Databricks Data Intelligence Platform Bewertungen & Produktdetails

Die kollaborativen Notebooks sind sehr nützlich. Mein Team kann sowohl Python als auch SQL im selben Notebook schreiben, was unseren Entwicklungszyklus wirklich beschleunigt. Die Integration mit MLflow ist meiner Meinung nach das herausragende Merkmal. Bewertung gesammelt von und auf G2.com gehostet.

Es gab nichts, was mir nicht gefiel; alles funktionierte wie erwartet. Bewertung gesammelt von und auf G2.com gehostet.

Am meisten gefällt mir an SnapLogic, dass es bei der Datenumwandlung von Datensätzen in Notebooks viele Sprachen zur Verfügung stellt, wie SQL, PySpark und R. Dies ermöglicht es mir, jede Sprache zu verwenden und meine Anforderungen effektiv zu erfüllen. Databricks bietet viele Funktionen wie KI, Unity-Katalog und Workflow-Management, die meine ETL-Implementierung und Datenintegration einfach und schnell machen. Bewertung gesammelt von und auf G2.com gehostet.

Bei starker Nutzung ist die Benutzeroberfläche für einige Implementierungen wie die Jobverfolgung und die Versionsverwaltung von Notebooks im Web etwas träge. Bewertung gesammelt von und auf G2.com gehostet.

Der Unity-Katalog bündelt nützliche Datentypen wie Tabellen (Delta), Modelle, Ansichten, Funktionen und Volumes (für unstrukturierte Daten). Zusätzlich optimiert die Workflows-Registerkarte die Effizienz, um Jobs und Pipelines auszuführen, die mit Big Data aktualisieren und interagieren. Bewertung gesammelt von und auf G2.com gehostet.

Die schlechteste Funktionalität kommt mit den Berechnungsmodi und den eingeschränkten Fähigkeiten. Zum Beispiel ist der dedizierte Einzelbenutzermodus unerlässlich, um ML-Laufzeiten und einige Spark-Kontextzugriffe zu nutzen; jedoch ist der Standard-Shared-Access-Modus entscheidend für die neueste UC-Funktionalität, wie z.B. die ordnungsgemäße Nutzung von Shallow Clones. Bewertung gesammelt von und auf G2.com gehostet.

Die Plattform von Databricks ist ein leistungsstarkes kollaboratives Werkzeug, das es Teams ermöglicht, nahtlos an Datenprojekten zusammenzuarbeiten. Die integrierte Umgebung für Datenverarbeitung und -analyse, zusammen mit ihrer benutzerfreundlichen Oberfläche, macht es einfach, Erkenntnisse zu visualisieren und Ergebnisse in Echtzeit zu teilen. Bewertung gesammelt von und auf G2.com gehostet.

Die gelegentliche Komplexität bei der Verwaltung mehrerer Cluster und Umgebungen kann zu Verwirrung hinsichtlich der Ressourcenzuweisung führen. Darüber hinaus kann die Lernkurve für neue Benutzer steil sein, was die Einführung in Organisationen zu einer Herausforderung macht. Bewertung gesammelt von und auf G2.com gehostet.

Ich habe teilgenommen, um zu erkunden, wie Databricks Datenengineering, Analytik und KI vereint. Die Integration der Plattform mit BI-Tools und die Unterstützung für Delta Lake funktionierten gut. Die Leistungs- und Kollaborationsfunktionen stachen hervor. Allerdings könnten die Lernkurve und einige UI-Komplexitäten für neue Benutzer, die von traditionellen Plattformen wechseln, verbessert werden. Bewertung gesammelt von und auf G2.com gehostet.

Ich habe an der Sitzung der Databricks Data Intelligence Platform teilgenommen, fand sie jedoch eher unspektakulär. Die Funktionen und die Leistung waren weder herausragend noch enttäuschend. Es fühlte sich generisch an, mit vagen Verbesserungen und minimaler Innovation. Insgesamt bin ich unsicher über die besonderen Vorteile, was meine Bewertung weder besonders informativ noch umsetzbar für potenzielle Nutzer macht. Bewertung gesammelt von und auf G2.com gehostet.

Was ich an Databricks am meisten schätze, ist der einheitliche Ansatz für Data Engineering und Data Science. Die Plattform beseitigt die traditionellen Silos zwischen unseren Dateningenieuren und Datenwissenschaftlern, indem sie einen kollaborativen Arbeitsbereich bietet, in dem beide Teams mit ihren bevorzugten Tools an denselben Datensätzen arbeiten können - sei es Spark, Python, R oder SQL. Die Delta Lake-Technologie war besonders wertvoll, um die Datenqualität und Zuverlässigkeit in unseren Pipelines sicherzustellen. Die automatisch skalierenden Cluster bedeuten, dass wir uns nicht um das Infrastrukturmanagement kümmern müssen, und die Notebook-Oberfläche macht es einfach, unsere Arbeit zu dokumentieren und zu teilen. Die MLflow-Integration für Experimentverfolgung und Modellbereitstellung hat unseren maschinellen Lernlebenszyklus erheblich vereinfacht. Bewertung gesammelt von und auf G2.com gehostet.

