Dataiku Bewertungen & Produktdetails

Was mir an Dataiku am meisten gefällt, ist, wie es den gesamten Daten-Workflow an einem Ort zusammenführt. Es ermöglicht Teams, Daten einfach vorzubereiten, maschinelle Lernmodelle zu erstellen und sie zu implementieren, ohne zwischen mehreren Tools wechseln zu müssen. Die visuelle Oberfläche macht es einfach, Datenpipelines zu verstehen, während fortgeschrittene Benutzer dennoch bei Bedarf Code schreiben können. Diese Balance zwischen visuellen Tools und Codierungsflexibilität erleichtert die Zusammenarbeit zwischen Datenwissenschaftlern, Analysten und Ingenieuren erheblich. Es hilft Teams, schneller von Rohdaten zu echten Erkenntnissen und produktionsreifen Modellen zu gelangen. Bewertung gesammelt von und auf G2.com gehostet.

Eine Sache, die ich an Dataiku nicht mag, ist, dass es sich manchmal etwas schwerfällig und komplex anfühlen kann, besonders wenn man mit sehr großen Datensätzen oder vielen Workflows arbeitet. Manchmal wird die Benutzeroberfläche langsamer, und das Verwalten mehrerer Projekte kann verwirrend werden. Auch wenn die visuellen Werkzeuge hilfreich sind, erfordern bestimmte fortgeschrittene Anpassungen dennoch das Programmieren, was für nicht-technische Benutzer eine Herausforderung darstellen kann. Insgesamt ist es eine leistungsstarke Plattform, aber es gibt eine gewisse Lernkurve, wenn man sie zum ersten Mal benutzt. Bewertung gesammelt von und auf G2.com gehostet.

Was mir an Dataiku am meisten gefällt, ist die benutzerfreundliche Oberfläche und die starken Kollaborationsfunktionen. Es erleichtert es Datenwissenschaftlern, Analysten und Ingenieuren, gemeinsam an denselben Projekten zu arbeiten. Ich schätze auch, dass es den gesamten Datenlebenszyklus unterstützt, von der Datenvorbereitung über maschinelles Lernen bis hin zur Bereitstellung. Bewertung gesammelt von und auf G2.com gehostet.

Eine Sache, die ich an Dataiku nicht mag, ist, dass es ziemlich ressourcenintensiv sein kann, besonders wenn ich mit großen Datensätzen arbeite. Außerdem erfordern einige der fortgeschritteneren Funktionen eine gewisse Einarbeitungszeit, sodass es eine Weile dauern kann, bis man versteht, wie man sie effektiv nutzt. Bewertung gesammelt von und auf G2.com gehostet.

Ich mag es wirklich, wie Dataiku alles an einem Ort zusammenbringt. Es macht meinen Arbeitsablauf organisierter und weniger verstreut, was mir hilft, auf Kurs zu bleiben. Das gesagt, gibt es Zeiten, in denen es ein wenig überwältigend wirken kann, besonders mit so viel in einer Oberfläche, aber insgesamt erleichtert es dennoch meine Arbeit. Bewertung gesammelt von und auf G2.com gehostet.

Für mich ist der größte Nachteil, dass es sich nicht immer so intuitiv anfühlt, wie ich es mir wünsche, besonders wenn ich zu den fortgeschritteneren Teilen komme. Manchmal verbringe ich mehr Zeit damit, herauszufinden, wie man etwas macht, als es tatsächlich zu tun, und das kann ziemlich frustrierend sein. Bewertung gesammelt von und auf G2.com gehostet.

Ich finde die Benutzeroberfläche von Dataiku sehr benutzerfreundlich. Selbst wenn man keinen starken Hintergrund in Data Science oder Datenengineering hat, kann man es dennoch nutzen, indem man Kästchen zieht, was es für viele Menschen zugänglich macht. Ich mag auch, dass man seine Lösungen anpassen kann, indem man eigenen Code schreibt, um spezifische Geschäftsanforderungen zu erfüllen. Darüber hinaus aktualisiert und verbessert Dataiku mit seiner schnellen Entwicklung regelmäßig das System, um die neuesten KI-Funktionen einzubeziehen, was ich großartig finde. Die grafische, codefreie Umgebung verkürzt meinen Entwicklungszyklus erheblich und spart mindestens 50 % meiner Zeit. Sie erleichtert auch die Interaktion mit Endbenutzern, da sie auf unsere Entwicklungsumgebung zugreifen können, um Fortschritte zu sehen und schnell Feedback zu geben. Bewertung gesammelt von und auf G2.com gehostet.

