Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

Lightdash 通过为 dbt 构建的开源 BI 平台取代 Looker

Posted on 2022-10-06

Lightdash是一个开源商业智能 (BI) 平台,旨在挑战Looker 等专有现有企业,今天正式向公众推出其核心商业产品,获得 840 万美元的资金支持。种子轮由 Accel 牵头,Moonfire、Y Combinator (YC)、Snyk 创始人 Guy Podjarny 和 Gitlab 首席营销官 Ashley Kramer 参与。

最初,Lightdash从 YC 的 S20 批次毕业时被称为 Hubble,专注于帮助公司对其数据仓库进行测试以识别数据质量问题。事实证明,这些数据质量指标在 BI 工具中最有用,联合创始人兼首席执行官 Hamzah Chaudhary 表示,市场上没有任何 BI 工具支持。因此,他们将产品转向 Lightdash,并于 2021 年 5 月开始全职从事新项目,以解决数据分析师的一大痛点。

“现代数据分析师越来越像软件开发人员,但他们被企业用户界面所束缚,这些界面锁定了业务逻辑并减慢了它们的速度,” Chaudhary向 TechCrunch 解释道。 “Lightdash 为分析师提供生产力工具,使他们能够以更少的工作量在企业规模部署 BI。”

Lightdash 专为dbt构建,这是一个基于命令行的数据转换工具,允许分析师使用 SQL 和他们常用的文本编辑器转换其仓库中的原始数据。 Dbt 是“提取、加载、转换( ELT )”中的“t”,Lightdash 反过来将任何 dbt 项目转换为“全栈 BI 平台”。

值得注意的是,Lightdash 既是前端也是后端。因此对于可能不熟悉 SQL 的普通业务用户(例如营销或财务),Lightdash 充当 dbt 的可视化层,而在后端数据分析师和其他更多技术用户可以构建自定义工作流并定义所有业务指标和 KPI 的逻辑,本质上是从计算方式中“抽象出复杂性”。

“Lightdash 专注于为数据分析师提供工具,为公司其他部门实现真正的自助式 BI,” Chaudhary 说。

Lightdash 仪表板图片来源:Lightdash

商业智能基础

对于外行来说,商业智能是挖掘、集成和组织不同数据集以告知决策的过程。大数据洞察力是游戏的名称,帮助分析师得出有意义的结论、识别和可视化模式以及预测未来结果(例如销售预测)。

BI 市场是一项大生意, 到 2020 年将是一个价值 230 亿美元的行业,预计到 2025 年将超过 330 亿美元,这可能是谷歌在 2020 年斥资超过20 亿美元收购 Looker的原因,而 Salesforce以超过在那之前的150亿美元。

就 Lightdash 而言,它是希望探索其数据的公司的主要门户,它与许多构成现代数据堆栈的工具进行原生集成,从dbt到 Snowflake、Airbyte 和 Fivetran。

“Lightdash 的构建是开放的,并与现代数据堆栈集成,而不是一个封闭的系统,” Chaudhary 说。

Lightdash 在行动图片来源:Lightdash

Lightdash 的起源可以追溯到Chaudhary 和他的 CTO 联合创始人 Oliver Laslett 在英国保险科技 Cytora的时候,他们负责扩大公司的数据分析输出。

“我们看到我们的数据团队与我们的软件工程师在可用工具质量方面存在巨大差距,尽管我们的数据分析师所要求的工作同样是技术性的,” Chaudhary 说。当我们离开 Cytora 时,我们知道我们希望通过为数据分析师和数据团队提供更符合目的和最新的工具来增强他们的能力。我们 [然后] 作为数据顾问帮助公司建立他们的数据堆栈,最终发现工作流中最薄弱的环节是 BI 层,因为 BI 工具不能很好地与数据堆栈的其余部分集成,不要’ t 支持任何数据开发人员的工作流程,并使数据团队难以有效协作。”

这或许正是 Lightdash 试图做的事情的关键:它是关于帮助数据分析师和分析工程师使用他们现有的工具,例如代码编辑器,并允许团队进行大规模协作。正如Chaudhary 所说,“一个为与其他工具集成而构建的平台”。

开源因素

虽然主要的 Lightdash 项目是开源的,但该公司早在 1 月份就推出了一个完全托管和托管的 Lightdash Cloud 服务测试版,然后在 6 月份推出了免费的自托管社区版。今天标志着其核心云产品的公开测试版发布,到目前为止,该产品已积累了约 600 家公司的候补名单。

“我们一直计划推出 Lightdash 的商业版本,但也希望确保开源产品也可以使用——这就是为什么几乎整个产品功能集都可以在自托管开源版本中使用,” Chaudhary 说.

Looker 和它的同类产品是这里明显的比较,但 Lightdash 的开源证书是它的主要区别之一,在某种程度上迎合了中小企业和大型企业。开源尤其是具有安全意识的公司的主要卖点,因为这意味着他们可以完全了解数据的处理方式。这也意味着他们可以从小规模开始,将 Lightdash 部署到一两个团队进行试驾,然后如果他们喜欢他们所看到的,再进一步扩展到他们的堆栈。

“与专有的 BI 工具相比,这要高效得多,因为在专有 BI 工具中,您通常必须经过漫长的销售和采购流程才能亲身体验产品本身,” Chaudhary 说。 “对于许多企业和初创公司来说,这是开始使用新工具的首选方法 – 它具有开源的额外好处,它已经构建为在需要时进行本地部署,这通常是大型企业的要求企业。”

这种模式已经为之前的许多初创公司带来了成功:为需要完全控制和灵活性的组织提供开源基础,商业层为需要它的人消除了大部分复杂性和繁琐的工作。

快速浏览竞争格局会发现商业开源 BI 领域的其他一些参与者,包括去年筹集了 3000 万美元资金的Metabase ,以及筹集了约 3600 万美元用于将Apache Superset项目商业化的Preset 。因此很明显,不仅对 BI 有真正的需求,而且对由完全支持的商业服务支持的开源 BI 也有真正的需求。

Lightdash 是一家远程优先的公司,其创始人位于伦敦或其周边地区,其余 8 人团队遍布欧洲,尽管该公司在美国和英国注册成立,在银行拥有 850 万美元,其中包括迄今为止,由 Moonfire 领投的 240 万美元种子轮融资,该公司表示,现在资金充足,可以加快招聘,特别是在其产品团队中,并扩大名为 Lightdash 大学的教育计划,该计划旨在“提升”商业智能团队。

Lightdash 采用由Paul Sawers 为 dbt 构建的开源 BI 平台取代 Looker,最初发表在TechCrunch上

原文: https://techcrunch.com/2022/10/06/lightdash-takes-on-looker-with-an-open-source-bi-platform-built-for-dbt/

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Anil Dash
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Big Technology
  • Bits about Money
  • Brandon Skerritt
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • eighty twenty
  • Elad Gil
  • Ellie Huxtable
  • Ethan Dalool
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • HeardThat Blog
  • Henrique Dias
  • Herman Martinus
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Li Haoyi
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Maggie Appleton
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mind Matters
  • Mostly metrics
  • Naval Ravikant
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Rohit Patel
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Small Good Things
  • Steph Ango
  • Stephen Wolfram
  • Steve Blank
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • Wes Kao
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2025 搞英语 → 看世界 | Design: Newspaperly WordPress Theme