Die Hauptprobleme, auf die wir gestoßen sind, betreffen die Lernkurve und das Kostenmanagement. Für Teammitglieder, die aus traditionellen SQL-Hintergründen kommen, erfordert der Übergang zu Spark-basierten Analysen eine erhebliche Weiterbildung. Das Preismodell kann schwer vorhersehbar sein, insbesondere bei automatisch skalierenden Clustern, und die Kosten können schnell steigen, wenn sie nicht sorgfältig überwacht werden. Die Benutzeroberfläche, obwohl funktional, kann für neue Benutzer überwältigend wirken, da sie so viele Funktionen und Optionen bietet. Wir haben auch gelegentlich Leistungsinkonsistenzen während der Spitzenzeiten erlebt, und einige der fortgeschritteneren Funktionen erfordern tiefes technisches Wissen, um sie effektiv zu implementieren. Die Dokumentation, obwohl umfassend, kann dicht sein und setzt ein hohes Maß an technischem Fachwissen voraus. Bewertung gesammelt von und auf G2.com gehostet.

Die Databricks-Datenintelligenzplattform ist ein sehr einzigartiges und interessantes Produkt, sie ist sehr effizient und macht das Ausführen von Programmen viel schneller und einfacher. Der kosteneffiziente Preis und die Nutzungsmöglichkeiten dieser Plattform sind so ansprechend, dass ich mich für dieses Produkt entschieden habe. Bewertung gesammelt von und auf G2.com gehostet.

Etwas, das mir an der Databricks Data Intelligence Platform nicht gefiel, ist, dass sie manchmal etwas langsam ist, wenn mehrere Benutzer sie verwenden, was verbessert werden könnte. Bewertung gesammelt von und auf G2.com gehostet.

Ehrlich gesagt, es ist, wie es das Chaos von Rohdaten in etwas wunderschön Orchestriertes verwandelt – wie Jazz, aber mit weniger Saxophon und mehr Spark.

Ich liebe, dass es nicht nur ein Werkzeug ist – es ist ein ganzes Ökosystem. Es bringt Datenengineering, Analytik und KI in eine einheitliche Umgebung. Das bedeutet, dass ich nicht ein Dutzend Werkzeuge zusammenkleben muss, nur um eine Pipeline voranzubringen. Weniger Silos, mehr Fluss. Und die Tatsache, dass es auf offenen Standards wie Delta Lake und Apache Spark basiert? Ein Traum.

Die kollaborativen Funktionen sind auch enorm. Nahtlos über Teams hinweg in Notebooks arbeiten, Erkenntnisse teilen und in Echtzeit iterieren zu können? Es ist wie Google Docs für Datenfreaks, aber intelligenter und mit weniger Formatierungsproblemen.

Oh, und Unity Catalog? Ein echter Game-Changer. Es gibt mir Sichtbarkeit und Governance, ohne dass ich das Gefühl habe, einen zweiten Job in der Sicherheit zu brauchen.

Also ja – was ich am meisten mag, ist, dass es komplexe Dinge weniger komplex erscheinen lässt. Es geht nicht nur darum, Daten zu verwalten – es geht darum, schnell echte Intelligenz daraus zu gewinnen. Und genau diese Art von Geschwindigkeit mag ich. Bewertung gesammelt von und auf G2.com gehostet.

Zunächst einmal kann die Preistransparenz… nennen wir es „mysteriös“ sein. Man denkt, man führt nur einen einfachen Auftrag aus, und dann BAM – Überraschungskosten, als wäre es dein Geburtstag, aber die Geschenke sind alles Rechnungen. Ich hätte gerne etwas mehr Klarheit und Kontrolle, besonders wenn man versucht, verantwortungsvoll zu skalieren. Bewertung gesammelt von und auf G2.com gehostet.

Diese Seehausarchitektur vereint das Beste aus beiden, Datenseen und -lagern, sodass wir uns nicht mit unnötiger Komplexität auseinandersetzen müssen. Delta-Seen gewährleisten Zuverlässigkeit, während die auf Notizbüchern basierende Schnittstelle die Zusammenarbeit nahtlos macht. Die Fähigkeit der Plattform, Batch-, Streaming- und maschinelle Lern-Workloads an einem Ort zu verarbeiten, ist ein großer Vorteil. Bewertung gesammelt von und auf G2.com gehostet.

Die Preisgestaltung kann teuer werden, insbesondere wenn die Arbeitslasten nicht richtig optimiert sind. Auch wenn die Notebooks großartig sind, könnten sie eine bessere Versionskontrolle für die Zusammenarbeit gebrauchen. Die anfängliche Lernkurve kann für diejenigen, die neu bei Spark sind, etwas steil sein, aber sobald man den Dreh raus hat, ist es ein leistungsstarkes Werkzeug. Bewertung gesammelt von und auf G2.com gehostet.

Was mir am meisten gefällt, ist die Leichtigkeit, mit der ich Daten aus verschiedenen Quellen an einem Ort bearbeiten kann. Früher musste ich zwischen verschiedenen Tools hin- und herspringen, aber hier ist alles integriert: von der Erfassung bis zur fortgeschrittenen Analyse. Bewertung gesammelt von und auf G2.com gehostet.

Was mir am wenigsten gefällt, ist, dass die Lernkurve am Anfang etwas steil sein kann. Bewertung gesammelt von und auf G2.com gehostet.