# Elementary Data Reviews **Vendor:** Elementary Data **Category:** [Datenüberwachungssoftware](https://www.g2.com/de/categories/data-observability) **Average Rating:** 4.5/5.0 **Total Reviews:** 18 ## About Elementary Data Elementary ist eine Datenüberwachungslösung, die für dbt-zentrierte Datenstapel entwickelt wurde. Es integriert sich nahtlos in Ihren dbt-Entwicklungsworkflow und Ihre Pipelines und stellt sicher, dass Sie als Erster erfahren, wenn etwas schiefgeht. Vertraut von über 5000 Analyse- und Dateningenieuren, hilft Elementary datengetriebenen Unternehmen, produktionsreife Daten bereitzustellen. ## Elementary Data Pros & Cons **What users like:** - Benutzer schätzen das **intuitive Dashboard** von Elementary Data, das die Überwachung und Beobachtbarkeit der Datenqualität nahtlos verbessert. (8 reviews) - Benutzer schätzen die **intuitive Benutzeroberfläche und die leistungsstarke Anomalieerkennung** von Elementary Data für eine effektive Überwachung der Datenqualität. (8 reviews) - Benutzer schätzen die **Benutzerfreundlichkeit** von Elementary Data, wodurch die Überwachung der Datenqualität einfach und zugänglich wird. (7 reviews) - Benutzer lieben die **nahtlose Slack-Integration** für einfache Benachrichtigungen und Aktualisierungen zur Datenqualität in Echtzeit. (7 reviews) - Benutzer schätzen das **effiziente Alarmsystem** , das die Datenüberwachung verbessert und sich nahtlos in Tools wie Slack integriert. (6 reviews) - Warnungen (6 reviews) - Anomalieerkennung (6 reviews) - Einfache Integrationen (6 reviews) - Benutzer schätzen die **einfache Einrichtung** von Elementary Data, die effektive Datenqualität und Anomalietests in weniger als einer Stunde ermöglicht. (6 reviews) - Datenqualität (5 reviews) **What users dislike:** - Benutzer haben **Integrationsprobleme** mit Elementary Data, insbesondere mit Tools außerhalb von dbt, was seine Effektivität einschränkt. (6 reviews) - Benutzer stehen vor **Datenbank-Integrationsproblemen** mit Elementary Data, was die Kompatibilität mit verschiedenen Datenumwandlungswerkzeugen einschränkt. (4 reviews) - Benutzer finden, dass die **begrenzte Integration** mit anderen Datenumwandlungswerkzeugen die Flexibilität und Anpassungsfähigkeit des Workflows einschränkt. (3 reviews) - Benutzer berichten von **API-Einschränkungen** , die die Flexibilität und modulare Anpassungen behindern, was die Integrationsmöglichkeiten und die Effizienz der Alarmierung beeinträchtigt. (2 reviews) - Benutzer finden, dass die **begrenzten Funktionen** von Elementary Data ihre Fähigkeit einschränken, das volle Potenzial des Tools effektiv zu nutzen. (2 reviews) - Begrenzte Integrationen (2 reviews) - Schlechte Dokumentation (2 reviews) - Produktreife (2 reviews) - UX-Verbesserung (2 reviews) - Alarmverwaltung (1 reviews) ## Elementary Data Reviews ### 1. Mit Leichtigkeit über einfaches dbt-Testing hinausgehen **Rating:** 3.5/5.0 stars **Reviewed by:** Manuel P. | Staff Data Engineer, Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** January 20, 2025 **Was gefällt Ihnen an Elementary Data am besten?** Dieses Projekt kombiniert eine Startup-Mentalität mit einem Open-Source-Ansatz, gedeiht durch Feedback und verbessert sich kontinuierlich. Der Aufbau einer soliden Basis für Datenbeobachtbarkeit ist dank ihres intuitiven Batch-Konfigurationssystems und des dbt-nativen Ansatzes schnell und effizient. Die Benutzeroberfläche ist sauber und benutzerfreundlich, aber es gibt Raum für Verbesserungen, um das Filtern und Handeln bei Warnungen zu erleichtern. Außerdem gefällt mir der unglaubliche Geist und das Engagement des Teams, das Tool zu verbessern. Sie hören aktiv auf Feedback. **Was gefällt Ihnen an Elementary Data nicht?