Awesome GitHub RepositoriesData Exploration Tools

Prisma is a database toolkit that provides a unified access layer for interacting with relational and document databases. It centers on a declarative schema modeling approach, where developers define their data structures in a human-readable language. This schema serves as the single source of truth, from which the toolkit automatically generates type-safe database clients that provide compile-time validation and editor autocomplete for all data operations. The project distinguishes itself through a high-performance, Rust-based query engine that handles query planning and connection pooling o

RedisDesktopManager is a graphical user interface client and database manager for Redis. It serves as a NoSQL database explorer that allows users to visualize, edit, and manage keys and values within a Redis environment without relying on command-line tools. The application focuses on NoSQL data exploration and cache administration, providing a visual way to browse and search through key-value pairs. It includes capabilities for database schema visualization, rendering complex data types such as hashes, lists, and sets in a readable format.

Kibana is a browser-based data exploration and visualization platform designed for interacting with information stored in distributed search engines. It serves as a centralized interface for analyzing structured and unstructured data, enabling users to build custom dashboards, generate interactive charts, and map complex datasets to uncover trends and actionable insights. Beyond visualization, the platform functions as a comprehensive management console for infrastructure operations. It provides tools for configuring security policies, managing data indices, and monitoring system health. The

VictoriaMetrics is a high-performance, scalable time series database and observability platform designed for long-term storage and analysis of metric, log, and trace data. It functions as a unified backend for monitoring ecosystems, offering full compatibility with industry-standard protocols and query languages. The system is built to handle massive data volumes through a distributed architecture that supports horizontal scaling and efficient data lifecycle management. The platform distinguishes itself through a storage engine that utilizes consistent hashing for data sharding and log-struct

Seaborn is a Python library designed for statistical data visualization. It functions as a high-level interface built on the Matplotlib ecosystem, providing specialized routines to explore and communicate complex patterns within datasets. The framework enables users to generate informative graphics through automated statistical aggregation, multi-plot faceting, and integrated regression modeling. The library distinguishes itself through a declarative approach to data mapping, which translates raw inputs into visual properties like color, size, and position. It includes a robust statistical tr

Dejavu is a containerized administration panel and web interface for managing data within Elasticsearch and OpenSearch clusters. It serves as a search index management tool for browsing, editing, and deleting records through a visual explorer rather than raw API queries. The project distinguishes itself by providing a search interface prototyping tool. This allows users to visually design search screens to test result relevancy and export the final layout configuration as usable code. The tool covers broad data management capabilities, including structured data import from CSV or JSON files

This project is a platform that orchestrates multiple AI agents to automate data science workflows—covering data loading, cleaning, feature engineering, modeling, and querying. It also functions as a natural language database query interface, converting plain English questions into SQL, and as a visual data pipeline builder. Custom agents are generated on demand by filling prompt templates for tasks like data cleaning and feature engineering. Pipelines incorporate human-in-the-loop checkpoints that pause execution for review and approval. Intermediate results are saved as versioned files, ena

Visual Insights est une plateforme d'analyse exploratoire de données automatisée et un outil d'inférence causale conçu pour découvrir des modèles et des relations de cause à effet au sein des jeux de données. Il fonctionne comme une bibliothèque de visualisation de données interactive utilisant une approche de grammaire graphique pour générer des graphiques et des tableaux de bord multidimensionnels. Le projet se distingue par une interface en langage naturel qui traduit les questions en texte brut en réponses de données et visualisations via un modèle de langage. Il fournit un framework spécialisé pour la découverte et l'inférence causales, permettant aux utilisateurs d'identifier les liens entre variables via des graphes causaux interactifs et d'effectuer des analyses de type « et si » pour valider des hypothèses. La plateforme couvre un large éventail de capacités, incluant le nettoyage visuel des données, le profilage statistique et la transformation automatisée des jeux de données. Elle prend en charge l'intégration de données diverses provenant de fichiers locaux et de bases de données distantes, et dispose d'un moteur de traitement haute performance pour gérer de grands jeux de données localement. De plus, le système permet l'intégration de composants d'analyse interactifs dans des applications web et des notebooks.

Rath est une plateforme d'analyse de données propulsée par LLM et un moteur d'analyse augmentée conçu pour l'exploration et la visualisation automatisées de données. Il sert d'outil en libre-service pour découvrir des modèles au sein de grands jeux de données, traduire des requêtes en langage naturel en graphiques visuels, et identifier des relations causales entre variables à l'aide de modèles graphiques. La plateforme se distingue par un système de visualisation de données automatisé qui recommande les types de graphiques et les mises en page optimaux pour minimiser les erreurs de perception. Elle intègre des grands modèles de langage pour permettre l'interrogation de données en langage naturel et emploie des algorithmes d'apprentissage structurel pour la découverte de relations causales afin d'éclairer la prise de décision stratégique. Le système couvre un large éventail de capacités, incluant la préparation et le nettoyage de données, la création de tableaux de bord interactifs et la visualisation automatisée des tendances. Il propose à la fois un processus de découverte automatisé et une interface manuelle de type glisser-déposer pour une exploration indépendante des dimensions du jeu de données.

This project is an AI-powered diagramming tool that converts natural language descriptions into editable visual charts and hand-drawn style sketches. It integrates large language models to translate text-based concepts into structured visual maps and coordinate data for a drawing canvas. The system features a dedicated provider manager for the secure configuration of API keys and credentials for external language models. It employs a visual flow optimizer that calculates optimal connection points for arrows and dynamic layout positioning to reduce overlap in complex diagrams. The tool combin