{"id":6759,"date":"2026-07-12T02:07:21","date_gmt":"2026-07-12T10:07:21","guid":{"rendered":"https:\/\/www.gudusoft.com\/teradata-data-lineage\/"},"modified":"2026-07-12T02:07:21","modified_gmt":"2026-07-12T10:07:21","slug":"teradata-data-lineage","status":"publish","type":"page","link":"https:\/\/www.gudusoft.com\/de\/teradata-datenherkunft\/","title":{"rendered":"Teradata-Datenherkunft: Spaltenherkunft f\u00fcr Migrationen und Compliance"},"content":{"rendered":"<p><strong>Teradata-Datenherkunft<\/strong> ist die Spalten\u00fcbersicht, die darstellt, wie Daten durch eine Teradata-Umgebung flie\u00dfen: welche Quellspalten die einzelnen Zieltabelle, -ansichten und -berichte speisen und \u00fcber welche Joins, Ausdr\u00fccke und <code>QUALIFIZIEREN<\/code> Filter entlang des Weges. <strong>Gudu SQLFlow<\/strong> Erstellt diese Karte automatisch, indem er Ihr Teradata SQL mit einem speziellen Teradata-Dialektparser analysiert, einem von 39 dialektspezifischen Parsern, die mitgeliefert werden, und stellt sie als interaktives, erweiterbares Diagramm mit JSON-, CSV- und PNG-Export sowie einer REST-API dar.<\/p>\n\n\n\n<div class=\"wp-block-group alignfull has-background is-layout-constrained\" style=\"background-color:#eef7fb;padding-top:24px;padding-bottom:24px\"><div class=\"wp-block-group__inner-container\">\n\n<p><strong>Probieren Sie es jetzt aus:<\/strong> F\u00fcgen Sie eine beliebige Teradata-Abfrage in die folgende ein: <a href=\"https:\/\/sqlflow.gudusoft.com\/?utm_source=gudusoft&amp;utm_medium=website&amp;utm_campaign=teradata-data-lineage\" target=\"_blank\" rel=\"noreferrer noopener\">kostenloser SQLFlow-Lineage-Visualisierer<\/a>W\u00e4hlen Sie den Teradata-Dialekt aus und erhalten Sie innerhalb von Sekunden ein Spalten-Herkunftsdiagramm. Die Cloud-Edition bietet ein kostenloses Kontingent.<\/p>\n\n<\/div><\/div>\n\n\n\n<h2 class=\"wp-block-heading\">Warum die Teradata-Datenherkunft einen Teradata-Parser ben\u00f6tigt<\/h2>\n\n\n\n<p>Teradata SQL ist nicht einfach ANSI SQL mit einem anderen Logo. Eine typische Systemumgebung, die seit der BTEQ-\u00c4ra l\u00e4uft, enth\u00e4lt jahrzehntelang entwickelte dialektspezifische Konstrukte: <code>SATZ<\/code> Und <code>MULTISET<\/code> Tabellendefinitionen <code>QUALIFIZIEREN<\/code> Filterklauseln f\u00fcr Fensterfunktionen, benannte Spalten mit Perioden und Skripte, die lange vor der Zeit geschrieben wurden, als man noch nicht daran dachte, dass eine Maschine sie jemals neu einlesen m\u00fcsste. Eine generische ANSI-Grammatik versagt genau bei solchen Anweisungen, und jede Anweisung, die ein Lineage-Tool nicht analysieren kann, ist eine L\u00fccke in Ihrem Lineage-Graphen.<\/p>\n\n\n\n<p>SQLFlow verfolgt den gegenteiligen Ansatz. Es basiert auf dem <a href=\"https:\/\/www.sqlparser.com\/\">Allgemeiner SQL-Parser<\/a>, a commercial SQL compiler front-end developed since the mid-2000s and validated against roughly 13,600 per-dialect test fixtures. Its Teradata parser handles BTEQ-era SQL, <code>SATZ<\/code>\/<code>MULTISET<\/code> Tabellen, <code>QUALIFIZIEREN<\/code>und benannte Punkte als erstklassige Teradata-Syntax, dann wird jede Spaltenreferenz \u00fcber CTEs, Unterabfragen, Sichten und aufgel\u00f6st. <code>W\u00c4HLEN *<\/code> Erweiterung vor der Extraktion von Quell-Ziel-Beziehungen auf Spaltenebene.