** Die begrenzten Integrationen mit zusätzlichen BI-Plattformen und Ticketingsystemen verringern die Flexibilität des Tools und seine Fähigkeit, sich nahtlos in unterschiedliche Arbeitsabläufe einzufügen. Eine Erweiterung dieser Integrationen würde seine Vielseitigkeit erheblich steigern. Darüber hinaus könnten die Filteroptionen der Benutzeroberfläche robuster sein, um den Benutzern zu ermöglichen, schnell kritische Probleme zu identifizieren und darauf zu reagieren. Die Verbesserung dieser Bereiche würde das Tool effizienter, anpassungsfähiger und benutzerfreundlicher für ein breiteres Spektrum von Teams machen. **Welche Probleme löst Elementary Data für Sie, und wie profitieren Sie davon?** Das Problem, eine schnelle und effektive Datenbeobachtbarkeit zu erreichen, indem eine nahtlose Integration mit dbt und ein intuitives Batch-Konfigurationssystem bereitgestellt werden. Es gewährleistet eine End-to-End-Datenherkunft, einschließlich BI-Tools, was uns hilft, Datenflüsse nachzuverfolgen und Probleme effizient zu identifizieren. ### 2. Eine schlanke Datenüberwachungsplattform **Rating:** 4.0/5.0 stars **Reviewed by:** Artur Y. | Director of Data Engineering, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** January 13, 2025 **Was gefällt Ihnen an Elementary Data am besten?** Flexibilität der Integration, insbesondere mit dbt-Modellen und relevanten Datawarehouse-Adaptern; kostenlose CLI-Version, die gut genug ist, um zu starten, und benutzerdefinierte Einrichtung; Daten-Gesundheitsbewertung - kürzliche Veröffentlichung, Messung der Datenvalidität über 6 Dimensionen; Spalten-Abstammung **Was gefällt Ihnen an Elementary Data nicht?** Die Kataloglösung ist ziemlich unausgereift, ich würde immer noch in eine separate, ausgereifte Datenkataloglösung investieren. Einige Integrationen (wie mit BI-Tools oder GitHub) hängen von privaten Schlüsseln ab, nicht von neueren, öffentlicheren Authentifizierungsmethoden (oder zumindest habe ich keine gefunden). Das Alarmverhalten sollte angepasst werden, um Alarmmüdigkeit zu vermeiden, das Standardverhalten könnte nicht auf den Anwendungsfall zutreffen. **Welche Probleme löst Elementary Data für Sie, und wie profitieren Sie davon?** Jetzt haben wir eine Metrik, die als Stellvertreter für die Datenqualität dient. Ich hatte Herausforderungen, die allgemeine Datenqualität zu messen, und es war eine auf Vorfällen und Zeit basierende Messung, die umständlich war. Außerdem zeigt es die Ausführungszeit von Modellen und ist sehr hilfreich für historische Ansichten und Optimierungsbemühungen. Die Spaltenabstammung ist eine großartige Möglichkeit, die Auswirkungen geänderter Daten zu sehen, selbst wenn die Felder umbenannt wurden; aber die Suchfunktion pro Feld oder Modell ist nicht intuitiv. ### 3. Mühelose Datenqualitätsüberwachung leicht gemacht **Rating:** 5.0/5.0 stars **Reviewed by:** Alonso A. | Staff Data Engineer, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** January 27, 2025 **Was gefällt Ihnen an Elementary Data am besten?