JetBrains Datalore Team erreicht 1 Million Nutzer weltweit

Der datalore team blog feiert einen bemerkenswerten Meilenstein: Die Cloud-Plattform von JetBrains hat weltweit die Marke von 1 Million Nutzern erreicht. Diese leistungsstarke Lösung für kollaborative Datenanalyse ermöglicht Teams, flexibel und effizient an gemeinsamen Datenprojekten zu arbeiten.

Während der datalore blog regelmäßig über Produktverbesserungen informiert, bieten datalore tutorials besonders wertvolle Einblicke für neue Nutzer. Die Plattform unterstützt mehrere Programmiersprachen wie SQL, Python, R und Scala und schafft dadurch eine umfassende Umgebung für End-to-End-Analysen. Zusätzlich ermöglicht die team datalog Funktionalität eine Echtzeit-Zusammenarbeit, bei der mehrere Benutzer gleichzeitig an Notebooks arbeiten können. Die datalore intro hebt insbesondere hervor, dass Nutzer Kommentare hinterlassen und Änderungen in der Versionsverlauf verfolgen können, ohne eigene Serverinfrastruktur warten zu müssen.

JetBrains Datalore Team erreicht globalen Meilenstein

Mit dem Erreichen von 1 Million Nutzern weltweit schreibt das Datalore-Team von JetBrains ein neues Kapitel in seiner Erfolgsgeschichte. Diese bemerkenswerte Entwicklung ist Teil eines größeren Wachstumstrends innerhalb des Unternehmens und unterstreicht die zunehmende Bedeutung kollaborativer Datenanalyse-Tools.

Was bedeutet 1 Million Nutzer für JetBrains?

Die Erreichung der 1-Million-Nutzer-Marke für Datalore spiegelt den allgemeinen Erfolg von JetBrains wider. Das Unternehmen verzeichnete im vergangenen Jahr ein bemerkenswertes Wachstum der Gesamtnutzerzahl um 24%, wobei mehr als 15,9 Millionen Entwickler weltweit JetBrains-Tools nutzen und ihnen vertrauen. Diese beeindruckende Expansion zeigt die starke Marktposition des Unternehmens in der Entwicklergemeinschaft.

Der Erfolg manifestiert sich auch in täglichen Kundengewinnen: Täglich kommen durchschnittlich 3.654 neue individuelle Nutzer hinzu, während 392 neue Organisationen täglich zu JetBrains-Kunden werden. Diese kontinuierliche Nutzerakquisition unterstreicht das anhaltende Vertrauen in die Produkte des Unternehmens und bildet die Grundlage für den Datalore-Meilenstein.

Für große Unternehmen wie LINE Corporation bietet Datalore entscheidende Vorteile. Mit 193 Millionen monatlich aktiven Nutzern weltweit setzt LINE auf Datalore für seine Datenanalyse. Obwohl die Implementierung erst kürzlich erfolgte, nutzen bereits fast die Hälfte aller Datenanalyseteams innerhalb der LINE-Gruppe die Plattform. Diese schnelle Adoption zeigt die Skalierbarkeit und Benutzerfreundlichkeit der Lösung.

Wie hat sich die Nutzerbasis entwickelt?

Die Entwicklung der Nutzerbasis von Datalore erfolgte parallel zum allgemeinen Wachstum von JetBrains. Während das Unternehmen zuvor bereits 12,8 Millionen Entwickler als Nutzer verzeichnete, stieg diese Zahl im Folgejahr auf 15,9 Millionen an, was den stetigen Aufwärtstrend verdeutlicht.

Besonders bemerkenswert ist die Tatsache, dass Datalore auch bei Nutzern außerhalb traditioneller Datenrollen Anklang findet. Bei LINE Corporation beispielsweise nutzen deutlich mehr Mitarbeiter die Plattform als ursprünglich erwartet, darunter auch Personen in anderen Funktionen als Datenengineering und Datenwissenschaft. Langfristig rechnet LINE mit mehreren hundert Datalore-Nutzern im eigenen Unternehmen.

