Dataiku Bewertungen & Produktdetails

Dataiku demonstrates a satisfactory environment where data is centralized and organized

The program supports both coders and non coders, allowing them to use data in their different levels

Dataiku has a successful data lifecycle, something that collects, ingest, prepare and even analyze data

The program consists of an inbuilt Auto ML tools that speed u most of the operations

Dataiku has extensible APIs and plugins, all supporting success integrations Bewertung gesammelt von und auf G2.com gehostet.

Dataiku has challenges in cost management and estimating, where small companies fail to secure the app

The app demands extensive computer resources, something that amplifies the infrastructure costs Bewertung gesammelt von und auf G2.com gehostet.

What I like best about Dataiku is its end-to-end data science and machine learning platform that brings data preparation, analysis, model building, and deployment into a single environment. The visual workflows combined with code-based options make it accessible for both technical and non-technical users. It also supports strong collaboration between data scientists, analysts, and business teams, which helps speed up model development and improve decision-making. Bewertung gesammelt von und auf G2.com gehostet.

While Dataiku is a powerful platform, it can feel complex for first-time users because of its extensive feature set. The initial setup and learning curve may take time, especially for non-technical users. In some cases, performance can slow down when handling very large datasets, and the pricing structure may not be ideal for smaller teams or limited use cases. Bewertung gesammelt von und auf G2.com gehostet.

Dataiku streamlines building, training, and deploying AI models at scale, offering end-to-end automation, seamless orchestration of compute resources, and collaborative pipelines that make generative AI projects faster and more reliable. It unifies the entire data workflow from preparation and analysis to model deployment, into a single, collaborative platform that’s surprisingly intuitive for both data scientists and business users. Bewertung gesammelt von und auf G2.com gehostet.

Full capabilities can be overwhelming for new users, and scaling extremely large generative AI models sometimes requires complex customization. Bewertung gesammelt von und auf G2.com gehostet.

Ich schätze wirklich, wie die grafische Benutzeroberfläche Pfade und Threads handhabt. Sie ermöglicht es Ihnen, Ihren gesamten Code und Ihre Datensätze visuell zu verwalten, und alles wird automatisch ausgerichtet, was die Nutzungserfahrung sehr beruhigend macht. Bewertung gesammelt von und auf G2.com gehostet.

Es gibt nichts Spezielles, das mir an Dataiku nicht gefällt. Ein Bereich zur Verbesserung wäre jedoch das bessere Management der Historie und des kürzlich bearbeiteten Codes. Es wäre hilfreich, wenn diese Informationen leichter zugänglich und visuell hervorgehoben wären. Bewertung gesammelt von und auf G2.com gehostet.

Ich habe angefangen, Dataiku als Junior Data Analyst zu nutzen. Die visuellen Rezepte haben die Art und Weise, wie man ein Analyseprojekt von Anfang bis Ende aufbaut, revolutioniert. Als ich begann, komplexe Projekte anzugehen und mein Wissen über Data Science und das von mir bearbeitete Fachgebiet zu erweitern, entdeckte ich die Vielzahl von Fähigkeiten, die ich von den Dataiku-Tools und der API übernehmen kann. Es hat mir enorm geholfen, meine Karriereziele zu beschleunigen. Ein weiterer fantastischer Aspekt ist die kontinuierliche Aufrüstung der Funktionen und Tools wie Datenqualitätsmanagement, LLM Mesh und Agentic AI im Studio, die für mich eine Inspiration sind, zusätzliche Schritte (im ML-Flow) auszuprobieren und umzusetzen, die mir helfen, den Geschäftswert in den Projekten, an denen ich arbeite, zu steigern. Ich habe mich auch in der Dataiku Academy eingeschrieben. Bewertung gesammelt von und auf G2.com gehostet.

Wie ich beschrieben habe, ist Dataiku fantastisch, um als Anfänger zu beginnen, aber wenn das Projekt komplexer wird, begann ich, als ich die Dataiku-APIs in Python verwendete, einen Mangel an Details in der Verfügbarkeit der Dokumentation zu spüren. Zum Beispiel wünsche ich mir, dass die Dataiku-APIs für Python eine klarere Dokumentation haben, wie wir sie in einigen Bibliotheken wie Pytorch, Scikit-Learn, Scipy oder Plotly beobachten können. Details wie alle verfügbaren Parameter für eine bestimmte Funktion und zusätzliche Parameter, die mit einem oder zwei Beispielen verwendet werden können, die erklären, was jeder Parameter für die Implementierung der Funktion bedeutet. Die derzeit verfügbare Dokumentation ist stark eingeschränkt, um mir zu helfen, die vollständigen Fähigkeiten einer bestimmten Funktion oder API zu verstehen. Daher ist mein bester Rückgriff oft die Blogpost-Antworten, die der Dataiker bereitstellt. Mit Dankbarkeit würde ich das Team bitten, die Dokumentation so weit zu verbessern, dass sie einem erfahrenen ML Ops-Entwickler einen Mehrwert bietet. Bewertung gesammelt von und auf G2.com gehostet.

Dataiku ist hervorragend für die Verwaltung der gesamten Datenpipeline von der Datenvorbereitung bis zum maschinellen Lernen und der Bereitstellung. Der beste Teil ist, dass es einfach zu implementieren ist. Der beste Teil ist, wie es sowohl technischen als auch nicht-technischen Benutzern ermöglicht, auf derselben Plattform zusammenzuarbeiten. Visuelle Workflows machen es einfach, Projekte ohne umfangreiche Programmierung zu erstellen, während fortgeschrittene Benutzer dennoch tief mit Python, R oder SQL eintauchen können. Die Integration mit Cloud-Plattformen und Versionskontrolle ist ebenfalls sehr reibungslos. Bewertung gesammelt von und auf G2.com gehostet.