** Elementary Data zeichnet sich dadurch aus, dass es den Prozess der Überwachung der Datenqualität vereinfacht. Seine intuitive Benutzeroberfläche und die nahtlose Integration in moderne Daten-Stacks machen es zu einem herausragenden Werkzeug. Besonders schätze ich die Anomalieerkennung und die detaillierten Einblicke, die es bietet, um Datenprobleme zu identifizieren und zu lösen, bevor sie eskalieren. Darüber hinaus sind die visuellen Berichtsdashboards sowohl benutzerfreundlich als auch äußerst informativ, sodass Stakeholder die wichtigsten Kennzahlen schnell erfassen können, ohne tiefgehende technische Kenntnisse zu benötigen. **Was gefällt Ihnen an Elementary Data nicht?** Ich würde sagen, dass einige Abschnitte der Benutzeroberfläche nicht klar genug sind, und ich hoffe, dass sich die Metrikfunktion und deren automatische Anomalieerkennung bald verbessern könnten, aber bisher bin ich sehr zufrieden mit dem Tool. **Welche Probleme löst Elementary Data für Sie, und wie profitieren Sie davon?** Anomalieerkennung für Modelle, Visualisierung und Verwaltung von Vorfällen mit Datenqualität, einschließlich Alarmierung usw. ### 4. Großartiges und flexibles Werkzeug für Datenbeobachtbarkeit **Rating:** 4.5/5.0 stars **Reviewed by:** Vitor G. | Tech Lead of Analytics, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** January 21, 2025 **Was gefällt Ihnen an Elementary Data am besten?** Als Datenberater arbeite ich mit mehreren Kunden zusammen, die hohe Datenqualität für ihre Datenplattformen verlangen. Elementary ist ein wesentlicher Bestandteil der Funktionen, die ich anbieten kann, um diese Erwartungen zu erfüllen. Die Kombination aus der Kompilierung von dbt dag-Protokollen und leistungsstarker Anomalieerkennung auf Basis von Statistik macht es zur perfekten Wahl für Datenteams jeder Größe. **Was gefällt Ihnen an Elementary Data nicht?** Da Elementary nur die Integration mit dbt erfordert, ist es möglicherweise nicht immer die beste Wahl für Teams mit einem niedrigeren Datenreifegrad oder Teams, die dbt nicht als Hauptwerkzeug für die Datenumwandlung verwenden. In solchen Fällen müssen grundlegende Probleme angegangen werden, bevor ein Tool wie dbt und Elementary genutzt werden kann. **Welche Probleme löst Elementary Data für Sie, und wie profitieren Sie davon?** Kombinieren Sie die Protokolle von dbt und servieren Sie sie besser, um Einblicke in die dbt-Jobs zu erhalten. Nicht nur das, sondern auch alle Anomalietests und -warnungen verbessern die Entwicklererfahrung und die Produktzuverlässigkeit auf lange Sicht. ### 5. Eine vielversprechende Lösung zur Verbesserung der Datenqualität **Rating:** 4.5/5.0 stars **Reviewed by:** Paco F. | Tech Lead, Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** January 13, 2025 **Was gefällt Ihnen an Elementary Data am besten?** Elementary Cloud zeichnet sich durch Benutzerfreundlichkeit aus und bietet automatisierte Tests, die wichtige Aspekte wie Volumen, Aktualität und Schema abdecken. Die Konfiguration von Tests über die Benutzeroberfläche vereinfacht die Zusammenarbeit und reduziert die technische Komplexität. Die Datenherkunft auf Feldebene ist besonders wertvoll für die Bewertung von Auswirkungen und die effiziente Lösung von Vorfällen. Slack-Benachrichtigungen sind gut gestaltet und konfigurierbar, was es einfacher macht, Stakeholder zu benachrichtigen und die Datenzuverlässigkeit zu verbessern. Darüber hinaus fügt die Integration mit Looker den Datenanalyse-Workflows erheblichen Wert hinzu. **Was gefällt Ihnen an Elementary Data nicht?