Ein weiteres Erfolgsbeispiel ist Drama & Company mit mehr als 4,5 Millionen aktiven Nutzern allein in Südkorea. Nach der Einführung von Datalore verzeichnete das Unternehmen eine Steigerung der Effizienz im Team. Die Zusammenarbeit zwischen verschiedenen Teilen des Datenteams verbesserte sich erheblich, was die Zeit für gemeinsame Aufgaben um über 50% reduzierte. Darüber hinaus beschleunigte sich die Datenanalyse durch reibungslose Datenintegration, verbesserte Code-Reviews und schnellere Iterationszyklen um beeindruckende 80%.

Welche Regionen verzeichnen das stärkste Wachstum?

Die regionale Wachstumsverteilung von JetBrains zeigt deutliche Unterschiede, die auch die Ausbreitung von Datalore beeinflussen:

• Asien-Pazifik: Mit 14% Umsatzwachstum im Jahr 2022 zählt diese Region zu den stärksten Wachstumstreibern. Der asiatische Markt war bereits im Vorjahr mit 29% Umsatzsteigerung führend.

• Nord-, Zentral- und Südamerika: Diese Region verzeichnete mit 15% das stärkste Umsatzwachstum im Jahr 2022.

• Europa, Naher Osten und Afrika: Mit 7% Wachstum entwickelte sich diese Region ebenfalls positiv, wenn auch etwas langsamer als andere Märkte.

Besonders bemerkenswert ist die Entwicklung in bestimmten Ländern. In der Republik Korea, wo Unternehmen wie Drama & Company Datalore erfolgreich einsetzen, wurde zuvor ein jährliches Kundenwachstum von 59% registriert. Auch China (52% Wachstum), Brasilien (33%) und Indien (24%) zeigten starke Zuwächse bei zahlenden Kunden.

Die Ausbreitung von Datalore erfolgt somit auf einem soliden Fundament regionaler Wachstumsmärkte, wobei insbesondere der asiatisch-pazifische Raum großes Potenzial zeigt. Die wachsende internationale Nutzerbasis unterstreicht den globalen Erfolg des datalore team blogs bei der Verbreitung von Produktinformationen und datalore tutorials zur Nutzerunterstützung.

JetBrains erweitert Funktionen für kollaborative Datenanalyse

Die kollaborative Datenanalyse steht im Zentrum der neuesten Funktionserweiterungen von Datalore. Der datalore team blog berichtet regelmäßig über diese Innovationen, die die Zusammenarbeit in Teams revolutionieren und zur steigenden Nutzerzahl beitragen.

Live-Zusammenarbeit in Notebooks

Datalore ermöglicht Teams eine Echtzeit-Zusammenarbeit an Notebooks und Skripten. Nutzer können Änderungen am Code live verfolgen, während Kollegen daran arbeiten. Diese gleichzeitige Bearbeitung erstreckt sich nicht nur auf die Notebooks selbst, sondern auch auf Python-Skripte und andere Textdateien, die dem Notebook beigefügt sind. Besonders praktisch: Die Kursorposition von Mitarbeitern wird in der rechten Seitenleiste angezeigt, was eine nahtlose Zusammenarbeit ermöglicht.

Ein zentrales Feature ist die Navigation zu den Cursors der Teammitglieder. Mit einem einfachen Klick auf das Kontosymbol eines Kollegen in der oberen rechten Ecke können Nutzer dessen Arbeitsposition verfolgen und in Echtzeit mitarbeiten. Dadurch entsteht ein wahrhaft kollaboratives Erlebnis, bei dem Umgebung, Daten und Berechnungsstatus automatisch geteilt werden.

Die Kommunikation wird durch ein umfassendes Kommentarsystem unterstützt. Selbst Benutzer mit reinen Leserechten können Kommentare hinterlassen und auf Beiträge anderer reagieren. Diese Kommentarfunktion synchronisiert sich zwischen Notebooks und Berichten, sodass ein nahtloser Kommunikationsfluss entsteht. Abgeschlossene Diskussionen können als "erledigt" markiert werden, um den Überblick zu behalten.

