طراحی و پیاده‌سازی خطوط پردازش داده برای آماده‌سازی، تبدیل، اعتبارسنجی و انتقال داده به سامانه‌های هوش مصنوعی و تحلیلی.
Pipeline می‌تواند دریافت داده، پاک‌سازی، تبدیل، اعتبارسنجی، آماده‌سازی ویژگی، زمان‌بندی، ذخیره‌سازی و پایش را شامل شود.
کاربردها شامل مجموعه‌داده‌های پژوهشی، workflowهای یادگیری ماشین، پردازش اسناد، پایگاه‌های داده علمی و سامانه‌های آنلاین AI است.
روش پیاده‌سازی بر اساس داده‌های موجود، محدودیت‌های فنی، میزان اتوماسیون مورد نیاز و زیرساخت نرم‌افزاری یا پژوهشی پروژه انتخاب می‌شود. راهکار می‌تواند به‌صورت یک جزء مستقل یا درون یک سامانه بزرگ‌تر پیاده‌سازی شود.
هدف، ایجاد یک جریان محاسباتی روشن و قابل ارزیابی است که بتوان آن را در ادامه نگهداری، توسعه و با نیازهای جدید پروژه تطبیق داد. بنابراین انتخاب مدل، پردازش داده، رابط‌ها و روش استقرار بر اساس مسئله واقعی پروژه تعیین می‌شود.