用途：用于设计批处理或流式数据管道、构建数据仓库或湖仓（lakehouse）架构、实现数据质量、血缘与治理。不适用于只需探索性数据分析、只做不含管道的机器学习模型开发，或无法访问数据源与存储系统的情况。
主要能力：涵盖现代数据栈与架构（Delta Lake、Apache Iceberg、Apache Hudi 湖仓；Snowflake、BigQuery、Redshift、Databricks SQL 仓库；数据网格与实时分析引擎）；批处理与 ETL/ELT（Apache Spark 4.0、dbt Core/Cloud、Apache Airflow、Databricks、云 ETL 服务、Great Expectations 质量校验、DataHub/Atlas/Amundsen 数据发现）；实时流与事件处理（Kafka、Pulsar、Flink、Kafka Streams、云流服务、CDC、窗口聚合与连接、模式演进）；工作流编排（Airflow、Prefect、Dagster、云工作流、Kubernetes CronJobs 与 Argo）；数据建模与仓库（星型/雪花模型、Data Vault、SCD、分区与聚簇、增量加载与性能调优）；AWS/Azure/GCP 三云数据栈；数据质量与治理（隐私合规、脱敏、行级安全、模式兼容）；性能与成本优化；数据库集成、基础设施即代码与数据安全合规等。
使用方式：先定义数据源、SLA 与数据契约，再选择架构、存储与编排工具，实现摄取、转换与校验，最后监控质量、成本与运行可靠性。安全方面需保护 PII、执行最小权限访问，并在写入生产目标前校验数据。
限制：资料未提供具体安装命令、定价或平台入口信息；具体实现依赖可访问的数据源与存储系统。