** Obwohl es ein robustes Werkzeug ist, könnten einige Prozesse, wie das Ändern von Tests und das Erstellen von Pull-Requests, effizienter gestaltet werden. Eine verbesserte Integration mit der Dokumentation und eine zentrale Ansicht der definierten Tests wären ebenfalls hilfreich. Diese kleinen Nachteile mindern jedoch nicht wesentlich das insgesamt sehr positive Erlebnis. **Welche Probleme löst Elementary Data für Sie, und wie profitieren Sie davon?** Elementary Data löst Datenqualitätsprobleme, indem es Tests automatisiert, Feldebenen-Herkunft bereitstellt und eine einfache Testkonfiguration über die Benutzeroberfläche ermöglicht. Es verbessert Effizienz, Zusammenarbeit und Vertrauen in Daten durch Echtzeit-Benachrichtigungen und bessere Governance. ### 6. Haben unsere Datenqualität um einen großen Schritt verbessert **Rating:** 5.0/5.0 stars **Reviewed by:** Jing W. | Data Analytics and Engineering Manager, Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** February 12, 2025 **Was gefällt Ihnen an Elementary Data am besten?** 1. Machte die Datenqualität durch das Dashboard messbar und transparent. 2. Reduzierte den Aufwand erheblich, der erforderlich ist, um ein robustes Datenüberwachungs- und Beobachtungssystem aufzubauen und zu warten. 3. Verstärkte die Wirkung der Datenvalidierung in DBT, indem die Validierungshistorie verfolgt und nahtlos in unser Alarmsystem integriert wurde. 4. Schnelle Reaktion auf alle Probleme und Anfragen. **Was gefällt Ihnen an Elementary Data nicht?** Es wäre hilfreich, Informationen über die zugrunde liegenden Mechanismen einzubeziehen, wie zum Beispiel, wie Anomalien bei der Datenaktualität überprüft wurden. **Welche Probleme löst Elementary Data für Sie, und wie profitieren Sie davon?** Eine neue Datenplattform unter einem stark eingeschränkten Zeitrahmen aufgebaut, die Skalierbarkeit, Zuverlässigkeit und effiziente Datenverarbeitung gewährleistet und gleichzeitig kritische Geschäftsanforderungen erfüllt. ### 7. Eine solide Plattform, um Beobachtbarkeit zu Ihren dbt-Workloads hinzuzufügen. **Rating:** 4.5/5.0 stars **Reviewed by:** Christophe O. | Staff Software Engineer, Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** January 27, 2025 **Was gefällt Ihnen an Elementary Data am besten?** Wenn Sie dbt verwenden, ist Elementary Data eine großartige Ergänzung für Ihren Daten-Stack, um Ihre Abfragen zu überwachen, die Testabdeckung zu prüfen und Fehler in Slack zu melden. Die Cloud-Version bietet Verbesserungen der Lebensqualität gegenüber der OSS-Version. Es ist ziemlich einfach, Ihr dbt-Projekt einzubinden, und die verschiedenen Optionen, die den Warnungen hinzugefügt werden können, sind hilfreich, um eine erste Einschätzung vorzunehmen. Die Community und das Team sind hilfsbereit und bieten Unterstützung im Slack des Unternehmens. **Was gefällt Ihnen an Elementary Data nicht?** Die Plattform fügt Metadaten durch Pre-Hooks und Post-Hooks in dbt hinzu, was Ihren Arbeitsablauf etwas verlangsamt. Die Slack-Benachrichtigungsvorlage bietet wenig Anpassungsmöglichkeiten und obwohl sie in Ordnung ist, denke ich, dass sie etwas lesbarer sein könnte. **Welche Probleme löst Elementary Data für Sie, und wie profitieren Sie davon?** Elementary Data hilft bei der Berichterstattung über dbt-Tests auf Slack, der Berichterstattung über die Abdeckung von dbt-Tests und der dbt-Modellabstammung. ### 8. Einfach und angenehm zu benutzen **Rating:** 5.0/5.0 stars **Reviewed by:** Ariel F. | Product Analyst, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** January 22, 2025 **Was gefällt Ihnen an Elementary Data am besten?