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Ein praktisches Beispiel: Nachverfolgen einer QUALIFY-Deduplizierung<\/h2>\n\n\n\n<p>Der <code>QUALIFY ROW_NUMBER()<\/code> Die Deduplizierungseinf\u00fcgung ist eines der h\u00e4ufigsten Muster in Teradata-Warehouses und eine zuverl\u00e4ssige Methode, um Herkunftsanalyse-Tools zu umgehen, die nur ANSI-Daten verarbeiten:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>INSERT INTO dw.customer_dim (customer_id, full_name, risk_rating) SELECT src.customer_id, TRIM(src.first_nm) || &#039; &#039; || TRIM(src.last_nm) AS full_name, src.risk_rating FROM staging.customer_feed src QUALIFY ROW_NUMBER() OVER ( PARTITION BY src.customer_id ORDER BY src.load_ts DESC) = 1;<\/code><\/pre>\n\n\n\n<p>Wenn Sie dies mit SQLFlow durchf\u00fchren, zeigt das Diagramm zwei unterschiedliche Arten von Beziehungen:<\/p>\n\n\n\n<ul><li><strong>Direkte Abstammung:<\/strong> <code>dw.customer_dim.full_name<\/code> wird abgeleitet von <code>staging.customer_feed.first_nm<\/code> Und <code>last_nm<\/code> durch <code>TRIMMEN<\/code> und Verkettung; <code>Kunden-ID<\/code> Und <code>Risikobewertung<\/code> werden unver\u00e4ndert durchgelassen.<\/li>\n<li><strong>Indirekte (Einfluss-)Abstammungslinie:<\/strong> <code>load_ts<\/code> Die Abfrage landet nie im Ziel, entscheidet aber, welche Zeile die Deduplizierung \u00fcbersteht. SQLFlow protokolliert dies \u2013 zusammen mit \u2026 <code>Kunden-ID<\/code> in seiner <code>TEILUNG DURCH<\/code> Rolle \u2013 als indirekte Abh\u00e4ngigkeit, die im Diagramm separat umgeschaltet werden kann.<\/li><\/ul>\n\n\n\n<p>Diese indirekte Ebene ist wichtig. Wenn jemand die K\u00f6rnung von <code>load_ts<\/code>Die Deduplizierung beginnt stillschweigend, unterschiedliche Zeilen zu behalten, und kein rein direkter Herkunftsgraph w\u00fcrde Sie warnen. Die meisten Konkurrenzprodukte modellieren indirekte Herkunft \u00fcberhaupt nicht; SQLFlow behandelt sie als einen separaten Beziehungstyp.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Anwendungsfall 1: Regulatorische Herkunftsnachweise f\u00fcr Banken auf Teradata<\/h2>\n\n\n\n<p>Teradata ist im Bankwesen weit verbreitet, und Banken tragen die gr\u00f6\u00dften Anforderungen an die Datenherkunft. Gem\u00e4\u00df BCBS 239 m\u00fcssen Institute die Genauigkeit und Integrit\u00e4t der Risikodatenaggregation nachweisen. In der Praxis bedeutet dies, den Pr\u00fcfern genau zu zeigen, welche Quellfelder in die einzelnen Kennzahlen einflie\u00dfen und welche Transformationen dabei durchgef\u00fchrt werden. Die Datenherkunft auf Spaltenebene dient als Nachweis; die Datenherkunft auf Tabellenebene ist eine Ann\u00e4herung, die von Pr\u00fcfern zunehmend kritisiert wird.<\/p>\n\n\n\n<p>Manuell gepflegte Lineage-Tabellen scheitern bereits am Tag nach ihrer Erstellung an diesem Test. SQLFlow hingegen leitet die Lineage direkt aus dem SQL-Code ab: Geben Sie einfach Ihre Teradata-DDL-Anweisungen, View-Definitionen und Ladeskripte an, und SQLFlow generiert eine spaltengenaue Provenienz f\u00fcr jede regulierte Ausgabe \u2013 aktualisierbar bei jeder \u00c4nderung durch inkrementelle Scans, mit einem persistenten Lineage-Repository im Hintergrund.<\/p>\n\n\n\n<p>Zwei Eigenschaften erm\u00f6glichen den Einsatz innerhalb der Kontrollumgebung einer Bank. Erstens f\u00fchrt SQLFlow ausschlie\u00dflich eine statische Analyse des SQL-Codes durch \u2013 es liest niemals Zeilendaten, sodass keine Kundendatens\u00e4tze ber\u00fchrt werden. Zweitens\u2026 <a href=\"https:\/\/www.gudusoft.com\/de\/sqlflow-on-premise-version\/\">On-Premise-Edition<\/a> Die Anwendung l\u00e4uft vollst\u00e4ndig innerhalb Ihres Netzwerks auf Docker oder Kubernetes, auch in abgeschotteten Umgebungen, sodass nicht einmal der SQL-Text Ihre Infrastruktur verl\u00e4sst. Enterprise-Implementierungen scannen im Batch-Verfahren Datenbanken mit \u00fcber 100 Datenbanken und mehr als einer Million Spalten. Exportadapter f\u00fcr DataHub, Microsoft Purview und OpenMetadata integrieren die Datenherkunft in den Katalog, den Ihr Governance-Team bereits verwendet.