Versionsverlauf und Team-Workspaces

Die Versionskontrolle in Datalore wurde erheblich verbessert, wie im datalore blog dokumentiert. Teams können den Arbeitsfortschritt durch die Erstellung von History-Checkpoints verfolgen, Unterschiede zwischen Versionen einsehen und bei Bedarf zu früheren Checkpoints zurückkehren. Für wichtige Aktionen wie das Löschen eines Blatts oder einer Zelle werden Checkpoints automatisch erstellt.

Team-Workspaces bilden das organisatorische Rückgrat der Zusammenarbeit. Diese gemeinsamen Bereiche halten alle Teammitglieder auf dem gleichen Stand und ermöglichen den Zugriff auf Notebooks, Daten und Berichte von einem zentralen Ort aus. Jede Änderung wird in Echtzeit aktualisiert, was veraltete, auf lokalen Rechnern vergessene Notebooks verhindert. Für persönliche Experimente erhält jeder Nutzer zusätzlich einen privaten Home-Workspace.

Der datalore tutorial Bereich zeigt, wie Projekte in Workspaces organisiert werden können. Diese Workspaces funktionieren als Sammlung von Notebooks mit verschiedenen gemeinsamen Ressourcen wie Datenquellen, SSH-Schlüsseln oder Umgebungsvariablen. Zusätzlich zum privaten Workspace und geteilten Workspaces steht Cloud-Plan-Nutzern ein automatisch erstellter Team-Workspace zur Verfügung, der von allen Teammitgliedern gemeinsam genutzt wird.

Geteilte Datenquellen und Zugriffsrechte

Die datalore intro hebt die flexiblen Zugriffsmöglichkeiten hervor. Bei der Freigabe eines Notebooks oder Workspace können drei Zugriffstypen gewählt werden:

• View: Eingeschränkter Zugriff, der nur das Betrachten der Inhalte erlaubt

• Edit: Erlaubt die vollständige Bearbeitung des Notebooks einschließlich Codeänderungen

• Manage: Umfassender Zugriff mit der Möglichkeit, den Zugriff für andere Benutzer zu verwalten

Diese detaillierten Zugriffskontrollen ermöglichen eine präzise Steuerung der Zusammenarbeit. Beim Ausführen von Notebooks in geteilten Workspaces werden die Ressourcen des Eigentümers verbraucht, was die Ressourcenverwaltung vereinfacht.

Datalore bietet zudem persistenten internen Speicher für schnellen Zugriff auf Notebooks und andere Arbeitsartefakte. Über Workspace-Dateien können Datensätze gemeinsam genutzt werden. In einem geteilten Workspace muss ein Datensatz nur einmal hochgeladen werden und steht dann allen Bearbeitern zur Verfügung.

Die team datalog Funktionalität umfasst auch das Klonen von Datenbankverbindungen zwischen Workspaces, was wiederholte Einrichtungsvorgänge überflüssig macht. Nutzer sparen Zeit durch einfaches Kopieren der Einstellungen ohne Anmeldedaten. Außerdem können mehrere Workspaces gleichzeitig ausgewählt werden. Bemerkenswert ist auch die Integration von SMB/CIFS-Speicher in Workspaces, wodurch Teamarbeit noch flexibler wird.

Für Unternehmenskunden bietet die Gruppenverwaltung zusätzliche Möglichkeiten. Benutzergruppen können im Admin-Panel erstellt oder mit dem JetBrains Hub-Authentifizierungsmodul synchronisiert werden, das wiederum mit externen Authentifizierungsanbietern wie Azure AD verbunden werden kann.

Datalore integriert moderne Analyse-Tools und Sprachen

Als vielseitige Plattform für Datenanalyse bietet Datalore eine umfangreiche Unterstützung für verschiedene Programmiersprachen und leistungsstarke Tools. Der datalore team blog verdeutlicht regelmäßig, wie diese technischen Kapazitäten Datenteams dabei helfen, komplexe Analysen effizienter durchzuführen.

