Introducing G2.ai, the future of software buying.Try now

Monte Carlo Bewertungen & Produktdetails

Wert auf einen Blick

Durchschnittswerte basierend auf echten Nutzerbewertungen.

Implementierungszeit

2 Monate

Monte Carlo Medien

Monte Carlo Demo - Data Reliability Dashboard
The Data Reliability Dashboard shows several key metrics about your stack, incidents, incident response, user adoption, and uptime. It also helps break metrics out by Domain, so you can see which Domains are high performers and which may be struggling to adopt.
Monte Carlo Demo - Table Health Dashboard
Our newest table health dashboard provides a “real-time” daily view into what’s going on at the table level of your critical assets to help your team identify and address the most critical quality issues each day. Check for the “all green” on your tables to easily understand which table(s) nee...
Monte Carlo Demo - Identify bad data associated with distribution issues
In this example, we can see that a shift in the % of unique values within the invoice_quantity field has changed, along with the values of a column within the table that were most correlated to the non-unique values.
Monte Carlo Demo - Sample of monitor creation
While monitors for Freshness, Volume, and Schema Changes are typically deployed across all tables out of the box, for key tables, you may want to deploy monitors that directly query your data to identify distribution changes. Keep in mind that this monitor uses your data to learn and profiles it ...
Monte Carlo Demo - Identify queries associated with volume changes
Monte Carlo not only measures how your table volumes change over time, but also provides troubleshooting tools to identify where incidents stem from. One of these tools leverages your query metadata to highlight when a particular query may have created an anomaly.
Monte Carlo Video abspielen
Monte Carlo Video abspielen
Monte Carlo Video abspielen
Produkt-Avatar-Bild

Haben sie Monte Carlo schon einmal verwendet?

Beantworten Sie einige Fragen, um der Monte Carlo-Community zu helfen

Monte Carlo-Bewertungen (466)

1 Video-Bewertungen ansehen
Bewertungen

Monte Carlo-Bewertungen (466)

1 Video-Bewertungen ansehen
4.4
466-Bewertungen

Vorteile & Nachteile

Erstellt aus echten Nutzerbewertungen
Alle Vor- und Nachteile anzeigen
Bewertungen durchsuchen
Bewertungen filtern
Ergebnisse löschen
G2-Bewertungen sind authentisch und verifiziert.
JR
Senior Data Engineer
Unternehmen mittlerer Größe (51-1000 Mitarbeiter)
"Robustes Produkt, das die Datenqualität in großem Maßstab erhöht"
Was gefällt dir am besten Monte Carlo?

Monte Carlo hat es uns ermöglicht, unsere Datenpipelines mit erhöhter Klarheit zu überwachen. Eine seiner herausragenden Funktionen ist die Fähigkeit, Fehler zu erkennen, bevor sie in die Produktion gelangen, was die Ausfallzeiten erheblich reduziert und die Datenintegrität gewährleistet.

Dieses Produkt spielte auch eine entscheidende Rolle bei der Unterstützung unseres neuen, kundenorientierten Datenprodukts. Seine robuste Fehlererkennung und umfassenden Berichtsfunktionen ermöglichten es uns, mit dem Wissen zu starten, dass unsere Daten genau und zuverlässig sind. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? Monte Carlo?

Die Lernkurve für die Einrichtung von Monitoren und das Verständnis des Systems war steiler als erwartet. In Kombination mit der großen Anzahl von Tabellen in unserem Lager war es ein mühsamer Implementierungsprozess. Einige dieser Probleme sind unvermeidbar. In Zukunft bin ich neugierig, ob es eine effizientere Möglichkeit gibt, Monitore einzurichten. Zum Beispiel haben wir in unserem Fall genau die gleichen Regeln für mehrere Tabellen eingerichtet, wobei der einzige Unterschied der Feldname und einige leichte Variationen im SQL waren. Bewertung gesammelt von und auf G2.com gehostet.

Willem B.
WB
Unternehmen mittlerer Größe (51-1000 Mitarbeiter)
"Enhances Data Quality Monitoring with ML and Slack"
Was gefällt dir am besten Monte Carlo?