Also, zuerst einmal denke ich, dass ich einige Einschränkungen habe, um ehrlich zu sein, denn sagen wir, wenn du ein großes Dataset anzeigen und visualisieren möchtest, hat es immer einige Einschränkungen. Und außerdem finde ich, dass das Dashboard, das von der API erstellt wird, nicht besonders schick und benutzerfreundlich ist. Im Vergleich zu Power BI oder anderen Visualisierungstools wie Tableau denke ich, dass du das ebenfalls verbessern kannst. Ein weiterer Hauptkritikpunkt für uns ist die Bereitstellung. Denn du musst die verschiedenen Entwicklungen, die Anforderungen, wie wir unsere KI-Lösung bereitstellen, insbesondere auf eine andere Cloud-Plattform, verknüpfen. Zum Beispiel AWS Azure, ich denke, dass wir hier ein wenig mehr Unterstützung benötigen. Bewertung gesammelt von und auf G2.com gehostet.

Seine größte Stärke liegt darin, echte Zusammenarbeit zwischen Datenexperten und Geschäftsteams auf einer einzigen Plattform zu ermöglichen. Es überbrückt nahtlos technische Arbeiten wie Codierung und ML-Engineering mit visuellen und No-Code-Oberflächen. Dies baut Silos ab, beschleunigt die Projektauslieferung und stellt sicher, dass KI-Lösungen mit entscheidendem Geschäftskontext entwickelt werden, was sie wirkungsvoller und nachhaltiger macht. Bewertung gesammelt von und auf G2.com gehostet.

Für kleinere Teams oder einfachere Projekte wird Dataiku als Premium gelten. Die umfangreichen Funktionen der Plattform bringen eine inhärente Komplexität mit sich, die zu einer steileren Lernkurve führen kann. Das Preismodell wird oft als unternehmensorientiert angesehen, was es möglicherweise weniger zugänglich für Startups oder einzelne Benutzer macht, die nicht den vollen kollaborativen Umfang benötigen. Bewertung gesammelt von und auf G2.com gehostet.

The simplicity to analyse data, results, and the gain of time compared to doing all that in python in a classic IDE Bewertung gesammelt von und auf G2.com gehostet.

Recently I did not like how difficult and long it was to add input files in managed folders. I could not upload subfolemders for exemple. Also multiple times when I uploaded large number of files, some were not uploaded. Bewertung gesammelt von und auf G2.com gehostet.

Ich mag, dass Dataiku es mir ermöglicht, Datenprojekte zu bearbeiten und maschinelle Lernmodelle zu erstellen, indem ich Daten aus verschiedenen Quellen einziehe, sie bereinige und organisiere und mit Modellen experimentiere, alles an einem Ort. Die Kombination aus einer visuellen Oberfläche und Codierungsoptionen macht es sowohl für technische als auch nicht-technische Teammitglieder zugänglich und erleichtert das Management von Datenprojekten. Ich liebe, wie es repetitive Aufgaben reduziert, Fehler verringert und komplexe Projekte organisiert und reibungslos ablaufen lässt. Es ist großartig, dass jeder im Team beitragen kann, unabhängig von seinen technischen Fähigkeiten, was die Arbeit mit Daten einfacher und weniger stressig macht. Bewertung gesammelt von und auf G2.com gehostet.

Eine Sache, die mir an Dataiku aufgefallen ist, ist, dass es anfangs etwas überwältigend wirken kann, weil es so viele Funktionen und Optionen gibt. Die Arbeit mit wirklich großen Datensätzen oder komplexen Workflows kann manchmal etwas langsam sein. Ich denke auch, dass es für neue Benutzer etwas einfacher sein könnte, den Einstieg zu finden. Insgesamt ist es ein großartiges Werkzeug, aber ein wenig mehr Anleitung und eine reibungslosere Leistung würden es noch besser machen. 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 mag, dass Dataiku die Datenanalyse visueller und weniger schmerzhaft macht. Ich schätze die Flexibilität der verfügbaren Lösungen, wie die Möglichkeit, benutzerdefinierte Python-Webapps zu hosten, Python-Filter zu verwenden, benutzerdefinierte Pipelines zu erstellen und benutzerdefinierte Szenarien zu entwickeln. Die anfängliche Einrichtung war nach den Schulungen super einfach. Bewertung gesammelt von und auf G2.com gehostet.

Die Verwaltung von Webapp-Code ist herausfordernd, da sie die Arbeit mit einer großen Datei umfasst und die begrenzten Python-API-Aufrufe einschränkend sind. 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.