AskYourDatabase AI vs SDF

AskYourDatabase AI est un chatbot SQL qui transforme des questions en anglais simple en requêtes de base de données, graphiques et tableaux de bord. Vous connectez PostgreSQL, MySQL, SQL Server, Oracle, MongoDB, Snowflake, BigQuery ou ClickHouse, puis posez des questions dans une fenêtre de chat au lieu d’écrire du SQL à la main.

La plupart des outils texte-vers-SQL ciblent les analystes au sein d’une même entreprise. AskYourDatabase se divise volontairement en deux produits : une application Desktop qui conserve les identifiants sur votre machine sans limite de temps pour les requêtes, et un chatbot web intégrable que vous pouvez fournir aux clients avec un contrôle d’accès au niveau des lignes via des clés API de session. Cette double configuration convient aux fournisseurs SaaS qui ont besoin d’une BI orientée client sans créer de tableaux de bord personnalisés pour chaque compte.

Les équipes non techniques l’utilisent pour des rapports ponctuels, tandis que les ingénieurs s’appuient sur l’apprentissage autonome, l’ajustement en langage naturel et la sécurisation des requêtes (demandes de confirmation pour les écritures, suppression des DROP TABLE, clauses LIMIT automatiques). Les badges de conformité SOC 2 et ISO 27001 sont affichés sur la page d’accueil, et un déploiement sur site est disponible dans les plans chatbot Enterprise.

SDF est un moteur de compréhension SQL qui lit le SQL des entrepôts, construit des représentations intermédiaires de chaque requête et signale les erreurs avant toute exécution. Il se situe dans la pile analytique entre le texte SQL brut et la base de données, offrant aux équipes une visibilité à la compilation sur la syntaxe, les types et la structure des colonnes en aval.

La plupart des linters SQL s'arrêtent à la syntaxe superficielle. SDF fonctionne à travers trois niveaux empilés : l'analyse en un arbre syntaxique, la compilation d'un plan logique avec les signatures de fonctions et les types de retour, et l'exécution d'un plan physique lorsque les vérifications au niveau des données sont importantes. Cette hiérarchie détecte un ordre d'arguments incorrect sur les appels dateadd de Snowflake et des conversions de dates impossibles que seuls les analyseurs ne verraient pas, ce qui explique pourquoi dbt Labs a acquis SDF Labs pour intégrer le moteur directement dans dbt plutôt que d'ajouter un autre préprocesseur de chaînes.

Les ingénieurs analytiques et les développeurs dbt utilisent SDF pour renforcer les grands projets d'entrepôt, tracer la lignée au niveau des colonnes et livrer des transformations avec moins d'échecs d'exécution inattendus. Depuis le lancement GA de mi-2024, sdf.com redirige les visiteurs vers les pages de dbt Labs expliquant comment l'acquisition intègre SDF dans le prochain moteur dbt.