Python, SQL, R und Kotlin im Einsatz

Datalore unterstützt eine breite Palette von Programmiersprachen, die den unterschiedlichen Anforderungen moderner Datenanalyse gerecht werden. Nutzer können in ihren Projekten zwischen Python, R, Scala und Kotlin wählen, wodurch Teams mit verschiedenen Programmiervorlieben problemlos zusammenarbeiten können. In der datalore intro wird besonders hervorgehoben, dass jedes Notebook über eine isolierte Umgebung verfügt, was Konflikte zwischen verschiedenen Projekten verhindert.

Für SQL-Analysen bietet Datalore native SQL-Zellen, die direkt in Notebooks integriert werden können. Diese Funktion ermöglicht es Nutzern, von der Jupyter-Umgebung aus auf Datenbankverbindungen zuzugreifen, ohne zwischen verschiedenen Tools wechseln zu müssen. Besonders praktisch: Die Ergebnisse einer SQL-Abfrage werden automatisch in einen Pandas DataFrame überführt, mit dem Nutzer anschließend in Python weiterarbeiten können.

Darüber hinaus können SQL-Zellen auch für 2D-DataFrames und CSV-Dateien aus beigefügten Dokumenten verwendet werden. Dies ermöglicht es, Daten aus verschiedenen Quellen mithilfe von SQL in einen einzelnen DataFrame zusammenzuführen oder komplexe Abfragen in eine Sequenz von SQL-Zellen aufzuteilen.

Intelligente Codevervollständigung und Visualisierung

Die intelligente Codingunterstützung gehört zu den Kernfunktionen von Datalore. Für Python-Notebooks steht die bewährte Code-Vervollständigung aus PyCharm zur Verfügung. Nutzer profitieren von erstklassiger Code-Vervollständigung, Parameterinformationen, Inspektionen, Quick-Fixes und Refactoring-Funktionen, die dabei helfen, qualitativ hochwertigen Code mit weniger Aufwand zu schreiben.

Wie im datalore blog beschrieben, bietet die Plattform zudem automatische Visualisierungsoptionen für Pandas DataFrames. Im Bereich "Visualize" können Nutzer schnell Punkt-, Linien-, Balken-, Flächen- und Korrelationsdiagramme erstellen, um ihre Daten besser zu verstehen. Bei großen Datensätzen erfolgt automatisch eine Stichprobenentnahme für optimale Performance.

Für anspruchsvollere Visualisierungen stehen Chart-Zellen zur Verfügung. Diese serverbasierten Visualisierungen ermöglichen die Erstellung mehrschichtiger Diagramme auf Basis von Datensätzen jeder Größe. Nutzer können zwischen verschiedenen Diagrammtypen wählen und Eigenschaften wie Breite, Höhe, Titel und Achsenbeschriftungen anpassen.

Der datalore tutorial Bereich hebt insbesondere die statistischen Funktionen hervor. Mit einem Klick erhalten Nutzer grundlegende deskriptive Statistiken für einen DataFrame in einem separaten Statistik-Tab. Für kategoriale Spalten wird die Werteverteilung angezeigt, während für numerische Spalten Minimum, Maximum, Median, Standardabweichung, Perzentile berechnet sowie der Prozentsatz von Nullwerten und Ausreißern hervorgehoben werden.

Datalore Tutorial: Einstieg für neue Nutzer

Für Neueinsteiger bietet das team datalog umfangreiche Tutorials an, die den Einstieg erleichtern. Ein besonders hilfreicher Quickstart-Guide führt neue Nutzer durch die grundlegenden Aufgaben in Datalore: Erstellen eines eigenen Workspaces, Anlegen eines Notebooks, Verbinden von Daten, Abfragen und Analysieren von Daten, Erstellen von Diagrammen, Hinzufügen von Interaktivität und Teilen der Ergebnisse.

Diese strukturierte Heranführung ermöglicht es Nutzern, die leistungsstärksten Tools von Datalore kennenzulernen, die für die Datenanalyse und Codebearbeitung entwickelt wurden. Zunächst wird ein Python-Notebook erstellt, das automatisch im Editor geöffnet wird. Anschließend werden spezielle SQL-Zellen zum Abrufen von Daten aus angehängten Quellen vorgestellt.