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Anwendungsfall 2: Migration von Teradata mit der echten Abh\u00e4ngigkeitszuordnung<\/h2>\n\n\n\n<p>Die meisten Teradata-Lineage-Projekte beginnen heute mit einer Migration: Die Datenbest\u00e4nde werden zu Snowflake, BigQuery oder Databricks migriert, und es muss gekl\u00e4rt werden, welche Abh\u00e4ngigkeiten bestehen. Das blo\u00dfe Raten anhand von Tabellennamen und Erfahrungswerten f\u00fchrt h\u00e4ufig zu Verz\u00f6gerungen. Die Abh\u00e4ngigkeits\u00fcbersicht sollte aus dem SQL-Code stammen.<\/p>\n\n\n\n<ul><li><strong>Ganz ehrlich.<\/strong> Die Spaltenhierarchie zeigt, welche Spalten in nachgelagerte Berichte einflie\u00dfen und welche \u00fcberfl\u00fcssig sind \u2013 Logik, die nicht verwendet wird und die Sie au\u00dfer Betrieb nehmen k\u00f6nnen, anstatt sie zu migrieren.<\/li>\n<li><strong>Sequenzielle Migrationswellen.<\/strong> Der Herkunftsgraph legt die tats\u00e4chliche Abh\u00e4ngigkeitsreihenfolge zwischen den Fachgebieten offen, sodass man vorgelagerte Datenquellen vor die Datenm\u00e4rkte verschiebt, die diese Daten verbrauchen.<\/li>\n<li><strong>Dialektfallen entdecken.<\/strong> Konstrukte wie <code>QUALIFIZIEREN<\/code>, <code>SATZ<\/code> Die Semantik der Tabellendeduplizierung und benannte Perioden erfordern eine sorgf\u00e4ltige \u00dcbersetzung. Die Datenherkunft zeigt an, wo sich die einzelnen Konstrukte im Datenfluss befinden und welche Folgen eine fehlerhafte \u00dcbersetzung hat.<\/li>\n<li><strong>Nach der Umstellung \u00fcberpr\u00fcfen.<\/strong> Da SQLFlow beide Dialekte analysiert, k\u00f6nnen Sie Folgendes generieren: <a href=\"https:\/\/www.gudusoft.com\/de\/schneeflocken-datenherkunft\/\">Schneeflocken-Abstammung<\/a> Vergleichen Sie die neu geschriebene SQL-Abfrage mit der Teradata-Baseline \u2013 gleiche Ziele, gleiche Quellspalten oder es liegt ein \u00dcbersetzungsfehler vor.<\/li><\/ul>\n\n\n\n<p>Der gleiche Arbeitsablauf vor und nach der Stilllegung gilt auch f\u00fcr andere \u00e4ltere MPP-Systeme \u2013 siehe \u2026 <a href=\"https:\/\/www.gudusoft.com\/de\/netezza-datenherkunft\/\">Netezza-Datenherkunft<\/a> Seite f\u00fcr die Stilllegungsvariante und die <a href=\"https:\/\/www.gudusoft.com\/de\/oracle-datenherkunftstool\/\">Oracle-Datenherkunft<\/a> Seite, falls Ihre Systemlandschaft Teradata- und Oracle-Datenquellen kombiniert.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Wie SQLFlow eine Teradata-Landschaft verarbeitet<\/h2>\n\n\n\n<p>Sie k\u00f6nnen SQLFlow Teradata SQL in jeder gew\u00fcnschten Gr\u00f6\u00dfenordnung zuf\u00fchren:<\/p>\n\n\n\n<ul><li><strong>F\u00fcgen Sie eine Suchanfrage ein<\/strong> zum schnellen Nachverfolgen einer Anweisung im Browser.<\/li>\n<li><strong>Dateien hochladen<\/strong> \u2014 DDL-Exporte, Ansichtsdefinitionen, ETL- und Ladeskripte \u2014 f\u00fcr eine Analyse in Projektgr\u00f6\u00dfe.<\/li>\n<li><strong>Verbindung \u00fcber JDBC herstellen<\/strong> Schema-Metadaten und Objektdefinitionen direkt aus Teradata abrufen.<\/li>\n<li><strong>Automatisieren<\/strong> Mit der Headless-CLI oder der REST-API k\u00f6nnen Sie die Herkunft im Rahmen Ihrer Deployment-Pipeline aktuell halten und die Ergebnisse f\u00fcr individuelle Anpassungen als JSON oder CSV exportieren.