I like how Monte Carlo brings data quality insights to the people who can fix them, the users of the data sources. I also find the ML thresholds helpful because they let Monte Carlo handle the error alerts, so the data platform team doesn't have to create the error thresholds manually. The integration with Slack is another plus, as it offers a centralized place for alerts and makes it easy to send them to the right stakeholders. Monte Carlo is easy to use, even though I didn't handle the initial setup. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? Monte Carlo?

I'm having challenges with integrating Monte Carlo with AI agents. It would be great if AI agents could interact more seamlessly with Monte Carlo. Bewertung gesammelt von und auf G2.com gehostet.

Lisa S.
LS
Manager Data Analytics
Unternehmen mittlerer Größe (51-1000 Mitarbeiter)
"Intelligente Überwachung, benötigt einfachere Navigation"
Was gefällt dir am besten Monte Carlo?

Ich mag Monte Carlo wegen seiner KI-Funktionen, die automatisch die Erstellung von Grenzen übernehmen, wenn man eine zu überwachende Quelle auswählt. Die automatische Überwachung von Schemaänderungen, Metrikänderungen und Aktualität ist ebenfalls großartig. Ich schätze die Integration mit Slack, die die Erstellung automatisierter Workflows ermöglicht und alle proaktiv informiert hält. Die KI-Funktion und die automatische Überwachung sparen viel Zeit, da sie die Notwendigkeit beseitigen, manuell über Grenzen nachzudenken oder ständig nach Schemaänderungen zu suchen. Die Einrichtung des Systems war sehr einfach, da alle Systeme schnell über Admin-Konten verbunden wurden und weniger als einen Tag in Anspruch nahmen. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? Monte Carlo?

Das Hauptproblem, das ich mit Monte Carlo habe, ist, wie man Tische auswählen muss. Wir sind sehr vorsichtig bei der Auswahl der Tische und Quellen, die wir überwachen möchten, und das nimmt ziemlich viel Zeit in Anspruch. Es ist nicht besonders einfach, durch ein Schema zu navigieren und Tische auszuwählen oder abzuwählen. Das könnte meiner Meinung nach verbessert werden. Bewertung gesammelt von und auf G2.com gehostet.

NA
Data Engineer 3
Unternehmen (> 1000 Mitarbeiter)
"Monte Carlo Bewertung"
Was gefällt dir am besten Monte Carlo?

Die Flexibilität und das Erhalten von rechtzeitigen und zuverlässigen Benachrichtigungen für Volumen, Schema und Frische ist nützlich. Die Möglichkeit, das Modell anzupassen, ist großartig. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? Monte Carlo?

Nicht Abneigung, aber ein paar Dinge, die besser sein könnten:

1) Dashboards könnten besser darin sein, umsetzbare Erkenntnisse zu liefern, wie z.B. die am häufigsten fehlschlagenden Tabellen oder die Top 5 der fehlschlagenden Tabellen, unter welchem Schema, aus welchem Grund sie fehlschlagen, häufig fehlschlagende Monitore usw.

2) Es wäre großartig, wenn alle in Monte Carlo vorgenommenen Aktualisierungen von Warnungen in ServiceNow-Vorfälle einfließen könnten.

3) Zusätzliche Integrationen mit Dateien wären großartig, z.B. wenn eine Datei nicht angekommen ist usw.

4) Wenn wir das Modell für Warnungen viel früher als in 2 Wochen abstimmen könnten, wäre das ein willkommener Schritt.

5) Workshops in einer Sandbox-Umgebung für Teams durchzuführen, würde helfen, mehr Teammitglieder zu engagieren, um Monte Carlo zu verstehen und damit zu arbeiten. Bewertung gesammelt von und auf G2.com gehostet.

Steve L.
SL
Data Engineer
Unternehmen (> 1000 Mitarbeiter)
"Monte-Carlo-Integration für GCP DWH"
Was gefällt dir am besten Monte Carlo?

Monte Carlo hilft uns, unser Data Warehouse genau im Auge zu behalten. Beispiele hierfür sind Benachrichtigungen über wesentliche Änderungen im Volumen oder in der Aktualität, was uns hilft, potenziellen Problemen zuvorzukommen, und Tabellen-/Spaltenabstammung, die es uns ermöglicht, die Auswirkungen von Änderungen auf abhängige Tabellen/Berichte zu sehen. Ich bin sicher, dass es noch weitere nützliche Funktionen gibt, die wir noch nicht erkundet haben. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? Monte Carlo?

