फ़्यूज़नएआई
फ़्यूज़नएआई एक एआई-संचालित मल्टी-मोडल डेटा फ़्यूज़न प्लेटफ़ॉर्म है जो टेक्स्ट, छवियों, ऑडियो और तालिकाओं जैसे विषम डेटा तक पहुंच, सफाई, रूपांतरण और संयुक्त विश्लेषण का समर्थन करता है, और बड़े भाषा मॉडल और वेक्टराइजेशन तकनीक के माध्यम से क्रॉस-मोडल डेटा संरेखण प्राप्त करता है।
FusionAI: AI-संचालित मल्टी-मोडल डेटा फ़्यूज़न प्लेटफ़ॉर्म
मुख्य पैरामीटर और आँकड़े
| प्रोजेक्ट | विशेष विवरण |
|---|---|
| उत्पाद का नाम | फ़्यूज़नएआई |
| श्रेणी | एआई डाटा प्रोसेसिंग |
| डिलिवरी फॉर्म | SaaS / VPC निजीकरण / स्थानीय परिनियोजन |
| समर्थन मंच | वेब, एपीआई |
| समर्थित भाषाएँ | एन-यूएस, जेएच-सीएन, जेए-जेपी |
| लक्षित उपयोगकर्ता | डेटा विश्लेषक, डेटा इंजीनियर, एआई/एमएल इंजीनियर |
| उपयोगकर्ता पैमाना | 2,800+ पंजीकृत टीमें, 400+ भुगतान करने वाले ग्राहक (50 फॉर्च्यून 500 सहित) |
| मासिक डेटा मात्रा संसाधित | लगभग 450 टीबी |
| मूल्य निर्धारण मॉडल | निःशुल्क + मानक ($499/माह) + प्रो ($1,499/माह) + एंटरप्राइज़ (अनुकूलित) |
मुख्य मापदंडों की व्याख्या: फ़्यूज़नएआई का कोर प्रोसेसिंग इंजन "अनुकूली स्कीमा अनुमान" तंत्र को अपनाता है - पूर्वनिर्धारित संरचना के बिना डेटा के लिए, सिस्टम स्वचालित रूप से फ़ील्ड के अर्थ का विश्लेषण करने और डेटा प्रकार और रूपांतरण नियमों की सिफारिश करने के लिए एलएलएम को कॉल करता है। आधिकारिक बेंचमार्क के अनुसार, 20 कॉलम के भीतर फ्लैट टेबल को संसाधित करते समय इस फ़ंक्शन की सटीकता लगभग 94% है, जो पारंपरिक नियम इंजनों की तुलना में लगभग 30 प्रतिशत अंक बेहतर है। मल्टीमॉडल एम्बेडिंग संरेखण फ़्लिकर30के बेंचमार्क पर रिकॉल@1 = 82.3% प्राप्त करता है। प्लेटफ़ॉर्म रे वितरित ढांचे पर आधारित है, और डेटा प्रोसेसिंग को नोड्स के समानांतर निष्पादित किया जा सकता है।
उपयोगकर्ता और बाज़ार की पहचान
| आयाम | डेटा |
|---|---|
| पंजीकृत टीमों की संख्या | 2,800+ (कॉर्पोरेट और व्यक्तिगत उपयोगकर्ताओं सहित) |
| मासिक डेटा मात्रा संसाधित | लगभग 450 टीबी |
| भुगतान करने वाले ग्राहकों की संख्या | 400+ (50 फॉर्च्यून 500 कंपनियों सहित) |
| विशिष्ट उद्योग | वित्तीय जोखिम नियंत्रण, चिकित्सा इमेजिंग, ई-कॉमर्स उत्पाद प्रबंधन, मीडिया परिसंपत्ति प्रबंधन |
| एकीकरण प्रमाणन | स्नोफ्लेक रेडी, डेटाब्रिक्स पार्टनर |
| उद्योग उद्धरण | गार्टनर "डेटा एकीकरण चुनौतियाँ" रिपोर्ट उद्धरण |