** * Verbesserte Datenvalidierung & Anomalieerkennung. * Nahtlose Integration mit dbt. * Automatisierte Datenqualitätsüberwachung. * Intuitives Dashboard & Berichterstattung. * Schnellere Fehlererkennung & -behebung. * Anpassung & Flexibilität. **Was gefällt Ihnen an Elementary Data nicht?** * Die Dokumentation ist etwas unklar, was es schwierig macht, das Tool vollständig zu konfigurieren und zu optimieren. Viele Funktionen sind nicht gut dokumentiert, was zu einer Implementierung durch Versuch und Irrtum führt, anstatt zu einem strukturierten Onboarding-Erlebnis. * Die Anomalieerkennungsfunktion muss verbessert werden. Derzeit erweitern sich bei Auftreten einer Anomalie die oberen und unteren Grenzen, was es schwierig macht, die Anomalie einfach zu ignorieren. **Welche Probleme löst Elementary Data für Sie, und wie profitieren Sie davon?** * Datenqualitätsüberwachung im großen Maßstab * Anomalieerkennung & Identifizierung von Datenabweichungen * Schnellere Problemlösung & Debugging ### 9. Elementary Data - Ein Wendepunkt für proaktive Datenqualität und Entdeckung in dbt **Rating:** 5.0/5.0 stars **Reviewed by:** Verifizierter Benutzer in Öffentliche Sicherheit | Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** November 14, 2024 **Was gefällt Ihnen an Elementary Data am besten?** Elementary Cloud war ein echter Wendepunkt, da es eine nahtlose, mühelose Implementierung und direkte Integration mit unserer dbt Core-Umgebung bietet. Der Einstieg mit Elementary war unglaublich einfach, ohne dass größere Konfigurationsänderungen an unserem dbt-Projekt erforderlich waren. Nach einer einfachen Paketinstallation und der Gewährung von grundlegenden Lesezugriffen auf das Elementary-Schema in unserem Warehouse waren wir noch am selben Tag einsatzbereit! Die Integration mit Slack hat sich als äußerst wertvoll erwiesen, da unser Team Echtzeit-Benachrichtigungen erhält, die uns über potenzielle Datenprobleme auf dem Laufenden halten, sobald sie auftreten. Die Möglichkeit, innerhalb unseres primären Kommunikationstools mit Teamkollegen zusammenzuarbeiten, macht die Fehlersuche schneller und einfacher. Die Benutzeroberfläche der Plattform ist ein weiteres herausragendes Merkmal. Sie ist sauber, intuitiv und perfekt ausbalanciert für sowohl technische als auch nicht-technische Benutzer. Und sie enthält sogar Spaltenebenen-Abstammung!! Und zu guter Letzt, das Elementary-Support-Team ist phänomenal! Ihre Antworten sind zeitnah, ihre Empfehlungen wirkungsvoll, und sie hören wirklich auf unsere Bedürfnisse. Es macht Spaß, mit ihnen zu arbeiten! **Was gefällt Ihnen an Elementary Data nicht?** Unsere Abneigungen sind sehr gering, besonders da wir wissen, dass bevorstehende Funktionsverbesserungen diese Bedenken ausräumen werden. Aber um etwas Spezielles zu nennen... Eine Abneigung ist, dass ich nicht so kreativ bin wie ihr Marketingteam! Ich liebe ihren Slogan "Ich will Daten, nicht deine Meinung!" **Welche Probleme löst Elementary Data für Sie, und wie profitieren Sie davon?** Verbesserung der Datenqualität für unsere Kernkennzahlen und Unternehmensmetriken, Reduzierung der Zeit, die für manuelle Validierung aufgewendet wird. Vertrauen in Daten aufbauen, was die Nutzung im gesamten Unternehmen erhöht. Stärkung der Daten-Governance-Praktiken, ohne die Geschwindigkeit bei der Bereitstellung hochwertiger Datenlösungen zu beeinträchtigen. ### 10. Erstaunliches, leichtgewichtiges Datenüberwachungstool, das dbt-nativ ist. **Rating:** 4.0/5.0 stars **Reviewed by:** Macklin F. | Analytics Manager, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** May 20, 2024 **Was gefällt Ihnen an Elementary Data am besten?