Databricks Data Intelligence Platform Reseñas y Detalles del Producto

Lo mejor de Databricks es que consolida muy fácilmente la ingeniería de datos, la ciencia de datos y la analítica, todo en un solo lugar. Por lo tanto, puedo procesar grandes conjuntos de datos rápidamente, ejecutar operaciones de aprendizaje automático muy complejas, todo sin cambiar de herramientas. La colaboración a través de cuadernos con mi equipo en tiempo real realmente redujo mucho el ir y venir que solía tener. Reseña recopilada por y alojada en G2.com.

El gran problema es que los precios pueden aumentar rápidamente si no tengo cuidado con el tamaño del clúster o si me olvido de apagarlos. Tuve que aprender a usar algunas de las funciones más avanzadas, como Unity Catalog y los conectores de MLflow, si quería usarlos bien. Lo único que añadiría es una interfaz fácil, como en algunos productos de BI. Puede ser abrumador para el principiante. Reseña recopilada por y alojada en G2.com.

Encuentro la Plataforma de Inteligencia de Datos de Databricks bastante fácil de usar y configurar. La configuración inicial fue bastante fluida y fácil, lo cual aprecio. Reseña recopilada por y alojada en G2.com.

No me gusta que nos hayan estafado con los precios. Su estructura de precios parecía estar basada en suposiciones que eran completamente erróneas. Su calculadora de consumo estaba muy equivocada, como 10 veces equivocada, y cuando firmamos el contrato, no ofrecieron una buena solución para lo lejos que estaba. Esto me ha hecho considerar volver a Snowflake debido a lo mal que se manejó esto. Además, su calculadora simplemente no es correcta, así que ten cuidado con ella. Reseña recopilada por y alojada en G2.com.

Me gusta que sea rápido y una excelente solución de análisis todo en uno, con una excelente escalabilidad que reduce el tiempo de comercialización. La interfaz de usuario es intuitiva y perfecta para usuarios con diferentes niveles de habilidad. También me gusta que la base de datos tenga la capacidad de terminar o agotar el tiempo de las instancias, lo que nos ayuda a gestionar los costos. Reseña recopilada por y alojada en G2.com.

No tengo quejas sobre esta herramienta; nos permite ejecutar código de manera eficiente sin quedar atrapados por preocupaciones de infraestructura o de optimización. Además, hay una gran cantidad de recursos de capacitación útiles disponibles tanto para desarrolladores como para científicos de datos. Reseña recopilada por y alojada en G2.com.

Lo que realmente me gusta de Databricks es cómo reúne todo: ingeniería de datos, análisis y aprendizaje automático, en un solo lugar. Ahorra mucho tiempo al cambiar entre flujos de trabajo. Los cuadernos colaborativos son muy útiles cuando se trabaja en equipo, y la integración con Spark funciona sin mucho problema. Delta Lake también es una ventaja: poder gestionar grandes conjuntos de datos con versionado y soporte ACID es sinceramente un salvavidas en escenarios de producción. Reseña recopilada por y alojada en G2.com.

La plataforma puede parecer un poco intimidante al principio, especialmente si eres nuevo en las herramientas de big data. Configurar clústeres y entender el modelo de precios me llevó un tiempo. Además, la interfaz de usuario a veces se retrasa cuando trabajas con cuadernos grandes o cambias entre varias pestañas. Ojalá la incorporación fuera un poco más amigable para principiantes. Reseña recopilada por y alojada en G2.com.

Databricks sobresale en unificar la ingeniería de datos, la analítica y el aprendizaje automático en un entorno colaborativo basado en la nube. Su soporte para múltiples lenguajes de programación (Python, SQL, Scala, R) lo hace increíblemente flexible. La arquitectura Lakehouse simplifica la gestión de datos al combinar lo mejor de los data lakes y los data warehouses. Los clústeres de computación de autoescalado, la integración estrecha con herramientas como MLflow y los potentes cuadernos de notas agilizan la experimentación y el despliegue en producción. También aprecio las frecuentes actualizaciones del producto y el compromiso con tecnologías de código abierto como Apache Spark y Delta Lake. Reseña recopilada por y alojada en G2.com.

Aunque potente, Databricks tiene una curva de aprendizaje, especialmente para usuarios no técnicos o aquellos nuevos en arquitecturas basadas en Spark. Los precios pueden escalar rápidamente si no se monitorean de cerca, particularmente con los clústeres siempre activos. La interfaz de usuario, aunque está mejorando, todavía se siente poco intuitiva en ciertas áreas (como la gestión de trabajos o permisos de clústeres). Algunas integraciones, especialmente con sistemas locales, requieren esfuerzo adicional o soluciones personalizadas. Reseña recopilada por y alojada en G2.com.

Me gusta que Databricks ofrezca un entorno unificado para la ingeniería de datos, análisis y aprendizaje automático. La plataforma facilita la colaboración entre equipos, la gestión eficiente de datos a gran escala y la construcción de modelos avanzados de IA utilizando la misma infraestructura. La integración con los principales proveedores de nube y la arquitectura Lakehouse hacen que la gestión de datos sea tanto flexible como escalable. Reseña recopilada por y alojada en G2.com.