फ़्यूज़नएआई डेटा फ़्यूज़न ट्रैक में एयरबाइट, फ़ाइवट्रान और डीबीटी जैसे पारंपरिक ईएलटी टूल के साथ अलग तरह से प्रतिस्पर्धा करता है। बाद वाले तीन बैच सिंक्रोनाइज़ेशन और संरचित डेटा के रूपांतरण पर ध्यान केंद्रित करते हैं, जबकि फ़्यूज़नएआई असंरचित/मल्टीमॉडल डेटा के फ़्यूज़न प्रसंस्करण पर केंद्रित है। इसके मल्टी-मोडल एम्बेडिंग अलाइनमेंट फीचर को गार्टनर रिपोर्ट में एआई-नेटिव समाधान के रूप में उद्धृत किया गया था।
लागत लाभ
| लागत आयाम | विवरण |
|---|---|
| मुफ़्त | $0, 5जीबी/माह, 3 सक्रिय पाइपलाइन, बुनियादी कनेक्टर |
| सदस्यता संस्करण | मानक $499/माह, प्रो $1,499/माह |
| एंटरप्राइज़ संस्करण | अनुकूलित कोटेशन, वीपीसी/स्थानीय परिनियोजन, कस्टम कनेक्टर विकास |
प्रतिस्पर्धी उत्पादों की लागत तुलना:
| तुलना आयाम | फ़्यूज़नएआई मानक | एयरबाइट क्लाउड | फाइवट्रान |
|---|---|---|---|
| मासिक शुल्क (500GB) | $1,200/माह | $1,000/माह | $2,000+/महीना |
| मल्टीमॉडल समर्थन | ✅ मूल समर्थन | ❌ केवल संरचित | ❌ केवल संरचित |
| वेक्टरकृत आउटपुट | ✅ बिल्ट-इन | ❌ माध्यमिक विकास की आवश्यकता है | ❌ माध्यमिक विकास की आवश्यकता है |
| निःशुल्क कोटा | 5जीबी/माह | 10GB/महीना | ❌ कोई निःशुल्क संस्करण नहीं |
| निजीकरण अधिभार | +20% | +30% | +50% |
AI डेटा पाइपलाइन बाजार में FusionAI मूल्य निर्धारण मध्य-सीमा है। शुद्ध संरचित डेटा परिदृश्यों में, कीमत/प्रदर्शन अनुपात एयरबाइट की तुलना में थोड़ा कम है, लेकिन जब असंरचित डेटा शामिल होता है, तो अतिरिक्त छवि/पाठ प्रसंस्करण पाइपलाइनों को पेश करने की कोई आवश्यकता नहीं होती है, और कुल लागत कम होती है। जिन ग्राहकों को एक ही समय में टेक्स्ट, छवियों और तालिकाओं को संसाधित करने की आवश्यकता होती है, वे 2-3 स्वतंत्र टूल के लिए लाइसेंस खर्च कम कर सकते हैं।
मुख्य कार्य
- मल्टी-मोडल डेटा एक्सेस: एक एकीकृत कनेक्टर टेक्स्ट (पीडीएफ/वर्ड/मार्कडाउन), छवि (जेपीईजी/पीएनजी/टीआईएफएफ), ऑडियो (एमपी3/डब्ल्यूएवी), और टेबल (सीएसवी/एक्सेल/एसक्यूएल) डेटा तक पहुंचता है, और स्वचालित रूप से फ़ाइल प्रारूप और एन्कोडिंग को पहचानता है।
- एलएलएम-सहायता प्राप्त स्कीमा अनुमान: स्कीमा-मुक्त डेटा के लिए स्वचालित रूप से फ़ील्ड शब्दार्थ का विश्लेषण करता है, डेटा प्रकारों, लापता मूल्य भरने की रणनीतियों और बाहरी प्रसंस्करण नियमों की सिफारिश करता है। 20 कॉलम के भीतर फ्लैट टेबल की सटीकता लगभग 94% है।
- क्रॉस-मोडल एम्बेडिंग संरेखण: छवियों और टेक्स्ट के पारस्परिक निरीक्षण और ऑडियो और टेक्स्ट के क्रॉस-मैचिंग को प्राप्त करने के लिए विभिन्न मोडल डेटा को एकीकृत वेक्टर स्पेस में मैप करने के लिए सीएलआईपी और इमेजबाइंड जैसे क्रॉस-मोडल मॉडल का उपयोग करें (फ़्लिकर30के रिकॉल@1 = 82.3%)।