<\/li><\/ul>\n\n\n\n<p>Um einen vollst\u00e4ndigen \u00dcberblick \u00fcber die Funktionsweise der Engine in allen 39 Dialekten zu erhalten \u2013 direkte versus indirekte Herkunftsanalyse, ER-Diagramm-Ableitung aus DDL, dbt-Unterst\u00fctzung, KI-Herkunftsabfrage \u2013 siehe <a href=\"https:\/\/www.gudusoft.com\/de\/sql-datenherkunftstool\/\">SQL-Datenherkunftstool<\/a> Pillar Page.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Wie sieht es mit Open-Source- und Katalogwerkzeugen aus?<\/h2>\n\n\n\n<p>Open-Source-Parser wie <code>sqllineage<\/code> Und <code>sqlglot<\/code> sind wirklich n\u00fctzlich, um die Herkunft einzelner, meist ANSI-konformer Aussagen zu extrahieren, und katalogorientierte Plattformen eignen sich gut zur Organisation von Metadaten und Eigentumsrechten innerhalb einer Organisation. Die L\u00fccke bei Teradata besteht insbesondere in der Tiefe der Dialektabdeckung: jahrzehntealte Schriftsysteme aus der BTEQ-\u00c4ra, <code>QUALIFIZIEREN<\/code>Komplexe Deduplizierungslogik und herstellerspezifische DDL-Anweisungen sind genau die Punkte, an denen generische Grammatiken an ihre Grenzen sto\u00dfen. Wenn Sie Tools f\u00fcr eine Teradata-Umgebung evaluieren, ist der Test einfach: F\u00fchren Sie Ihr komplexestes Produktionslastskript f\u00fcr jeden Kandidaten aus und z\u00e4hlen Sie die Anweisungen, die eine vollst\u00e4ndige Spaltenhistorie aufweisen.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Bereitstellungsoptionen und Preisgestaltung<\/h2>\n\n\n\n<figure class=\"wp-block-table\"><table><thead><tr><th>Ausgabe<\/th><th>Am besten geeignet f\u00fcr<\/th><th>Preise<\/th><\/tr><\/thead><tbody>\n<tr><td>SQLFlow Cloud<\/td><td>Heute teste ich Teradata Lineage; individuelle Analysearbeiten<\/td><td>Kostenlose Version; Premium-Version $49,99\/Monat<\/td><\/tr>\n<tr><td>SQLFlow vor Ort<\/td><td>Banken und regulierte Einrichtungen \u2013 SQL verl\u00e4sst Ihr Netzwerk nie; Air-Gap-Umgebungen werden unterst\u00fctzt.<\/td><td>$500\/Monat oder $4.800 einmalig pro Datenbanktyp, installierbar auf zwei Servern<\/td><\/tr>\n<tr><td>REST-API \/ CLI \/ Java-Bibliothek<\/td><td>Einbettung von Herkunftsinformationen in Pipelines und Plattformen<\/td><td>Siehe die Preisseite<\/td><\/tr>\n<\/tbody><\/table><\/figure>\n\n\n\n<p>Zus\u00e4tzliche Datenbanktypen in der On-Premise-Umgebung kosten jeweils +$100\/Monat oder einmalig +$1.000. Dies ist insbesondere w\u00e4hrend der Migration relevant, wenn Sie Teradata und Snowflake parallel analysieren m\u00fcssen. Weitere Details finden Sie unter [Link einf\u00fcgen]. <a href=\"https:\/\/www.gudusoft.com\/de\/preisgestaltung\/\">Preisseite<\/a>.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">H\u00e4ufig gestellte Fragen<\/h2>\n\n\n\n<h3 class=\"wp-block-heading\">Versteht SQLFlow die Teradata-spezifische Syntax wie QUALIFY und SET\/MULTISET-Tabellen?<\/h3>\n\n\n<p>Ja. SQLFlow verwendet einen dedizierten Teradata-Dialektparser, keine generische ANSI-Grammatik. SQL aus der BTEQ-\u00c4ra. <code>SATZ<\/code>\/<code>MULTISET<\/code> Tabellendefinitionen <code>QUALIFIZIEREN<\/code> Klauseln und benannte Punkte sind alle als Teradata SQL analysierbar, sodass die Herkunftsanalyse auch die Anweisungen umfasst, die ein generischer Parser ablehnt.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Kann SQLFlow bei einer Migration von Teradata zu Snowflake oder BigQuery helfen?