Aunque Databricks es una plataforma poderosa y flexible, puede ser compleja de configurar y gestionar, especialmente para equipos sin una fuerte experiencia en ingeniería de datos. La estructura de costos también puede volverse cara para cargas de trabajo continuas, y la optimización del rendimiento a veces requiere un conocimiento profundo de Spark y la optimización de clústeres. Además, la interfaz de usuario podría ser más intuitiva para los usuarios no técnicos. Reseña recopilada por y alojada en G2.com.

Databricks sobresale en unificar la ingeniería de datos, la analítica y el aprendizaje automático en una plataforma sin fisuras. Lo que más me gusta es cómo maneja sin esfuerzo grandes volúmenes de datos mientras permite el desarrollo colaborativo a través de cuadernos. La integración con Apache Spark y la capacidad de ejecutar cargas de trabajo escalables con ML, SQL y Python lado a lado lo convierte en una potencia para los equipos orientados a los datos. Su gobernanza y la arquitectura de Delta Lake también aseguran la fiabilidad y seguridad a lo largo de la canalización de datos. Reseña recopilada por y alojada en G2.com.

Aunque Databricks es increíblemente poderoso, la curva de aprendizaje puede ser empinada para usuarios no técnicos o equipos nuevos en la computación distribuida. La interfaz de usuario, aunque funcional, a veces puede parecer un poco torpe en comparación con plataformas de datos más modernas. Además, gestionar los costos en un entorno multiusuario requiere una gobernanza cuidadosa, especialmente para equipos que ejecutan trabajos a gran escala que consumen muchos recursos de cómputo. Reseña recopilada por y alojada en G2.com.

Hay varias razones por las que me gusta la Plataforma de Inteligencia de Datos de Databricks.

Hemos estado utilizando Databricks como una Plataforma Unificada para Todas nuestras Cargas de Trabajo de Datos (tuberías y modelos) que abarca ingeniería de datos, ciencia de datos, análisis e IA agentica.

Nos encanta la arquitectura de lakehouse que ayuda a integrar rápidamente a los especialistas en almacenamiento de datos tradicional a Databricks de una manera rápida y escalable.

Hicimos una actualización de Unity Catalog el año pasado que optimizó la gobernanza y el control de acceso a través de los activos; e hicimos computación sin servidor este año que disminuyó enormemente el tiempo de inicio/espera de los clústeres.

Hemos estado experimentando con el espacio de IA agentica ahora, donde construimos indicaciones fáciles de entender para entrenar agentes construidos sobre conjuntos de datos. Esto ayuda a perfilar/dividir/analizar datos por cualquier persona (incluso una persona de negocios no técnica).

El equipo de BI ha estado utilizando Databricks para conectarse con nuestros paneles de Power BI, mientras que el equipo de Ingeniería ha estado utilizando Databricks para conectarse con Airflow para crear/visualizar DAGs nativos.

Por último, pero no menos importante, el concepto de Notebook de Databricks es increíble. En el mismo notebook de Databricks, uno puede tener código en múltiples lenguajes (Python, Scala, SQL, etc.) y cada uno puede cambiarse en tiempo de ejecución. Los notebooks colaborativos integrados con soporte para múltiples lenguajes (Python, Scala, SQL, R) y coautoría en tiempo real facilitan que los equipos iteren juntos rápidamente. Reseña recopilada por y alojada en G2.com.

-- Costos impredecibles para equipos pequeños. Lo enfrentamos cuando uno de nuestros flujos de trabajo de agentes de IA estuvo funcionando durante mucho tiempo en un conjunto de datos muy pequeño.

-- La tarificación basada en computación + almacenamiento significa que la optimización es crítica. Cada trimestre, realmente tenemos que mantener nuestras previsiones de Databricks actualizadas ya que no queremos una gran desviación entre la previsión y el real.

-- Aunque Databricks admite paneles (con limitaciones), no puede reemplazar herramientas de BI como Power BI, Tableau, etc. Reseña recopilada por y alojada en G2.com.

Databricks es muy útil para escribir código en varios lenguajes, incluidos SQL y Python, entre otros. También es valioso para construir pipelines y crear nuevos cuadernos, que ayudan en el diseño de consultas complejas. Reseña recopilada por y alojada en G2.com.

El costo del clúster que usamos es algo alto, lo que restringe la cantidad de código que podemos ejecutar. Reseña recopilada por y alojada en G2.com.

Lo que realmente me gusta de la Plataforma de Inteligencia de Datos de Databricks es cómo reúne todo en un solo lugar. En lugar de tener que manejar diferentes herramientas para la ingeniería de datos, análisis, aprendizaje automático y gobernanza, puedes hacerlo todo en un solo entorno. Reseña recopilada por y alojada en G2.com.

Honestamente, lo que encuentro un poco frustrante sobre la Plataforma de Inteligencia de Datos de Databricks es que, aunque es increíblemente poderosa, también puede resultar abrumadora a veces. Hay una curva de aprendizaje pronunciada, especialmente para los equipos que recién comienzan y no tienen mucha experiencia con Spark o sistemas distribuidos. Reseña recopilada por y alojada en G2.com.