- विज़ुअल पाइपलाइन संपादक: डीएजी ऑर्केस्ट्रेशन इंटरफ़ेस, पढ़ने, सफाई, रूपांतरण, एम्बेडिंग और लेखन के प्रत्येक चरण में नोड्स जोड़ने के लिए खींचें और छोड़ें। प्रत्येक नोड स्वतंत्र परीक्षण और पैरामीटर कॉन्फ़िगरेशन का समर्थन करता है।
- वेक्टरीकृत आउटपुट: डेटा निर्यात और आयात के मध्यवर्ती चरणों को समाप्त करते हुए, पाइनकोन, वीविएट, मिल्वस आदि जैसे वेक्टर डेटाबेस पर सीधे लिखें।
- डेटा गुणवत्ता निगरानी पैनल: पाइपलाइन चालू स्थिति का वास्तविक समय प्रदर्शन, पंक्ति-स्तरीय डेटा गुणवत्ता स्कोर, विसंगति का पता लगाने वाले अलार्म, और विफल नोड्स के स्वचालित पुनः प्रयास के लिए समर्थन (3 बार तक)।
- 40+ बिल्ट-इन कनेक्टर: S3, BigQuery, स्नोफ्लेक, पोस्टग्रेज, MongoDB, SharePoint, और बहुत कुछ।
मॉडल और संस्करण विकास
| संस्करण | दिनांक | प्रमुख परिवर्तन |
|---|---|---|
| v1.0 | 2025-05 | पहली रिलीज, टेक्स्ट/टेबल डेटा एक्सेस, बुनियादी ईटीएल + सरल सफाई |
| v2.0 | 2025-11 | स्वचालित स्कीमा अनुमान, एलएलएम सफाई नोड्स, कनेक्टर विस्तार 25 |
| v2.5 | 2026-03 | विज़ुअल डीएजी पाइपलाइन संपादक, शेड्यूल शेड्यूलिंग, ईमेल/वेबहुक अलार्म |
| v3.0 | 2026-06 | छवि/ऑडियो मोडेलिटी समर्थन, मल्टी-मोडल एम्बेडिंग संरेखण, वेक्टर डेटाबेस पर सीधा लेखन |
फ़्यूज़नएआई का विकास पथ धीरे-धीरे "प्लेन टेक्स्ट/टेबल ईटीएल" से "मल्टी-मोडल फ़्यूज़न पाइपलाइन" तक विस्तारित हो गया है। v3.0 की छवि और ऑडियो प्रोसेसिंग क्षमताएं प्लेटफ़ॉर्म को डेटा प्रोसेसिंग टूल से मल्टी-मोडल एआई डेटा इंफ्रास्ट्रक्चर में बदल देती हैं।
तकनीकी लाभ
- मल्टी-मोडल एम्बेडिंग एलाइनमेंट आर्किटेक्चर: प्रत्येक मोडेलिटी के लिए स्वतंत्र इंडेक्स बनाने की आवश्यकता के बिना विभिन्न मोडल डेटा को एकीकृत वेक्टर स्पेस में मैप करने के लिए सीएलआईपी और इमेजबाइंड जैसे क्रॉस-मोडल मॉडल का उपयोग करें। फ़्लिकर30के बेंचमार्क (छवि → टेक्स्ट) पर संरेखण सटीकता रिकॉल@1 = 82.3% तक पहुंच जाती है।
- अनुकूली स्कीमा अनुमान इंजन: नियम इंजन और एलएलएम अनुमान को जोड़ता है: स्वरूपित डेटा (सीएसवी, जेएसओएन) को नियमों का उपयोग करके तुरंत अनुमान लगाया जाता है, और स्वरूपित डेटा (स्कैन किए गए पीडीएफ, गैर-मानक एक्सेल) एलएलएम-सहायता विश्लेषण, गति और सटीकता को संतुलित करता है।
- वृद्धिशील पाइपलाइन निष्पादन: पूर्ण पुन: चलाने से बचने के लिए ऑफसेट (ऑफसेट) या संशोधित टाइमस्टैम्प (संशोधित_at) रिकॉर्ड करके वृद्धिशील सिंक्रनाइज़ेशन प्राप्त करें। 1 मिलियन पंक्तियों की डेटा मात्रा के साथ पाइपलाइनों का वृद्धिशील निष्पादन आम तौर पर 1-5 मिनट में पूरा होता है।