Die Kosten sind erheblich gestiegen, was bedeutet, dass wir weniger Tabellen überwachen müssen, um im Budget zu bleiben. Wir hätten gerne mehr Anpassungsmöglichkeiten für Benachrichtigungen, da sie ziemlich ausführlich sein können, und die Möglichkeit, mit den Benachrichtigungen in GChat zu interagieren, wie wir es früher in Slack hatten. Vielleicht wären auch ein paar weitere Optionen für die Insight-Berichte nützlich. Bewertung gesammelt von und auf G2.com gehostet.

Verifizierter Benutzer in Konsumgüter
BK
Unternehmen (> 1000 Mitarbeiter)
"Große Zeitersparnis für unser Team"
Was gefällt dir am besten Monte Carlo?

Ich mag, dass wir unsere eigenen DQ-Regeln nicht von Grund auf neu schreiben müssen und dass es in einer benutzerfreundlichen Benutzeroberfläche organisiert ist. Das Datenqualitäts-Dashboard ist ein sehr nützliches Werkzeug, um Führungskräften die Vorteile zu zeigen und den ROI der Software zu beweisen. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? Monte Carlo?

Es kann kompliziert und überwältigend sein, den gesamten Prozess zu verstehen, was überwacht werden soll, wann gewarnt werden soll und welche Priorität zugewiesen werden soll. Der Beliebtheitsgrad stimmt nicht immer mit dem überein, was das Unternehmen als unsere wichtigsten Daten betrachtet, und die Verwendung des Schlüssel-Asset-Tags erlaubt nicht die Granularität, um anzupassen, wie wichtig ein Asset ist. Die KI-Funktionen könnten etwas Arbeit gebrauchen, da sie oft Vorschläge machen, die nicht ganz hilfreich sind. Bewertung gesammelt von und auf G2.com gehostet.

"Erweiterte Datenbeobachtbarkeit mit einfacher Einrichtung"
Was gefällt dir am besten Monte Carlo?

Ich mag das fortschrittliche Feature von Monte Carlo in der Datenbeobachtbarkeit, das mit nützlichen vordefinierten Tools wie Frische- und Volumenmonitor ausgestattet ist. Ich schätze auch die Möglichkeit, sie mit benutzerdefiniertem SQL anzupassen. Der Frischemonitor hilft uns sicherzustellen, dass wir Daten von unseren Upstream-/Quellsystemen erhalten und unsere Downstream-Datenprodukte wie erwartet aktualisiert werden. Falls nicht, werden wir benachrichtigt, was es uns ermöglicht, Probleme zu beheben und schnell Korrekturen vorzunehmen. Die Einrichtung von Monte Carlo war einfach mit der offiziellen Dokumentation, die die Monitor-as-Code-Methode mit YAML-Konfigurationen verwendet, was für Entwickler hilfreich ist, um sie in einem Git-Repository zu pflegen. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? Monte Carlo?

Ich wünschte, es gäbe mehr Anpassungsmöglichkeiten bei den Monte Carlo-Warnungen, um unsere eigenen Nachrichten zu verfassen, damit die Empfänger wie Datenproduktverantwortliche oder Systemquellenverantwortliche einen besseren Kontext der Warnung erhalten können. Bewertung gesammelt von und auf G2.com gehostet.

Verifizierter Benutzer in Öl & Energie
Unternehmen (> 1000 Mitarbeiter)
"Großartiges Werkzeug für automatisierte Erkennung und benutzerdefinierte Monitore"
Was gefällt dir am besten Monte Carlo?

Die Tiefe der Monitore ist ausgezeichnet. Die vorinstallierten ML-Funktionen sind großartig und erkennen Änderungen, die normalerweise völlig unbemerkt bleiben würden. Darüber hinaus können wir unsere eigenen benutzerdefinierten Monitore für sehr spezifische Geschäftsregeln einrichten, die wir überprüfen müssen. Es ist eine großartige Mischung aus automatischer Erkennung und manueller Kontrolle. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? Monte Carlo?