** Die meisten Observabilitäts-Tools, die ich gesehen habe, fallen in zwei Kategorien: entweder Open Source und wirklich schwer zu bedienen oder mit totaler Anbieterbindung. Elementary balanciert auf dieser Linie, indem es Open Source ist und auf Ihrem dbt-Stack aufbaut, aber dennoch sehr einfach einzurichten und zu konfigurieren ist. Der Preis für Elementary Cloud ist viel zugänglicher für kleine Startups, um mit Daten-Observabilität zu beginnen, was meiner Erfahrung nach oft auf Unternehmen im großen Maßstab beschränkt ist, obwohl es häufig auch in kleineren Unternehmensgrößen benötigt wird. **Was gefällt Ihnen an Elementary Data nicht?** Wenn Sie dbt nicht mögen oder dbt nicht eingerichtet haben, gibt es hier nichts, womit man arbeiten könnte. Ich denke, das Unternehmen ist noch jung und es werden noch mehr Randfälle bearbeitet, aber ansonsten bin ich bisher ziemlich zufrieden. **Welche Probleme löst Elementary Data für Sie, und wie profitieren Sie davon?** Anomalieerkennung, eine Ansicht für alle Testfehler, Datenherkunft, Pipeline-Gesundheitsstatus - [View Elementary Data pricing details and edition comparison](https://www.g2.com/de/products/elementary-data/reviews/elementary-data-review-10858699?section=pricing&secure%5Bexpires_at%5D=2026-05-18+00%3A58%3A58+-0500&secure%5Bsession_id%5D=ad78fa16-dcdd-4c99-b119-2d7fdcbe8b2b&secure%5Btoken%5D=46c53fb2ce653e5136bfceeb43668e9449351a06b2f504fdd638b58caa22e5d1&format=llm_user) ## Elementary Data Features **Funktionalität** - Überwachung - Alarmierung - Protokollierung - Antwortzeit - Reporting - Datenvisualisierung **Datenmanagement** - Datenintegration - Metadaten - Selbstbedienung - Automatisierte Workflows **Funktionalität** - Echtzeit-Analysen - Überwachung der Datenqualität - Automatisierung - End-to-End-Sichtbarkeit **Agentische KI - DataOps-Plattformen** - Autonome Aufgabenausführung - Mehrstufige Planung - Systemübergreifende Integration - Adaptives Lernen - Entscheidungsfindung **Analytics** - Analyse-Funktionen - Dasboard-Visualisierungen **Management** - Identifizierung von Anomalien - Ansicht mit einem einzelnen Bereich - Echtzeit-Benachrichtigungen - Datenherkunft - Integrationen **Agentic KI - Datenbanküberwachung** - Autonome Aufgabenausführung - Mehrstufige Planung - Systemübergreifende Integration - Adaptives Lernen - Natürliche Sprachinteraktion - Proaktive Unterstützung - Entscheidungsfindung **Überwachung und Verwaltung** - Beobachtbarkeit von Daten - Testmöglichkeiten **Generative KI** - Textgenerierung **Funktionalität** - Identifizierung - Korrektur - Normalisierung - Vorbeugende Reinigung - Datenabgleich **Cloud-Bereitstellung** - Hybrid-Cloud-Unterstützung - Funktionen für die Cloud-Migration **Agentische KI - Datenbeobachtbarkeit** - Autonome Aufgabenausführung - Mehrstufige Planung - Systemübergreifende Integration - Natürliche Sprachinteraktion - Proaktive Unterstützung **Management** - Reporting - Automatisierung - Qualitäts-Audits - Dashboard - Governance **Generative KI** - Textgenerierung - Textzusammenfassung **Generative KI** - Textgenerierung - Textzusammenfassung ## Top Elementary Data Alternatives - [Monte Carlo](https://www.g2.com/de/products/monte-carlo/reviews) - 4.3/5.0 (512 reviews) - [Demandbase One](https://www.g2.com/de/products/demandbase-one/reviews) - 4.4/5.0 (1,893 reviews) - [Dynatrace](https://www.g2.com/de/products/dynatrace/reviews) - 4.5/5.0 (1,231 reviews)