- सैंडबॉक्स क्लीनिंग नोड: तीन सफाई नियम कॉन्फ़िगरेशन का समर्थन करता है: एसक्यूएल, पायथन और एलएलएम प्रॉम्प्ट। डेवलपर्स रूपांतरण तर्क को लचीले ढंग से अनुकूलित कर सकते हैं। सफाई नोड्स एक आइसोलेशन सैंडबॉक्स में चलते हैं और अन्य नोड्स को प्रभावित नहीं करते हैं।
- वितरित निष्पादन इंजन: रे ढांचे के आधार पर वितरित निष्पादन, डेटा प्रोसेसिंग कार्यों को नोड्स में समानांतर किया जाता है, और हजारों सीपीयू कोर में क्षैतिज विस्तार का समर्थन करता है। वीपीसी/ऑन-प्रिमाइसेस संस्करण जीपीयू-त्वरित एम्बेडेड कंप्यूटिंग का समर्थन करता है।
कैसे उपयोग करें
| प्रवेश | विवरण | लागू लोग |
|---|---|---|
| वेब कंसोल | डेटा पाइपलाइनों को दृश्य रूप से बनाएं/प्रबंधित करें | डेटा विश्लेषक/डेटा इंजीनियर |
| बाकी एपीआई | कोड में पाइपलाइन बनाएं/शुरू करें/निगरानी करें | डेवलपर्स |
| पायथन एसडीके | नोटबुक/स्क्रिप्ट में पाइपलाइन कॉलिंग क्षमता | डेटा वैज्ञानिक |
| सीएलआई उपकरण | कमांड लाइन ऑपरेशन पाइपलाइन, लॉग देखना | संचालन एवं रखरखाव |
विशिष्ट उपयोग चरण: कंसोल में डेटा स्रोत और लक्ष्य कनेक्टर कॉन्फ़िगर करें → "ऑटो स्कीमा अनुमान" चुनें या फ़ील्ड मैपिंग को मैन्युअल रूप से परिभाषित करें → सफाई नोड्स जोड़ें (डीडुप्लीकेशन, प्रारूप मानकीकरण, बाहरी प्रसंस्करण) → चुनें कि क्या एम्बेडेड संरेखण आउटपुट सक्षम करना है → शेड्यूलिंग आवृत्ति सेट करें → पाइपलाइन जारी करें → मॉनिटरिंग पैनल के माध्यम से चल रही स्थिति का निरीक्षण करें।
उत्पाद का मूल्य निर्धारण
| पैकेज | कीमत | सामग्री |
|---|---|---|
| मुफ़्त | $0 | 5जीबी/माह, 3 सक्रिय पाइपलाइन, बेस कनेक्टर |
| मानक | $499/माह ($4,990 वार्षिक) | 500जीबी/माह, 25 पाइप, सभी कनेक्टर, एलएलएम सहायता प्राप्त सफाई |
| प्रो | $1,499/माह ($14,990 सालाना) | 2टीबी/माह, 100 पाइपलाइन, मल्टी-मोडल फ़्यूज़न, एम्बेडिंग संरेखण |
| उद्यम | अनुकूलित उद्धरण | असीमित, वीपीसी/स्थानीय परिनियोजन, कस्टम कनेक्टर, एसएलए गारंटी |
अनुप्रयोग परिदृश्य
- वित्तीय जोखिम नियंत्रण बहु-स्रोत डेटा एकीकरण: विभिन्न प्रणालियों से लेनदेन प्रवाह (प्रपत्र), अनुबंध स्कैन (छवियां), और ग्राहक सेवा रिकॉर्डिंग (ऑडियो) पढ़ें, और संलयन के बाद एक एकीकृत जोखिम स्कोरिंग डेटा सेट उत्पन्न करें। सत्यापन: फ़्यूज़न से पहले और बाद में जोखिम नियंत्रण मॉडल के एयूसी सुधार की तुलना करें।
- ई-कॉमर्स उत्पाद प्रबंधन प्रणाली: उत्पाद छवियों, विवरण ग्रंथों, मूल्य सूचियों इत्यादि जैसे बहु-स्रोत डेटा तक पहुंचें, और उत्पाद जानकारी डेटाबेस में आउटपुट को स्वचालित रूप से साफ़ और मानकीकृत करें। असंगत छवियों और पाठ वाले उत्पादों की पहचान करने के लिए छवियों और विवरण पाठ की क्रॉस-चेकिंग का समर्थन करता है। सत्यापन: छवि और पाठ संगतता का पता लगाने की सटीकता और रिकॉल दर को सत्यापित करने के लिए नमूनाकरण।