<\/h3>\n\n\n<p>Ja. Analysieren Sie zun\u00e4chst die Teradata-Umgebung, um die tats\u00e4chliche Abh\u00e4ngigkeitsstruktur auf Spaltenebene zu ermitteln: Was muss migriert, was au\u00dfer Betrieb genommen werden und in welcher Reihenfolge? Da Snowflake und BigQuery ebenfalls zu den 39 SQLFlow-Dialekten geh\u00f6ren, k\u00f6nnen Sie den umgeschriebenen SQL-Code nach der Umstellung analysieren und die Herkunft mit der Teradata-Baseline vergleichen, um die \u00dcbersetzung zu \u00fcberpr\u00fcfen.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Liest SQLFlow Daten aus unseren Teradata-Tabellen?<\/h3>\n\n\n<p>Nein. SQLFlow f\u00fchrt eine statische Analyse des SQL-Codes durch und liest optional Schema-Metadaten wie Tabellen- und Spaltendefinitionen. Es fragt niemals Zeilendaten ab. Bei einer On-Premise-L\u00f6sung bleibt selbst der SQL-Text innerhalb Ihres Netzwerks.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Kann die Herkunftsanalyse zur Einhaltung der Vorschriften vollst\u00e4ndig innerhalb unseres Netzwerks ablaufen?<\/h3>\n\n\n<p>Ja. SQLFlow On-Premise l\u00e4sst sich in Ihrer Infrastruktur, auch in isolierten Umgebungen, auf Docker oder Kubernetes bereitstellen. Die Kosten betragen 1.300.500 TP\/Monat oder einmalig 1.300.4800 TP\/Monat pro Datenbanktyp. Die L\u00f6sung skaliert auf \u00fcber 100 Datenbanken und mehr als eine Million Spalten und bietet inkrementelle Scans sowie Exportadapter f\u00fcr DataHub, Microsoft Purview und OpenMetadata.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Welche Teradata-Eingaben akzeptiert SQLFlow?<\/h3>\n\n\n<p>Eingef\u00fcgter SQL-Code, hochgeladene Dateien (DDL, Views, Ladeskripte) und live \u00fcber JDBC abgerufene Schema-Metadaten. Die Ergebnisse sind als interaktive Diagramme, JSON, CSV, PNG oder \u00fcber die REST-API verf\u00fcgbar.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Ist die Herkunftsanalyse auf Spaltenebene f\u00fcr BCBS 239 ausreichend?<\/h3>\n\n\n<p>Die Datenherkunft auf Spaltenebene bildet die technische Nachweisebene: Sie dokumentiert, welche Quellfelder in welche Risikokennzahlen einflie\u00dfen und welche Transformationen durchgef\u00fchrt werden, einschlie\u00dflich indirekter Abh\u00e4ngigkeiten durch Filter und Join-Bedingungen. Ihr Compliance-Programm definiert den gesamten Umfang; SQLFlow h\u00e4lt die Datenherkunftsebene pr\u00e4zise und automatisch aktualisiert, anstatt sie manuell pflegen zu m\u00fcssen.<\/p>\n\n\n\n<div class=\"wp-block-group alignfull has-background is-layout-constrained\" style=\"background-color:#60d5f6;padding-top:32px;padding-bottom:32px\"><div class=\"wp-block-group__inner-container\">\n\n<h2 class=\"wp-block-heading\">Verfolgen Sie jetzt Ihre Teradata-Herkunft.<\/h2>\n\n\n<p>F\u00fcgen Sie eine Teradata-Abfrage in den kostenlosen Visualisierer ein oder sprechen Sie mit uns \u00fcber die M\u00f6glichkeit, vor Ihrem Audit oder Ihrer Migration eine vollst\u00e4ndige Systemlandschaft zu scannen.<\/p>\n\n\n<div class=\"wp-block-buttons is-layout-flex\">\n<div class=\"wp-block-button\"><a class=\"wp-block-button__link wp-element-button\" href=\"https:\/\/sqlflow.gudusoft.com\/?utm_source=gudusoft&amp;utm_medium=website&amp;utm_campaign=teradata-data-lineage\" target=\"_blank\" rel=\"noreferrer noopener\">Testen Sie SQLFlow kostenlos<\/a><\/div>\n<\/div>\n\n\n<div class=\"wp-block-buttons is-layout-flex\">\n<div class=\"wp-block-button\"><a class=\"wp-block-button__link wp-element-button\" href=\"https:\/\/www.gudusoft.com\/de\/kontakt\/\">Fordern Sie eine Enterprise-Demo an<\/a><\/div>\n<\/div>\n\n<\/div><\/div>\n\n\n\n<script type=\"application\/ld+json\">{\n    \"@context\": \"https:\\\/\\\/schema.org\",\n    \"@graph\": [\n        {\n            \"@type\": \"SoftwareApplication\",\n            \"name\": \"Gudu SQLFlow\",\n            \"applicationCategory\": \"DeveloperApplication\",\n            \"applicationSubCategory\": \"SQL Data Lineage Tool\",\n            \"operatingSystem\": \"Web, Linux, Windows, macOS\",\n            \"url\": \"https:\\\/\\\/www.gudusoft.com\\\/teradata-data-lineage\\\/\",\n            \"description\": \"Automated Teradata data lineage tool with a dedicated Teradata dialect parser: column-level lineage from BTEQ-era SQL, QUALIFY clauses, and SET\\\/MULTISET tables for BCBS 239 compliance and Snowflake\\\/BigQuery migrations.