Außerdem demonstrieren die Tutorials, wie Projekte durch das Hinzufügen von Markdown-Zellen übersichtlicher gestaltet werden können. Darauf aufbauend wird die Datenvisualisierung mit verschiedenen Diagrammtypen erläutert und gezeigt, wie diese als Code exportiert werden können. Schließlich lernen Nutzer, wie sie ihre Notebooks interaktiv gestalten und als eigenständige Webseiten veröffentlichen können.

JetBrains positioniert Datalore als BI- und Reporting-Plattform

JetBrains erweitert das Anwendungsspektrum von Datalore erheblich und positioniert die Plattform zunehmend als leistungsstarke Lösung für Business Intelligence und Reporting. Der datalore team blog betont regelmäßig, wie Nutzer mit der Plattform professionelle Berichte erstellen können, ohne tiefgreifende Programmierkenntnisse zu benötigen.

Erstellung interaktiver BI-Apps ohne Code

Das Herzstück der BI-Funktionalität ist der Report Builder, der die Art und Weise revolutioniert, wie interaktive Berichte aus Notebooks erstellt werden. Mit dieser Funktion können Nutzer Zellen auf einer Leinwand anordnen, deren Höhe und Breite einfach anpassen und unnötige Schritte ausblenden. Insbesondere können Datenwissenschaftler Python-, SQL-, Scala- oder R-Code vollständig verbergen und sich stattdessen auf Markdown-Zellen, Visualisierungen und interaktive Widgets konzentrieren.

Für die Erstellung aussagekräftiger Dashboards bietet Datalore verschiedene interaktive Eingabeelemente wie Dropdown-Menüs, Schieberegler, Texteingaben und Datumszellen. Diese können direkt in Notebooks integriert werden, wobei die Eingabewerte als Variablen im Code verwendet werden. Zusätzlich ermöglichen Metrik-Zellen, bestimmte Zahlen in Notebooks und Berichten hervorzuheben und einen automatischen Vergleich mit einer bestimmten Variable oder mit Ergebnissen vorheriger Zellausführungen durchzuführen.

Der datalore tutorial Bereich zeigt, wie Nutzer produktionsreife Visualisierungen mit wenigen Klicks erstellen können. Eine besonders nützliche Funktion ist die Möglichkeit, Filterung und Sortierung direkt auf Pandas-DataFrames und SQL-Abfrageergebnisse anzuwenden. Benutzer können Spalten zur Anzeige auswählen, Datensätze nach bestimmten Spalten sortieren und basierend auf "Gleich"- und "Enthält"-Ausdrücken filtern.

Externe Freigabe und Berichtssammlungen

Die Freigabefunktionen von Datalore ermöglichen es Teams, ihre Ergebnisse effizient mit Stakeholdern zu teilen. Nutzer können Notebooks als Datengeschichten teilen, indem sie interaktive Berichte veröffentlichen und ihrem Team einen öffentlichen Link zur Verfügung stellen. Jeder Berichtsleser erhält dabei seine eigene Kopie des Berichts und kann Steuerelemente, Widgets und Diagrammzelleneingaben ändern sowie den Bericht bei Bedarf neu berechnen. Bemerkenswert ist, dass kein Datalore-Konto erforderlich ist, um auf die Berichte zuzugreifen.

Im datalore blog wird auch die Unterscheidung zwischen interaktiven und statischen Berichten erläutert:

• Interaktive Berichte: Ermöglichen Benutzern, Eingaben zu ändern und Berechnungen neu auszuführen

• Statische Berichte: Präsentieren Daten als unveränderliche Seite, ideal für endgültige Ergebnisse

Für beide Berichtstypen gilt: Sie können mit unbegrenzten Empfängern im Team durch einen einfachen Link geteilt werden. Beim Ausführen interaktiver Berichte verbrauchen die Betrachter die Rechenressourcen des Erstellers, während bei der Anzeige statischer Berichte keine zusätzlichen Ressourcen verbraucht werden.