Da wir eine Abdeckung für alle unsere Assets wünschen, können die erhaltenen Warnungen ziemlich laut werden. Es fühlt sich an, als würden wir eine vollständige Abdeckung gegen einen sehr beschäftigten Kanal eintauschen. Ich denke, dies könnte verbessert werden, indem die Monitor-Konfiguration etwas intuitiver gestaltet wird. Es kann schwierig sein, herauszufinden, wie man die Toleranzen am besten einstellt, um Fehlalarme zu vermeiden, und einige Inline-Beispiele oder bessere Anleitungen wären eine große Hilfe, um das Rauschen zu reduzieren. Bewertung gesammelt von und auf G2.com gehostet.

"Mühelose Überwachung mit automatisierten Einblicken"
Was gefällt dir am besten Monte Carlo?

Ich mag, dass Monte Carlo sofort einsatzbereit ist. Sobald der Datensatz verbunden ist, überwacht es ihn automatisch auf grundlegende Probleme, was bereits eine große Hilfe ist, um Fehler zu erkennen. Ich schätze auch die Möglichkeit, benutzerdefinierte Überwachungen zu erstellen, um Regressionen bei entdeckten Problemen zu verhindern. Es hilft, Probleme zu entdecken, bevor sie Kunden oder andere Systeme beeinträchtigen. Es ist wertvoll, dass ich eine Vielzahl von Datensätzen gleichzeitig überwachen und Signale über Probleme per Slack oder E-Mail erhalten kann. Die Möglichkeit, direkt innerhalb von Monte Carlo einfach zu untersuchen, ist großartig. Außerdem war die anfängliche Einrichtung super einfach. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? Monte Carlo?

Monte Carlo ist etwas teuer, und es könnte mehr Anleitung bieten, wie die Überwachungsabdeckung verbessert werden kann, um Junioren zu führen. Bewertung gesammelt von und auf G2.com gehostet.

"Mühelose Datenüberwachung mit leistungsstarken ML-Funktionen"
Was gefällt dir am besten Monte Carlo?

Ich mag, dass Monte Carlo relativ einfach einzurichten ist und sich gut in bestehende Datenplattformen integriert. Die ML-gestützten Monitore sind äußerst wertvoll, um unerwartete Datenanomalien zu erkennen, und die Alarmfunktionen helfen uns, proaktiv Probleme zu lösen, bevor sie unsere Geschäftspartner betreffen. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? Monte Carlo?

Die sofort einsatzbereiten, ML-gestützten Monitore können anfangs etwas laut sein und erfordern Zeit und Mühe, um die Alarmempfindlichkeit anzupassen. Es ist notwendig, bestimmte Tabellen oder Monitore stummzuschalten, um nicht wegen kleiner, falsch positiver Anomalien benachrichtigt zu werden. Obwohl der Wert des Produkts vorhanden ist, kann das Preismodell etwas hoch sein, insbesondere für kleinere Teams, die gerade ihre Datenreise beginnen. Es wäre hilfreich, flexiblere Preisstrukturen oder -stufen für kleine bis mittelgroße Unternehmen zu sehen. Bewertung gesammelt von und auf G2.com gehostet.

Preiseinblicke

Durchschnittswerte basierend auf echten Nutzerbewertungen.

Implementierungszeit

2 Monate

Return on Investment

9 Monate

Durchschnittlicher Rabatt

20%

Wahrgenommene Kosten

$$$$$

Wie viel kostet Monte Carlo?

Daten bereitgestellt von BetterCloud.

Geschätzter Preis

$$k - $$k

Pro Jahr

Basierend auf Daten von 6-Käufen.

Monte Carlo Vergleiche
Produkt-Avatar-Bild
Anomalo
Jetzt vergleichen
Produkt-Avatar-Bild
Datadog
Jetzt vergleichen
Produkt-Avatar-Bild
Soda
Jetzt vergleichen
Monte Carlo Funktionen
Überwachung
Alarmierung
Protokollierung
Identifizierung von Anomalien
Ansicht mit einem einzelnen Bereich
Echtzeit-Benachrichtigungen
Produkt-Avatar-Bild
Produkt-Avatar-Bild
Monte Carlo