# Introduktion av data

Det första steget för att skapa en datapipeline i ett Qlik Open Lakehouse-projekt är att introducera data. Denna process omfattar överföring av data från källan och lagring av datauppsättningar i optimerade Iceberg-tabeller.

Introduktionen skapas i en enda åtgärd, men utförs i två steg. Datakällstypen, antingen CDC eller strömmande, avgör uppgifterna i ditt projekt:

### CDC-källor

* Mellanlagring av data

  Detta innebär att data överförs i kontinuerliga minibatchar från den lokala datakällan till ett mellanlagringsområde med hjälp av en datauppgift för mellanlagring.

  [Mellanlagra data från datakällor](https://help.qlik.com/sv-SE/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/Landing/Landing-data-data-sources.htm)

  Du kan också mellanlagra data till ett sjöhus, där data mellanlagras till S3-lagring.

  [Mellanlagringsdata till Qlik Open Lakehouse](https://help.qlik.com/sv-SE/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/Lakehouse/landing-data.htm)

* Lagra datauppsättningar

  I detta ingår att avläsa den initiala laddningen med mellanlagringsdata eller inkrementella laddningar och tillämpa data i läsoptimerat format med en lagringsdatauppgift.

  [Lagra datauppsättningar](https://help.qlik.com/sv-SE/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/Lakehouse/storing-data.htm)

### Strömningskällor

* Mellanlagring av data

  Detta innebär att data kontinuerligt strömmas från källan till ett mellanlagringsområde med hjälp av en datauppgift för strömmande mellanlagring.

  [Mellanlagra strömmande data till Qlik Open Lakehouse](https://help.qlik.com/sv-SE/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/Lakehouse/landing-data-streaming.htm)

* Lagra datauppsättningar

  Detta innebär att läsa in den initiala laddningen av mellanlagringsdata och tillämpa data i läsoptimerat format med en lagrings-Transformera data-uppgift.

  [Lagra strömmande datauppsättningar](https://help.qlik.com/sv-SE/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/Lakehouse/storing-data-streaming.htm)

## Använda introducerade data

När du har introducerat data kan du använda de lagrade datauppsättningarna på flera olika sätt, inklusive:

* Du kan använda datauppsättningarna i en analysapplikation.

* Du kan spegla data till ett eller flera molndatalager, inklusive Amazon Redshift och Snowflake, genom att lägga till en speglingsdatauppgift direkt till lagringsdatauppgiften för CDC-källor, eller strömmande transformuppgiften för strömmande källor.

  Mer information finns i [Spegla data till ett molndatalager](https://help.qlik.com/sv-SE/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/Lakehouse/mirroring-data.htm).

* Du kan transformera data i ditt molndatalager genom att skapa en projektöverskridande pipeline som använder data från ditt introduktionsprojekt.