\",\n            \"featureList\": \"Teradata dialect parser, column-level lineage, indirect\\\/impact lineage, QUALIFY and named-period support, JDBC metadata ingestion, incremental estate scanning, DataHub\\\/Purview\\\/OpenMetadata export, REST API\",\n            \"softwareVersion\": \"8.2.3\",\n            \"offers\": [\n                {\n                    \"@type\": \"Offer\",\n                    \"name\": \"SQLFlow Cloud Free\",\n                    \"price\": \"0\",\n                    \"priceCurrency\": \"USD\"\n                },\n                {\n                    \"@type\": \"Offer\",\n                    \"name\": \"SQLFlow Cloud Premium\",\n                    \"price\": \"49.99\",\n                    \"priceCurrency\": \"USD\",\n                    \"priceSpecification\": {\n                        \"@type\": \"UnitPriceSpecification\",\n                        \"price\": \"49.99\",\n                        \"priceCurrency\": \"USD\",\n                        \"billingIncrement\": 1,\n                        \"unitText\": \"MONTH\"\n                    }\n                },\n                {\n                    \"@type\": \"Offer\",\n                    \"name\": \"SQLFlow On-Premise\",\n                    \"price\": \"4800\",\n                    \"priceCurrency\": \"USD\"\n                }\n            ],\n            \"publisher\": {\n                \"@type\": \"Organization\",\n                \"name\": \"Gudu Software\",\n                \"url\": \"https:\\\/\\\/www.gudusoft.com\\\/\"\n            }\n        },\n        {\n            \"@type\": \"FAQPage\",\n            \"mainEntity\": [\n                {\n                    \"@type\": \"Question\",\n                    \"name\": \"Does SQLFlow understand Teradata-specific syntax like QUALIFY and SET\\\/MULTISET tables?\",\n                    \"acceptedAnswer\": {\n                        \"@type\": \"Answer\",\n                        \"text\": \"Yes. SQLFlow uses a dedicated Teradata dialect parser, not a generic ANSI grammar. BTEQ-era SQL, SET\\\/MULTISET table definitions, QUALIFY clauses, and named periods are all parseable as Teradata SQL, so lineage extraction covers the statements a generic parser rejects.\"\n                    }\n                },\n                {\n                    \"@type\": \"Question\",\n                    \"name\": \"Can SQLFlow help with a Teradata-to-Snowflake or BigQuery migration?\",\n                    \"acceptedAnswer\": {\n                        \"@type\": \"Answer\",\n                        \"text\": \"Yes. Analyze the Teradata estate first to get the true column-level dependency map: what to migrate, what to retire, and in what order. Because Snowflake and BigQuery are also among SQLFlow's 39 dialects, you can analyze the rewritten SQL after cutover and compare lineage against the Teradata baseline to verify the translation.\"\n                    }\n                },\n                {\n                    \"@type\": \"Question\",\n                    \"name\": \"Does SQLFlow read data from our Teradata tables?