Datagaps DataOps Suite Bewertungen & Produktdetails

Was mir an der Datagaps DataOps-Suite am meisten gefällt, ist die Flexibilität, die sie beim Arbeiten mit heterogenen Datenquellen bietet, und wie einfach sie dies tut. Sie bietet eine einfache Implementierung sowie nahtlose Integration mit anderen Plattformen wie Databricks, ADO und GIT. Die Art und Weise, wie sie große Datenmengen vergleicht, ist beeindruckend. Es ist ein Tool mit einem großartigen Funktionspaket und in der Lage, jede Art von Automatisierung durchzuführen. Ein weiterer wichtiger Aspekt ist der Kundensupport, der sehr schnell und prompt bei der Lösung von Blockaden ist. Bewertung gesammelt von und auf G2.com gehostet.

Ich habe keine großen Abneigungen gegen das Tool. Derzeit bereinigen wir manuell lang laufende Jobs, die sehr alt sind, aber immer noch als beschäftigt angezeigt werden. Es wäre vorteilhaft, wenn es eine Option gäbe, diese Jobs automatisch zu bereinigen. Außerdem wäre es hilfreich, die Möglichkeit zu haben, Abhängigkeiten zwischen Datenflüssen zu erstellen, sodass die Ausgabe eines Datenflusses als Eingabe für einen anderen verwendet werden kann. Bewertung gesammelt von und auf G2.com gehostet.

Verbessert das Vertrauen in Analysen und Berichterstattung

Ermöglicht schnellere Migrationen und Upgrades mit geringerem Risiko

Standardisiert Datenprozesse über Teams und Plattformen hinweg

Unterstützt datengetriebene Entscheidungsfindung mit vertrauenswürdigen Daten

Reduziert manuelle Überprüfungen und benutzerdefinierte Skripte.

Erreichte 98,5 % Datengenauigkeit über migrierte Tabellen hinweg.

Messbare Verbesserungen in der Datenqualität und Entscheidungsfähigkeit.

Die DataOps Suite ermöglicht zuverlässige, automatisierte und skalierbare Datenoperationen, indem sie Qualität, Beobachtbarkeit und Governance direkt in die Datenpipeline einbettet—Risiko reduzierend, Lieferung beschleunigend und Vertrauen in Daten erhöhend. Bewertung gesammelt von und auf G2.com gehostet.

Änderungsmanagement erforderlich, um von manuellen Prüfungen auf Automatisierung umzustellen. Lernkurve für Teams, die neu in DataOps-Praktiken sind. Bewertung gesammelt von und auf G2.com gehostet.

Die Datagaps DataOps Suite integriert sich nahtlos mit ScalaDB und automatisiert Datenqualitätsprüfungen und Validierungen ohne zusätzlichen Scala-Code. Sie beschleunigt ETL-Tests, gewährleistet genaue Datenpipelines und reduziert den manuellen Aufwand, was uns hilft, vertrauenswürdige, qualitativ hochwertige Daten effizient über verschiedene Umgebungen hinweg zu pflegen. Die Integration ist gut mit einfacher Nutzung und Implementierung. Bewertung gesammelt von und auf G2.com gehostet.

Manchmal kann die anfängliche Einrichtung und Konfiguration Zeit in Anspruch nehmen. Sobald es jedoch läuft, macht die Datagaps DataOps Suite Datenqualitätsprüfungen mühelos und zuverlässig, was uns hilft, vertrauenswürdige Daten mit minimalem laufendem Aufwand zu pflegen. Wir verwenden es sehr häufig, da es einen guten Kundensupport bietet. Bewertung gesammelt von und auf G2.com gehostet.

Ich mag besonders die jüngsten Verbesserungen in der Datagaps DataOps Suite, die den Mapping-Manager stärken, die Datenherkunft verbessern, KI breiter einsetzen und die Validierung komplexer Datenmigrationen vereinfachen. Bewertung gesammelt von und auf G2.com gehostet.

Selbstlernmodule, Videoanleitungen und Zertifizierungspfade Bewertung gesammelt von und auf G2.com gehostet.

DataGaps als Werkzeug hat umfangreiche Funktionen und ist sehr umfassend.

Ein tiefes Verständnis von Data Quality Testing mit dem Werkzeug fügt einen greifbaren Nutzen zu den gesamten End-to-End-Datenprüfungen hinzu.

Ausgezeichneter technischer Support, der für jedes Werkzeug sehr notwendig ist.

