# Mejores herramientas de análisis para empresas de desarrollo de software

<p class="elv-tracking-normal elv-text-default elv-font-figtree elv-text-base elv-leading-base elv-font-normal" elv="true">Estoy ayudando a un par de equipos de software a evaluar las <a class="a a--md" elv="true" href="https://www.g2.com/categories/data-science-and-machine-learning-platforms"><strong>mejores herramientas de análisis para empresas de desarrollo de software</strong></a> porque sus datos de producto e ingeniería están creciendo rápidamente, y quieren una configuración que soporte análisis <em>y</em> ML sin una gran reconstrucción de la plataforma.</p><p class="elv-tracking-normal elv-text-default elv-font-figtree elv-text-base elv-leading-base elv-font-normal" elv="true">Aquí hay algunas que estoy considerando: </p><ul>
<li>
<a class="a a--md" elv="true" href="https://www.g2.com/products/databricks/reviews"><strong>Databricks</strong></a>: Plataforma unificada para ingeniería de datos, análisis y cargas de trabajo de ML en grandes conjuntos de datos. A menudo se utiliza cuando los equipos quieren cuadernos + pipelines + flujos de trabajo de ML en un solo lugar.</li>
<li>
<a class="a a--md" elv="true" href="https://www.g2.com/products/snowflake/reviews"><strong>Snowflake</strong></a>: Plataforma de datos en la nube utilizada para análisis escalables y acceso centralizado a datos. Común cuando los equipos quieren consultas rápidas y bases de datos compartidas para ML posterior.</li>
<li>
<a class="a a--md" elv="true" href="https://www.g2.com/products/google-vertex-ai/reviews"><strong>Google Vertex AI</strong></a>: Plataforma de ML gestionada para entrenar, desplegar y operar modelos en Google Cloud. Útil cuando los equipos de producto quieren un camino gestionado desde la experimentación hasta la producción.</li>
<li>
<a class="a a--md" elv="true" href="https://www.g2.com/products/amazon-sagemaker/reviews"><strong>Amazon SageMaker</strong></a>: Servicio de ML gestionado para construir, entrenar y desplegar modelos en AWS. Funciona bien cuando tu stack ya está centrado en AWS y quieres incluir herramientas de operaciones de ML.</li>
</ul><p class="elv-tracking-normal elv-text-default elv-font-figtree elv-text-base elv-leading-base elv-font-normal" elv="true"><strong>Si estás en una organización de desarrollo de software, ¿cuál ha sido realmente la mejor plataforma para análisis, y qué desearías haber estandarizado antes? </strong></p>

##### Post Metadata
- Posted at: hace 30 días
- Net upvotes: 1




## Related discussions
- [¿Qué tan bien se adapta Trello a un equipo más grande?](https://www.g2.com/es/discussions/1-how-well-does-trello-scale-into-a-larger-team)
  - Posted at: hace aproximadamente 13 años
  - Comments: 6
- [Can we please add a new section](https://www.g2.com/es/discussions/2-can-we-please-add-a-new-section)
  - Posted at: hace aproximadamente 13 años
  - Comments: 0
- [Beneficios cuantificables de implementar su CRM](https://www.g2.com/es/discussions/quantifiable-benefits-from-implementing-your-crm)
  - Posted at: hace aproximadamente 13 años
  - Comments: 4