で提供できるようになりました。当社のダッシュボードの稼働率は、dbt Cloudに移行する前は80%程度でしたが、現在は98%に達しました」
Josh Carlson氏 アナリティクスディレクター at Code42
「基盤となる技術的要素について考える必要がなく、ビジネスコンセプトのモデリングに集中できます」
Cristian Ivanoff氏 データエンジニア at マクドナルド北欧
「当社は、1日あたり150億から200億件のメッセージを処理するモデルについて、パフォーマンスの問題を抱えていました。それを解決してくれたのがdbt Labsのサービスチームです。モデルを実行するのに1日あたり45分から1時間かかっていましたが、10分に短縮してくれました」
Michael Weiss氏 シニアプロダクトマネージャー at Nasdaq