Benutzerfreundlichkeit und Implementierung durch jede Junior-Ressource ist ein zusätzlicher Vorteil. Bewertung gesammelt von und auf G2.com gehostet.

Ich habe derzeit keine großen Abneigungen, nur der Vorschlag, mehr Anwendungsfälle für mehrere Funktionen zu haben, würde dem Endbenutzer mehr Vertrauen geben. Bewertung gesammelt von und auf G2.com gehostet.

Während wir seit etwas mehr als sieben Jahren Kunden des eigenständigen ETL Validator (ETL V) Produkts von Datagaps sind, sind wir kürzlich von ETL V zur DataOps-Suite (mit ETL V & Data Quality) migriert, um die Vorteile der fortschrittlicheren Apache Spark-basierten Plattform, der integrierten Python-Skriptfähigkeit sowie der Erweiterbarkeit zu nutzen. Obwohl es während der Migration sicherlich Herausforderungen gab (wie man es bei grundlegenden architektonischen Änderungen erwarten würde), hatten wir während dieses gesamten Prozesses hervorragende Unterstützung.

Die webbasierte Benutzeroberfläche ist relativ einfach zu bedienen - sogar für Geschäftsanwender, um Datenregeln innerhalb der Anwendung zu definieren. Die Planung (von Pipelines, DQ-Regeln, Datenquellen usw.) und E-Mail-Benachrichtigungen sind weitere Dinge, die wir täglich nutzen.

Das Data Quality (DQ) Modul hilft uns, das alte Sprichwort "Garbage in/Garbage out" im Bereich der Datenverarbeitung mit seiner Datenbeobachtbarkeit, dem DQ-Score und anderen Metriken herauszufordern/anzugehen. Wir freuen uns darauf, diese KPIs und Metriken in unserer Organisation breiter zu teilen. Bewertung gesammelt von und auf G2.com gehostet.

Der Übergang von einem einmaligen Kauf (von ETL V) zu einem abonnementbasierten Kostenmodell (von DataOps) erforderte sicherlich Überzeugungsarbeit bei unserem oberen Management.

Die Möglichkeit, Logik für die Art der Datenunterschiede granularer hinzuzufügen und nur in bestimmten Szenarien zu alarmieren, wäre großartig. Bewertung gesammelt von und auf G2.com gehostet.

BI Validator für Tableau hat es uns ermöglicht, effektiv durchzuführen: automatisierte Regressionstests, um unsere DB-Migrationen von Netezza zu Teradata zu beschleunigen, automatisierte Regressionstests für neu entwickelte Tableau-Inhalte und Leistungs-/Stresstests von Tableau-Inhalten auf verschiedenen DB-Plattformen. Dieses Client/Server-Toolset ist einfach zu installieren, zu konfigurieren und zu aktualisieren, da wir seit dem ursprünglichen Kauf mehrere Upgrades durchgeführt haben. Die Benutzeroberfläche ist übersichtlich und einfach zu navigieren. Bewertung gesammelt von und auf G2.com gehostet.

Wir haben zwei wesentliche Verbesserungen angefordert, an denen das Datagaps-Engineering arbeitet: (1) Aufbau von Client-Funktionen in die Webplattform, um die Notwendigkeit der Installation/Nutzung der Client-App zu beenden, (2) Schaffung der Möglichkeit, bestehende Funktionstests als Leistungs-/Stresstests zu verwenden/auszuwählen, da es mehr Funktionalität bei der Definition von Funktionstests im Vergleich zu Leistungs-/Stresstests gibt. Bewertung gesammelt von und auf G2.com gehostet.

Ich habe es für die Validierung von Tableau-Berichtsdaten gegen die Datenbank verwendet. Es erledigt die Aufgabe effizient. Es ist sehr einfach zu erlernen und umzusetzen. Sie nennen die Datenquelle, Datagaps hat Unterstützung dafür. Es bietet Flexibilität, die App sowohl vor Ort als auch in der Cloud zu installieren. Der Kundensupport ist ebenfalls gut. Obwohl ich keine Integration durchgeführt habe, wird gesagt, dass es leicht in Ihre Pipelines integriert werden kann. Ich würde empfehlen, es mindestens einmal für BiTest Automation zu verwenden. Bewertung gesammelt von und auf G2.com gehostet.

Anfangs sieht es verwirrend aus, aber sobald man einen POC gemacht hat, wird man feststellen, dass es sehr einfach zu benutzen ist. Bewertung gesammelt von und auf G2.com gehostet.