\",\n                    \"acceptedAnswer\": {\n                        \"@type\": \"Answer\",\n                        \"text\": \"No. SQLFlow performs static analysis of SQL code and optionally reads schema metadata such as table and column definitions. It never queries row data. With On-Premise, even the SQL text stays inside your network.\"\n                    }\n                },\n                {\n                    \"@type\": \"Question\",\n                    \"name\": \"Can lineage run fully inside our network for compliance?\",\n                    \"acceptedAnswer\": {\n                        \"@type\": \"Answer\",\n                        \"text\": \"Yes. SQLFlow On-Premise deploys on Docker or Kubernetes inside your infrastructure, including air-gapped environments, at $500\\\/month or $4,800 one-time per database type. It scales to estates of 100+ databases and over a million columns, with incremental scans and export adapters for DataHub, Microsoft Purview, and OpenMetadata.\"\n                    }\n                },\n                {\n                    \"@type\": \"Question\",\n                    \"name\": \"What Teradata inputs does SQLFlow accept?\",\n                    \"acceptedAnswer\": {\n                        \"@type\": \"Answer\",\n                        \"text\": \"Pasted SQL, uploaded files (DDL, views, load scripts), and live schema metadata pulled over JDBC. Results are available as interactive diagrams, JSON, CSV, PNG, or through the REST API.\"\n                    }\n                },\n                {\n                    \"@type\": \"Question\",\n                    \"name\": \"Is column-level lineage enough for BCBS 239?\",\n                    \"acceptedAnswer\": {\n                        \"@type\": \"Answer\",\n                        \"text\": \"Column-level lineage is the technical evidence layer: it documents which source fields feed each risk figure and through which transformations, including indirect dependencies from filters and join conditions. Your compliance program defines the full scope; SQLFlow keeps the lineage layer accurate and automatically refreshed instead of hand-maintained.\"\n                    }\n                }\n            ]\n        }\n    ]\n}<\/script>","protected":false},"excerpt":{"rendered":"<p>Teradata data lineage is the column-level map of how data moves through a Teradata estate: which source columns feed each target table, view, and report, and through which joins, expressions, and QUALIFY filters along the way. Gudu SQLFlow builds that map automatically by parsing your Teradata SQL with a dedicated Teradata dialect parser, one of 39 dialect-specific parsers it ships, and renders it as an interactive, drillable diagram with JSON, CSV, and PNG export plus a REST API. Try it now: paste any Teradata query into the free SQLFlow lineage visualizer, select the Teradata dialect, and get a column-level lineage\u2026<\/p>","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":[],"blocksy_meta":{"styles_descriptor":{"styles":{"desktop":"","tablet":"","mobile":""},"google_fonts":[],"version":5}},"_links":{"self":[{"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/pages\/6759"}],"collection":[{"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/comments?post=6759"}],"version-history":[{"count":0,"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/pages\/6759\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/media?parent=6759"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}