Pentaho公司的软件定位一直是做整合数据集成和分析，不过在即将发布的7.0平台中，该公司提供了用于加速和提升数据准备流程的功能。

升级后的分析、集成、数据准备工具于11月发布，支持用户在处理和准备过程中的任何环节直观地检查数据。这样数据科学家、数据工程师和业务分析师都可以使用图表、图形和其它可视化组件来动态检查数据，发现并提前解决潜在的数据质量问题，而无需等到完成整个分析工作才能发现。

例如，他们可以看到整合两个表的数据结果对于支持准确分析来说，是否缺少了很多数值；或者在抽取、转换和加载（ETL）集成处理过程中应用回归分析技术检查是否产生错误信息。Pentaho 7.0还支持IT团队发布预定义数据源给业务用户，这样可以加速数据准备阶段的协作。

Pentaho公司表示，在运行过程中，通过准备流程以协作的方式可视化检查和评估数据，这样的功能可以缩短数据科学家和其它用户为分析用途准备数据的时间。当然，数据工程师不大可能会对数据质量问题创建流程（减少了错误概率）。（2015年日立集团有限公司收购了Pentaho公司）

Pentaho 7.0还提供了新功能，支持与Spark SQL集成，方便ETL开发人员和数据分析师在Apache Spark集群中使用标准SQL的变体查询数据。还有几种其它类似功能也是专为处理大数据环境的数据而设计，包括支持Kafka消息队列系统、Avro和Parquet文件格式。

David Menninger是Ventana研究公司的一名技术分析师，他说Pentaho的新功能混合了分析和数据准备两方面的工作，这可能意味着数据管理的一种发展趋势。

越来越多的企业都希望可以把数据准备和分析任务更紧密地整合到一起，这样整合过程就更能以自服务的形式完成。Menninger说：“自服务数据准备成为了流行趋势。实际上，它需要与分析过程紧密集成。”

现在，Menninger认为Pentaho公司走在了市场的前沿，但是他预计其它厂商会很快跟风，推出比较类似的功能。

Paxata公司就是这样一个自服务数据工具供应商，该公司才初创几年，致力于拓展软件实现更高级功能。规划增加的功能包括：引导客户做必要的数据转换；通过机器学习技术帮助用户在语义层面更好地理解数据。

Paxata公司位于美国加州Redwood市，该公司上个月迈出了第一步，发布了同名软件的更新版本，新版本利用了Paxata连接技术，可以从不同的Hadoop集群、NoSQL数据库和其它系统中抽取整合数据。Paxata公司首席产品官Nenshad Bardoliwalla表示，该公司计划以季度为周期增加更多功能，不过全面打造设想的平台还有很长的路要走。

本文转自d1net（转载）