- मेडिकल छवि डेटा विश्लेषण: DICOM प्रारूप छवियों और उनके संबंधित डायग्नोस्टिक रिपोर्ट टेक्स्ट को पढ़ें, छवि सुविधाओं को निकालें और रिपोर्ट में मुख्य जानकारी संबद्ध करें, और एक संरचित छवि-निदान तुलना डेटा सेट आउटपुट करें। सत्यापन: नैदानिक विशेषज्ञ संरचित आउटपुट की क्षेत्र सटीकता की समीक्षा करते हैं।
- मीडिया संपत्तियों का डिजिटल संग्रह: बड़े पैमाने पर ऐतिहासिक वीडियो/ऑडियो/दस्तावेज़ संपत्तियों को संसाधित करें, स्वचालित रूप से टैग और सारांश उत्पन्न करें, और सामग्री पुनर्प्राप्ति प्लेटफ़ॉर्म द्वारा कॉल के लिए उन्हें वेक्टर डेटाबेस में लिखें।
लागू लोग
| भीड़ | अनुकूलन मूल्य | प्रतिबंध |
|---|---|---|
| डेटा विश्लेषक | जटिल ईटीएल स्क्रिप्ट लिखे बिना मल्टी-सोर्स डेटा पाइपलाइन बनाएं | बुनियादी डेटा मॉडलिंग अवधारणाओं की समझ की आवश्यकता है |
| डाटा इंजीनियर | Python SDK/API | का उपयोग करके मौजूदा डेटा स्टैक में एकीकृत करें पाइपलाइन ट्यूनिंग के लिए वितरित निष्पादन सिद्धांतों की समझ की आवश्यकता होती है |
| एआई/एमएल इंजीनियर | सफाई और संरेखण के बाद सीधे मल्टी-मोडल प्रशिक्षण डेटा सेट प्राप्त करें | एम्बेडिंग संरेखण की गुणवत्ता चयनित मॉडल पर निर्भर करती है |
| एंटरप्राइज़ डेटा प्रबंधक | मॉनिटरिंग पैनल के माध्यम से संपूर्ण पाइपलाइन के डेटा स्वास्थ्य को नियंत्रित करें | एंटरप्राइज़ पैकेज संपूर्ण ऑडिट फ़ंक्शन प्रदान करता है |
परिदृश्यों के लिए उपयुक्त नहीं: छोटे परिमाण वाला विशुद्ध रूप से संरचित डेटा (फ़्यूज़नएआई एयरबाइट या डीबीटी जितना लाभप्रद नहीं है); पहले से ही एक टीम मौजूद है जिसने ईएलटी पाइपलाइन को बेहतर बनाया है; वास्तविक समय स्ट्रीमिंग डेटा प्रोसेसिंग की आवश्यकता है (वर्तमान में केवल बैच प्रोसेसिंग समर्थित है)।
प्रतिस्पर्धी उत्पादों की तुलना
| तुलना आयाम | फ़्यूज़नएआई | एयरबाइट क्लाउड | फाइवट्रान |
|---|---|---|---|
| मुख्य अंतर | मल्टी-मोडल फ़्यूज़न + एआई-सहायता प्राप्त सफाई | संरचित डेटा ईएलटी | संरचित डेटा सिंक्रनाइज़ेशन |
| मल्टी-मॉडल समर्थन | ✅ टेक्स्ट/छवि/ऑडियो/टेबल | ❌ केवल संरचित | ❌ केवल संरचित |
| वेक्टरकृत आउटपुट | ✅ 8 बिल्ट-इन एम्बेडिंग मॉडल | ❌ माध्यमिक विकास आवश्यक | ❌ माध्यमिक विकास आवश्यक |
| मासिक शुल्क (500GB) | $1,200 | $1,000 | $2,000+ |
| निःशुल्क कोटा | 5जीबी/माह | 10GB/महीना | ❌ |
| स्कीमा अनुमान | एलएलएम सहायता (94% सटीकता) | नियम इंजन | नियम इंजन |
| परिनियोजन विधि | SaaS/VPC/स्थानीय परिनियोजन | सास/वीपीसी | सास/वीपीसी |
सारांश और आउटलुक
