Jedes Datentransport-Muster. Eine Plattform.

ETL & ELT

Klassisches Extract-Transform-Load oder Load-first mit Transformation im Data Warehouse.

Repräsentative Konnektoren Alle 400+ Konnektoren ansehen

Wichtigste Funktionen

• Läuft nach Zeitplan, von Minuten bis täglich, für klassisches Batch-Extract-Transform-Load oder Load-first-ELT.
• Extrahiert strukturierte Tabellen und API-Objekte und kann die Metadatenspalten dataddo_hash und Extraktions-Zeitstempel für saubere Upserts und Historie hinzufügen.
• Unterstützt die Schreibmodi append, replace und upsert, sodass Sie genau steuern, wie Datensätze im Ziel landen.
• Ermöglicht die Auswahl nur der benötigten Spalten oder das Hashing sensibler Spalten, sodass PII nicht ins Ziel gelangen.
• Kann jederzeit eine vollständige Daten-Neusynchronisierung durchführen, indem das Datumsfenster erweitert wird, um historische Datensätze nachzuladen.

Change Data Capture (CDC)

Echtzeit-Replikation mit niedriger Latenz, die Änderungen auf Zeilenebene erfasst, sobald sie auftreten.

Repräsentative Konnektoren Alle 400+ Konnektoren ansehen

Wichtigste Funktionen

• Repliziert Änderungen nahezu in Echtzeit mit log-basiertem CDC und liest festgeschriebene Änderungen direkt aus dem Transaktionsprotokoll der Datenbank.
• Erfasst Einfügungen, Aktualisierungen und Löschungen - das einzige Muster, das Löschungen widerspiegelt - bei sehr geringer Last auf der Quelle.
• Schreibt mit den Modi append, replace oder upsert und kann die Metadatenspalten dataddo_hash und Extraktions-Zeitstempel hinzufügen.
• Unterstützt eine vollständige initiale Neusynchronisierung, die für sehr große Tabellen auf mehrere geplante Läufe aufgeteilt werden kann.

Datenstreaming

Kontinuierliche, ereignisgesteuerte Pipelines für zeitkritische und KI-fähige Datenworkloads.

Repräsentative Konnektoren Alle 400+ Konnektoren ansehen

Wichtigste Funktionen

• Nimmt Daten kontinuierlich aus Ereignisquellen wie Kafka-Topics und eingehenden Webhooks auf, statt nach einem festen Zeitplan.
• Läuft über dieselben gesteuerten Flows wie Batch-Daten, sodass Schema, Zugriff und Lineage identisch verwaltet werden.
• Legt den Stream direkt in Data Warehouses, KI-Kontextspeichern oder nachgelagerten Anwendungen für zeitkritische Workloads ab.
• Unterstützt die Schreibmodi append und upsert und kann den vollständigen Datensatz jederzeit neu synchronisieren.

Reverse ETL

Aktivieren Sie Ihre Daten: Übertragen Sie kuratierte, gesteuerte Datensätze von Ihren KI-Agenten oder aus dem Data Warehouse zurück in CRMs, operative Systeme und die Anwendungen, in denen Ihre Teams damit arbeiten.

Repräsentative Konnektoren Alle 400+ Konnektoren ansehen

Wichtigste Funktionen

• Überträgt kuratierte Daten aus Ihrem Data Warehouse oder Ihrer Quelle zurück in Geschäftsanwendungen wie CRMs, Werbeplattformen und operative Systeme.
• Ordnet Quellspalten den Zielfeldern zu und unterstützt die Schreibmodi append, replace und upsert.
• Stützt Upserts auf dataddo_hash, sodass bestehende Datensätze an Ort und Stelle aktualisiert statt dupliziert werden.
• Läuft nach Zeitplan, um Scores, Segmente und KI-generierte Attribute aktuell zu halten, und kann den vollständigen Datensatz bei Bedarf neu synchronisieren.

Batch-Dateiübertragung

Strukturierte Übertragung von Datensätzen per Datei an S3, SFTP oder ein beliebiges Speicherziel.

Repräsentative Konnektoren Alle 400+ Konnektoren ansehen

Wichtigste Funktionen

• Liefert und liest strukturierte Dateien in CSV, JSON, XML oder Parquet, unkomprimiert oder GZIP-komprimiert.
• Folgt datierten Dateinamen automatisch mit dynamischen Datumsplatzhaltern, nach einem Zeitplan von Minuten bis täglich.
• Formt oder maskiert Daten vor der Übertragung mit einem editierbaren, jq-fähigen Transformationsschritt - praktisch zum Entfernen oder Transformieren von PII.
• Nutzt den Schreibmodus replace, um eine Datei an Ort und Stelle zu spiegeln, oder append, um Historie aufzubauen, und unterstützt eine vollständige Neusynchronisierung.

Zero-Copy mit Apache Arrow

Leistungsstarke In-Memory-Datenfreigabe ohne Serialisierungs-Overhead, speziell für KI- und Analyse-Pipelines entwickelt.

Repräsentative Konnektoren Alle 400+ Konnektoren ansehen

Wichtigste Funktionen

• Teilt Daten im Arbeitsspeicher über das spaltenorientierte Format von Apache Arrow und vermeidet so den Serialisierungs-Overhead der zeilenweisen Übertragung.
• Speziell für KI- und Analyse-Pipelines entwickelt, in denen große Datensätze mit Speichergeschwindigkeit zwischen Verarbeitungsschritten bewegt werden.
• Liest direkt in Python, pandas oder Notebooks für ML-Feature-Engineering und Experimente.