Monte Carlo Bewertungen & Produktdetails

Ich habe festgestellt, dass die Feldabstammung weitaus nützlicher ist, als ich ursprünglich dachte. Die Bedeutungsskala der Tabelle ist ebenfalls sehr schön zu sehen. Sie hat es uns ermöglicht, Datenqualitätswarnungen zu erkennen, bevor unsere Stakeholder überhaupt von einem Problem wissen. Bewertung gesammelt von und auf G2.com gehostet.

Es sollte eine Möglichkeit geben, eine Reihe von Untersuchungsabfragen für häufige Warnungen zu speichern oder zu erstellen. Vielleicht liegt es an der Art und Weise, wie wir MC implementiert haben, aber die Warnungen könnten nützlicher sein, vielleicht wie ein Git-Stil, was sich zwischen der letzten erfolgreichen Abfrage und der, die fehlschlug, geändert hat. Bewertung gesammelt von und auf G2.com gehostet.

Ich finde die Warnungen wirklich wertvoll. Auch die Zusammenfassung der Monitore gibt Ihnen ein gutes Verständnis dafür, was mit Ihren Tabellen passiert. Ich nutze häufig die Tabellenabstammungsfunktion, wenn ich mir eine neue Tabelle ansehe; es ist einfach, die Abhängigkeiten zu verstehen und wie wichtig sie ist. Bewertung gesammelt von und auf G2.com gehostet.

Wenn ich die Übersichtsseite sehe, kann ich nur die letzten 30 Tage der Verlaufsgeschichte der Monitore sehen. Es ist hilfreich, aber ich hätte wirklich gerne mehr Verlauf, damit ich die Vorfälle besser verstehen und überprüfen kann, wann einige Trends begonnen haben.

Außerdem habe ich die Feldgesundheitsmonitore für einige wichtige Tabellen aktiviert; jedoch sendet es viele Fehlalarme, was zu Alarmmüdigkeit führt. Bewertung gesammelt von und auf G2.com gehostet.

- Das Werkzeug funktioniert insgesamt großartig. Die angebotenen Funktionen reichen aus, um eine breite Palette von Anwendungsfällen abzudecken.

- Das Team ist auch großartig. Wir haben immer sehr schnell auf unsere Supportanfragen eine Antwort erhalten.

- Die Automatisierungsfunktionen sind die besten. Wir haben fast alles mit Code eingerichtet, was die Ressourcen leicht verwaltbar macht.

- Sie sind sehr offen für Funktionsanfragen und liefern diese relativ schnell. Wir haben die Überwachung von verschachtelten Feldern und Strukturen angefordert, was innerhalb von Wochen umgesetzt wurde. Bewertung gesammelt von und auf G2.com gehostet.

- Wir hatten einige Kopfschmerzen bei der Integration von Databricks, die hauptsächlich dadurch verursacht wurden, dass unsere Plattform noch nicht Unity-fähig war. Aber mit Unterstützung haben wir alle Probleme gelöst.

- Es gibt eine Blocklisten-Funktion, die auf Schema-Ebene funktioniert. Es wäre großartig, wenn wir mit dieser Funktion den Zugriff auf Tabellenebene blockieren könnten. Bewertung gesammelt von und auf G2.com gehostet.

Mein Team verwendet Monte Carlo seit einigen Jahren und wir haben uns darauf verlassen, um sicherzustellen, dass unsere Daten das sind, was wir denken, was uns die Möglichkeit eröffnet hat, andere Architekturen zu nutzen, als wir es sonst könnten.

Wie ich im Titel sagte, ermöglicht es uns, die Invarianten, die wir in unseren Systemen sehen, zu kodieren und durchzusetzen, ohne endlose handgeschriebene Batch-Aufgaben zu benötigen oder gemeinsame Ressourcen zu überlasten. Diese Abfragen auf unserer OLTP-Datenbank auszuführen, wäre äußerst unpraktisch, wenn es überhaupt möglich wäre, und sie manuell auf unserem Data Warehouse auszuführen, wäre ein Witz. Aber MC täglich laufen zu lassen, bedeutet, dass wir so viele hinzufügen können, wie wir wollen, und wissen, dass unsere Erwartungen an die Daten genau sind, es sei denn, wir werden alarmiert. Bewertung gesammelt von und auf G2.com gehostet.

Einige Aspekte der Benutzeroberfläche sind etwas unklar. Zum Beispiel werden bei der Erstellung neuer Warnungen Syntaxfehler überhaupt nicht kommuniziert, und es gibt eine unerklärlich kurze Zeitüberschreitung, die es unmöglich machen kann, einige größere Abfragen zu testen. Bewertung gesammelt von und auf G2.com gehostet.

Monte Carlo war sehr hilfreich bei der Abstimmung und Zusammenarbeit mit den Stakeholdern, um zu zeigen, welche Arten von Problemen ein Data Platform-Team effektiv überwachen könnte und wo wir mehr geschäftliche Beteiligung benötigen würden.

Während es für Ingenieure leicht sein kann, Anfragen an das Informationsschema zu belächeln, war das Tool insgesamt sehr hilfreich, um ein Archiv von Erfahrungen bereitzustellen und uns beim Erstellen von Runbooks über die von sowohl erfahrenen als auch unerfahrenen Ingenieuren durchgeführten Aktionen zu unterstützen. Bewertung gesammelt von und auf G2.com gehostet.