फ़्यूज़नएआई की मुख्य प्रतिस्पर्धात्मकता "मल्टीमॉडल फ़्यूज़न" और "एआई-असिस्टेड क्लीनिंग" की दो क्षमताओं में निहित है, जो असंरचित डेटा के लिए पारंपरिक ईएलटी टूल के समर्थन में अंतर को भरती है।
मुख्य लाभ: मल्टी-मोडल डेटा (टेक्स्ट + इमेज + ऑडियो + टेबल) की एकीकृत पहुंच और फ़्यूज़न प्रोसेसिंग; एलएलएम-सहायता प्राप्त स्कीमा अनुमान सटीकता 94%; मल्टी-मोडल एम्बेडिंग संरेखण (फ़्लिकर30के रिकॉल@1 = 82.3%); वृद्धिशील निष्पादन और वितरित निष्पादन इंजन बड़े पैमाने पर डेटा प्रोसेसिंग दक्षता सुनिश्चित करते हैं।
ज्ञात सीमाएँ: केवल बैच प्रोसेसिंग मोड का समर्थन करता है और वास्तविक समय स्ट्रीमिंग डेटा का समर्थन नहीं करता है; ऑडियो और वीडियो मोड (जैसे वीडियो फ़्रेम-स्तरीय विश्लेषण) के लिए समर्थन की गहराई में अभी भी विस्तार की गुंजाइश है; ऊर्ध्वाधर उद्योग पूर्व-प्रशिक्षण सफाई टेम्पलेट (चिकित्सा, कानूनी, वित्तीय) अभी भी निर्माणाधीन हैं; कनेक्टर्स की संख्या (40+) एयरबाइट (300+) से काफी भिन्न है।
जोखिम प्रकटीकरण: (1) मल्टी-मोडल एम्बेडिंग संरेखण की गुणवत्ता चयनित अंतर्निहित मॉडल पर निर्भर करती है। उत्पादन निर्णय लेने से पहले लक्ष्य डेटा सेट पर इसका परीक्षण और सत्यापन करने की अनुशंसा की जाती है; (2) स्कीमा अनुमान सटीकता एक नियंत्रणीय परीक्षण वातावरण पर आधारित है। वास्तविक डेटा गुणवत्ता और फ़ील्ड जटिलता में उतार-चढ़ाव से सटीकता में कमी आ सकती है। मैन्युअल समीक्षा प्रक्रिया स्थापित करने की अनुशंसा की जाती है; (3) प्लेटफ़ॉर्म तेजी से सुविधा विस्तार के दौर में है, और संस्करण अपडेट के कारण एपीआई और पाइपलाइन कॉन्फ़िगरेशन प्रारूप बदल सकते हैं; (4) एंटरप्राइज संस्करण वीपीसी/स्थानीय परिनियोजन के विशिष्ट डिलीवरी समय और फीचर सेट की बिक्री के साथ पुष्टि की जानी चाहिए। यह अनुशंसा की जाती है कि खरीद अनुबंध में डिलिवरेबल्स और स्वीकृति मानदंडों की सूची निर्दिष्ट की जाए।
अनुवर्ती अवलोकन निर्देश: स्ट्रीमिंग डेटा प्रोसेसिंग क्षमताएं, अधिक उद्योग पूर्व-प्रशिक्षण टेम्पलेट, और एमएलओपीएस प्लेटफॉर्म (एमएलफ्लो, क्यूबफ्लो) के साथ गहरा एकीकरण।
संस्करण जानकारी
- मल्टी-मॉडल फ्यूजन ：नई छवि और ऑडियो मोडल समर्थन जोड़ा गया है, और एकीकृत एम्बेडिंग पाइपलाइन को मल्टी-मोडल संरेखण आर्किटेक्चर में अपग्रेड किया गया है।
- पाइपलाइन ऑर्केस्ट्रेटर ：विज़ुअल DAG पाइपलाइनों के लिए संपादक और शेड्यूलिंग क्षमताएँ जोड़ी गईं।
- स्कीमा अनुमान ：स्वचालित स्कीमा अनुमान और एलएलएम-सहायता प्राप्त डेटा सफाई नोड्स का परिचय।
- डेटा कनेक्टर ：पहला सार्वजनिक संस्करण टेक्स्ट टेबल डेटा और बुनियादी ईटीएल संचालन के कनेक्शन का समर्थन करता है।
उपयोगकर्ता समीक्षाएं