Die Plattform kann sich für kleinere Projekte schwer anfühlen, und die anfängliche Lernkurve ist für Anfänger etwas steil. Auch die Lizenzkosten können für kleine Unternehmen oder Startups hoch sein. Bewertung gesammelt von und auf G2.com gehostet.

End-to-End-Plattform: Von der Datenaufnahme und -vorbereitung bis hin zur Modellbereitstellung und -überwachung deckt Dataiku den gesamten Lebenszyklus eines Datenprojekts ab. Dies eliminiert die Notwendigkeit für unterschiedliche Werkzeuge und rationalisiert den gesamten Arbeitsablauf.

Kollaborative Umgebung: Die Plattform fördert nahtlose Zusammenarbeit durch gemeinsame Projekte, Kommentarfunktionen und Versionskontrolle. Dies stellt sicher, dass alle auf dem gleichen Stand sind und ihre einzigartige Expertise einbringen. Meine Kollegen teilen ihre Projekte miteinander und arbeiten gemeinsam an einigen Projekten.

Umfangreiche Integrationen: Dataiku integriert sich nahtlos mit einer Vielzahl von Datenbanken, Cloud-Plattformen und Machine-Learning-Bibliotheken. Diese Flexibilität ermöglicht es uns, unsere bestehende Infrastruktur und Ressourcen zu nutzen. Ich habe gerade erfahren, dass kürzlich eine neue R-Bibliothek hinzugefügt wurde, die uns das Leben bei der Datenmanipulation erleichtern könnte.

Robustes Modellmanagement: Die Plattform bietet umfassende Werkzeuge zur Verfolgung der Modellleistung, zur Verwaltung von Versionen und zur Sicherstellung der Compliance. Dies ist entscheidend für die Aufrechterhaltung der Genauigkeit und Zuverlässigkeit unserer datengetriebenen Entscheidungen. Bewertung gesammelt von und auf G2.com gehostet.

Der laufende Motor kann knifflig sein, es gibt keinen Motor, der alles laufen lassen kann. Manchmal muss ich verschiedene Motoren ausprobieren, um es zum Laufen zu bringen. Bewertung gesammelt von und auf G2.com gehostet.

Dataiku zeichnet sich durch seine Benutzerfreundlichkeit aus – die Drag-and-Drop-Oberfläche in Kombination mit der Möglichkeit, bei Bedarf zu programmieren, macht es für eine breite Palette von Benutzern zugänglich. Die Implementierung verlief reibungslos und wurde gut vom Customer-Success-Team unterstützt. Ich nutze Dataiku häufig, weil es eine Vielzahl von Funktionen bietet, von der Datenaufbereitung bis zur Modellbereitstellung. Die Integration mit anderen Tools wie Datenbanken, Cloud-Diensten und APIs ist unkompliziert, was die Plattform für End-to-End-Projekte noch leistungsfähiger macht. Bewertung gesammelt von und auf G2.com gehostet.

Obwohl die Plattform insgesamt ausgezeichnet ist, können einige erweiterte Einstellungen und Optionen für neue Benutzer etwas überwältigend sein. Darüber hinaus kann die Preisstruktur ein einschränkender Faktor für kleinere Unternehmen oder Teams sein. Bewertung gesammelt von und auf G2.com gehostet.

Die Vielzahl an Daten-Plugin-Quellen, unzählige Optionen für fertige Rezepte (für EDAs, Datenengineering und schnelle Analysen). Dazu haben wir auch codebasierte Rezepte, um unsere eigenen Codes zu schreiben. Und das Sahnehäubchen ist die kollaborative Umgebung, ohne dass wir uns explizit darum kümmern müssen! Bewertung gesammelt von und auf G2.com gehostet.

Ich wünschte, es gäbe mehr Anpassungsmöglichkeiten für einige der visuellen Rezepte. Ein weiteres Problem ist die Versionskontrolle - obwohl Dataiku die Versionskontrolle unterstützt, ist sie sehr unintuitiv und es ist schwierig, zu einer vorherigen Version zurückzukehren oder die Änderungen zwischen verschiedenen Versionen zu verstehen. Wir benötigen Commit-Kommentare und andere git-ähnliche Funktionen, damit das besser funktioniert. Bewertung gesammelt von und auf G2.com gehostet.

Dataiku war ein Wendepunkt bei der Demokratisierung von Daten-Workflows. Ich liebe es, wie intuitiv es für funktionsübergreifende Teams ist, Pipelines zu erstellen, Datensätze zu transformieren und alles innerhalb eines visuellen Flusses zu bearbeiten und die Daten zu bearbeiten. Es ist die Art von Werkzeug, das Manipulation mühelos, Experimente einfach und das Teilen von Arbeit reibungslos macht. Bewertung gesammelt von und auf G2.com gehostet.

So sehr ich schätze, wie zugänglich und funktionsreich Dataiku ist, gibt es Momente, in denen sich seine Flexibilität wie ein zweischneidiges Schwert anfühlt. Einige Anwendungsfälle werden aufgrund der sehr komplexen Rezeptlogik überraschend kompliziert, und der Umgang mit parametrierten oder wiederverwendbaren Workflows kann sich umständlich anfühlen.

Es kann auch als cloudbasierte Plattform langsam sein, wenn mehrere Benutzer gleichzeitig an einzelnen Workflows arbeiten. Es erledigt die Arbeit – aber manchmal wünscht man sich einfach, es würde schneller, sauberer und greifbarer arbeiten. Bewertung gesammelt von und auf G2.com gehostet.