Die kommende Funktion "Berichtssammlungen" wird es ermöglichen, Berichte in thematischen Sammlungen zu organisieren und mit Stakeholder-Gruppen zu teilen. Dies wird besonders für Unternehmen relevant sein, die regelmäßig Berichte für verschiedene Abteilungen erstellen müssen. Zusätzlich können Notebooks und Berichte als PDF-, HTML-, IPYNB- oder PY-Dateien exportiert werden. Auch die erstellten Visualisierungen und Tabellendaten können durch Klicken auf die Download-Schaltfläche oder Rechtsklick auf das Diagramm heruntergeladen werden.

Datalore Team vs. Enterprise: Welche Edition passt zu wem?

Bei der Wahl der richtigen Datalore-Edition stehen Unternehmen vor einer wichtigen Entscheidung, die ihre Datenanalyse-Strategie maßgeblich beeinflusst. Der datalore blog bietet hierzu detaillierte Vergleiche, die bei dieser Entscheidung helfen können.

Cloud vs. On-Premises: Unterschiede im Hosting

Die grundlegendste Unterscheidung liegt im Hosting-Modell. Während die Team-Edition als Cloud-Lösung von JetBrains gehostet und verwaltet wird, ist die Enterprise-Edition (jetzt On-Premises genannt) selbst-gehostet und wird vom Kunden in seiner privaten Cloud oder direkt vor Ort betrieben. Dieses Hosting-Modell bietet unterschiedliche Vorteile:

• Cloud: Ermöglicht sofortigen Start mit nur einem Browser ohne zusätzliche Installationsschritte und bietet flexible Anpassung der Teamgröße nach Bedarf.

• On-Premises: Bietet vollständige Kontrolle über Rechenressourcen und Speicherkapazitäten sowie zusätzliche Anpassungs- und Sicherheitsoptionen.

Für Cloud-Nutzer stehen 750 CPU L-Maschinenstunden pro Teammitglied zur Verfügung, während On-Premises-Kunden ihre Ressourcen frei nach eigenen Anforderungen konfigurieren können.

Editionen-Vergleich: Free, Team, Enterprise

Datalore bietet drei Haupteditionen mit unterschiedlichem Funktionsumfang:

Der Free-Plan umfasst unbegrenzte Notebooks, Coding-Unterstützung für Python und andere Sprachen sowie die Möglichkeit, zwei Notebooks parallel auszuführen. Allerdings sind Speicher (10 GB) und Rechenleistung (120 CPU S-Maschinenstunden) begrenzt.

Die Team-Edition (Cloud) erweitert dieses Angebot deutlich durch Datalore AI, unbegrenzte parallele Notebook-Ausführungen, Echtzeit-Zusammenarbeit und Versionsverlauf. Zudem bietet sie 20 GB Cloud-Speicher und Zugriff auf leistungsstarke CPUs und GPUs.

Die Enterprise-Edition (On-Premises) enthält alle Cloud-Funktionen plus selbst-gehostete Installation oder eine von JetBrains verwaltete dedizierte Instanz, unbegrenzte Viewer, erweiterte Team-Management-Funktionen und SSO-Integration.

Zielgruppen: Start-ups, KMU, Großunternehmen

Die datalore tutorials zeigen, dass jede Edition für bestimmte Nutzergruppen optimiert ist:

Der Free-Plan eignet sich insbesondere für Einzelpersonen und Einsteiger in die Datenanalyse, die grundlegende Funktionen benötigen.

Die Team-Edition richtet sich an datenzentrierte Teams und fortgeschrittene Datenanalysten, die eine vollständig verwaltete Datenanalyse-Plattform ohne zusätzlichen Installationsaufwand suchen. Wie im datalore team blog beschrieben, vereinfacht und optimiert diese Edition die Zusammenarbeit innerhalb von Organisationen.

Die Enterprise-Edition ist für Unternehmen konzipiert, die erhöhte Anpassbarkeit und Datensicherheit benötigen. Die team datalog Funktionalität wird hier durch unternehmensspezifische Anpassungen erweitert, die in der datalore intro ausführlich erklärt werden.

Systemanforderungen

• Plattform: Webbrowser-basiert (Chrome, Firefox, Safari, Edge)
• Internetverbindung: erforderlich
• Betriebssystem: unabhängig (Windows, macOS, Linux)
• Benutzerkonto: JetBrains-Konto erforderlich