Der eingebaute Abfrage-Editor und die KI-Autovervollständigungstools können etwas frustrierend sein - unsere Leute kopieren normalerweise einfach aus nativen SQL-Tools.

Ich kann nicht sagen, dass dies eine Abneigung ist, sondern eher ein Ergebnis, das hätte schiefgehen können. Die einfache Einrichtung kann schnell eine Flut neuer Warnungen erzeugen - insbesondere bei der Anomalieerkennung "out of the box" - bei der nicht jeder versteht, was läuft oder wie man reagieren soll, oder ob sich die Stakeholder Sorgen machen müssen. Wir hatten das Glück, genügend Zeit in der Produktion mit den Teams zu verbringen, die es nutzen werden, bevor wir unsere wenigen Stakeholder zusammenbrachten, und konnten (eher ad hoc) bestimmen, was sinnvoll war und was nicht. Bewertung gesammelt von und auf G2.com gehostet.

Monte Carlo bringt ein hohes Maß an Governance, Änderungsmanagement und Automatisierung in diesen Produktbereich, was es zu einer hervorragenden Lösung für die Automatisierung der Compliance-Kontrolle macht. Unsere Organisation hat frühere manuelle Compliance-Test-Szenarien und das Konzept von Kontrollen im Allgemeinen in Monte Carlo integriert. Die Integration mit Tools wie Slack ermöglicht reibungslose Benachrichtigungen, Reaktionen und Behebungen. Monte Carlo bietet auch durch proaktivere Einblicke in Anomalien in Datentabellen einen Mehrwert, der uns hilft, aufkommenden Vorfällen voraus zu sein. Bewertung gesammelt von und auf G2.com gehostet.

Ich freue mich darauf, dass Monte Carlo seine Genauigkeit und Effektivität bei der proaktiven Erkennung potenzieller Anomalien basierend auf Mustern in Datentabellen erhöht. Insbesondere wird es fortschrittlicher bei der Erkennung nuancierter saisonaler Veränderungen oder Muster, die sich auf Metadaten in anderen Tabellen beziehen, auf dynamischere Weise. Bewertung gesammelt von und auf G2.com gehostet.

Monte-Carlo-Daten bieten ein außergewöhnliches Maß an Detailgenauigkeit und Präzision in ihren Simulationen, was eine robuste Risikobewertung und Entscheidungsfindung ermöglicht. Die Benutzeroberfläche ist intuitiv, was das Einrichten und Ausführen komplexer Modelle erleichtert. Darüber hinaus verbessert die Möglichkeit, Parameter anzupassen und Ergebnisse durch dynamische Diagramme und Grafiken zu visualisieren, das gesamte Benutzererlebnis. Bewertung gesammelt von und auf G2.com gehostet.

Obwohl das Werkzeug leistungsstark ist, kann es ressourcenintensiv sein und erhebliche Rechenleistung für große Datensätze erfordern. Darüber hinaus kann die anfängliche Lernkurve für Benutzer, die mit statistischen Modellen nicht vertraut sind, steil sein, und umfassendere Tutorials oder Benutzerhandbücher wären von Vorteil. Bewertung gesammelt von und auf G2.com gehostet.

Eines der Dinge, die ich an Monte Carlo wirklich schätze, sind seine automatisierten, sofort einsatzbereiten Überwachungen, die durch Anomalieerkennung betrieben werden. Diese lernen aus unseren Datenmustern und warnen uns vor Unregelmäßigkeiten. Es ist schnell zu einem unverzichtbaren Werkzeug geworden, um unbekannte Datenqualitätsprobleme in unserem täglichen Betrieb aufzudecken. Bewertung gesammelt von und auf G2.com gehostet.

Monte Carlo ist weniger effektiv für selten aktualisierte Daten, wie zweiwöchentliche, monatliche oder vierteljährliche Datensätze, da die Standardüberwachungen nicht für diese Anwendungsfälle ausgelegt sind. Während benutzerdefinierte Überwachungen dies beheben können, opfern sie die Skalierbarkeit, was die allgemeine Benutzerfreundlichkeit des Tools für diese Anwendungsfälle verringert. Bewertung gesammelt von und auf G2.com gehostet.

Ich finde es großartig, dass es Probleme in unserem System findet, die wir mit unseren eigenen Validierungswerkzeugen nicht erfassen können. Bewertung gesammelt von und auf G2.com gehostet.

Es erfordert viel Einrichtung und Feinabstimmung. Wir mussten viele der standardmäßigen Überwachungen für bestimmte Assets deaktivieren, weil sie zu störend waren. Bewertung gesammelt von und auf G2.com gehostet.

Die Out-of-the-Box-Monitore von Monte Carlo bieten eine relativ einfache Möglichkeit, sich auf potenziell große Gewinne vorzubereiten. Eine Warnung, dass Ihr Quellvolumen einen kleinen Rückgang unter die Erwartungen zeigt, kann möglicherweise ein großes Problem aufdecken. Wenn Sie sich zuerst auf kritische Daten konzentrieren, können Sie eine überwältigende Anzahl von Warnungen vermeiden, während das Produkt Ihre Daten "lernt". Bewertung gesammelt von und auf G2.com gehostet.

Monte Carlo befindet sich noch in einem frühen Stadium des Prozesses, um die Integration von Datenbeobachtbarkeit und den Zustand der unterstützenden Datenpipelines zu unterstützen. Bewertung gesammelt von und auf G2.com gehostet.