Monte Carlo Bewertungen & Produktdetails

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

Monte Carlo bietet uns eine End-to-End-Sicht auf die Datenqualität über Pipelines hinweg, ohne dass wir für jede Tabelle manuell ein Monitoring aufbauen müssen. Ich mag, wie schnell es Anomalien, Schemaänderungen und Aktualitätsprobleme aufzeigt und die Tatsache, dass es sich gut in Snowflake integriert. Es spart eine Menge Zeit, indem es uns proaktiv benachrichtigt, bevor nachgelagerte Teams betroffen sind. Bewertung gesammelt von und auf G2.com gehostet.

Einige Konfigurationsbereiche fühlen sich immer noch ein wenig wie eine „Black-Box“ an, was bedeutet, dass es schwierig sein kann, genau zu verstehen, warum bestimmte Monitore ausgelöst werden oder warum bestimmte Tabellen nicht automatisch abgedeckt sind. Die Benutzeroberfläche kann sich auch manchmal etwas überladen anfühlen, und die Benachrichtigungen können laut werden, bis alles vollständig abgestimmt ist. Bewertung gesammelt von und auf G2.com gehostet.

Ich schätze, wie einfach es ist, Dinge einzurichten. Die Fähigkeit der Plattform, mehrere Anwendungsfälle innerhalb eines einzigen Systems zu handhaben, ist sehr nützlich. Ihre Integration mit den Tools, die wir bereits verwenden, ermöglicht es mir, die Alarmfunktionen direkt in meinem täglichen Arbeitsablauf zu nutzen. Der Kundensupport und das Engagement unseres Monte Carlo-Teams waren fantastisch. Bewertung gesammelt von und auf G2.com gehostet.

Einige der administrativen Aspekte können schwierig sein, wenn man die verschiedenen Arten von Monitoren verwaltet. Es kann manchmal knifflig sein, unsere ganzheitliche Qualität zu sehen und sie von einem zentralen Ort aus zu verwalten. Bewertung gesammelt von und auf G2.com gehostet.