Databricks Data Intelligence Platform Reseñas y Detalles del Producto

Los cuadernos colaborativos son bastante útiles. Mi equipo puede escribir tanto Python como SQL dentro del mismo cuaderno, lo que realmente ayuda a acelerar nuestro ciclo de desarrollo. La integración con MLflow es, en mi opinión, la característica destacada. Reseña recopilada por y alojada en G2.com.

No hubo nada que no me gustara; todo funcionó como se esperaba. Reseña recopilada por y alojada en G2.com.

Lo que más me gusta de SnapLogic es que, al realizar la transformación de datos de conjuntos de datos en cuadernos, tiene muchos lenguajes para usar, como SQL, PySpark y R. Esto me permite usar cualquier lenguaje y completar eficazmente mis requisitos. Databricks tiene muchas características como AI, Unity Catalog y gestión de flujos de trabajo, lo que hace que mi implementación de ETL y la integración de datos sean fáciles y rápidas. Reseña recopilada por y alojada en G2.com.

Bajo un uso intensivo, la capacidad de respuesta de la interfaz de usuario para algunas implementaciones como el seguimiento de trabajos y la versionado de cuadernos es un poco lenta en la web. Reseña recopilada por y alojada en G2.com.

El Catálogo de Unidad agrupa tipos de datos útiles como Tablas (delta), Modelos, Vistas, Funciones y Volúmenes (para datos no estructurados). Además, la pestaña de Flujos de Trabajo optimiza la eficiencia para ejecutar trabajos y flujos de trabajo que actualizan e interactúan con grandes volúmenes de datos. Reseña recopilada por y alojada en G2.com.

La peor funcionalidad viene con los modos de cómputo y las habilidades restringidas. Por ejemplo, el modo de acceso dedicado para un solo usuario es esencial para utilizar los tiempos de ejecución de ML y algunos accesos al contexto de Spark; sin embargo, el modo de acceso compartido estándar es clave para la última funcionalidad de UC, como interactuar adecuadamente con Clones Superficiales. Reseña recopilada por y alojada en G2.com.

La plataforma de Databricks es una herramienta colaborativa poderosa que permite a los equipos trabajar juntos sin problemas en proyectos de datos. El entorno integrado para el procesamiento y análisis de datos, junto con su interfaz fácil de usar, facilita la visualización de ideas y el compartir hallazgos en tiempo real. Reseña recopilada por y alojada en G2.com.

La complejidad ocasional en la gestión de múltiples clústeres y entornos, que puede llevar a confusión respecto a la asignación de recursos. Además, la curva de aprendizaje para los nuevos usuarios puede ser pronunciada, lo que supone un desafío para la adopción organizacional. Reseña recopilada por y alojada en G2.com.

Asistí para explorar cómo Databricks unifica la ingeniería de datos, la analítica y la inteligencia artificial. La integración de la plataforma con herramientas de BI y el soporte para Delta Lake funcionaron bien. Las características de rendimiento y colaboración destacaron. Sin embargo, la curva de aprendizaje y algunas complejidades de la interfaz de usuario podrían mejorarse para los nuevos usuarios que están haciendo la transición desde plataformas tradicionales. Reseña recopilada por y alojada en G2.com.

Asistí a la sesión de la Plataforma de Inteligencia de Datos de Databricks, pero la encontré bastante poco destacable. Las características y el rendimiento no fueron ni sobresalientes ni decepcionantes. Se sintió genérico, con mejoras vagas y una innovación mínima. En general, no estoy seguro de sus ventajas distintivas, lo que hace que mi reseña no sea particularmente informativa ni útil para los usuarios potenciales. Reseña recopilada por y alojada en G2.com.

Lo que más aprecio de Databricks es su enfoque unificado hacia la ingeniería de datos y la ciencia de datos. La plataforma elimina los silos tradicionales entre nuestros ingenieros de datos y científicos de datos al proporcionar un espacio de trabajo colaborativo donde ambos equipos pueden trabajar en los mismos conjuntos de datos utilizando sus herramientas preferidas, ya sea Spark, Python, R o SQL. La tecnología Delta Lake ha sido particularmente valiosa para garantizar la calidad y fiabilidad de los datos en nuestras canalizaciones. Los clústeres de autoescalado significan que no tenemos que preocuparnos por la gestión de infraestructura, y la interfaz de cuadernos hace que sea fácil documentar y compartir nuestro trabajo. La integración de MLflow para el seguimiento de experimentos y el despliegue de modelos ha agilizado significativamente nuestro ciclo de vida de aprendizaje automático. Reseña recopilada por y alojada en G2.com.

Los principales desafíos que hemos encontrado están relacionados con la curva de aprendizaje y la gestión de costos. Para los miembros del equipo que provienen de entornos tradicionales de SQL, la transición a análisis basados en Spark requiere una capacitación significativa. El modelo de precios puede ser complejo de predecir, especialmente con los clústeres de autoescalado, y los costos pueden aumentar rápidamente si no se monitorean cuidadosamente. La interfaz de usuario, aunque funcional, puede resultar abrumadora para los nuevos usuarios con tantas características y opciones. También hemos experimentado inconsistencias ocasionales en el rendimiento durante los tiempos de uso máximo, y algunas de las características más avanzadas requieren un conocimiento técnico profundo para implementarse de manera efectiva. La documentación, aunque completa, puede ser densa y asume un alto nivel de experiencia técnica. Reseña recopilada por y alojada en G2.com.

La plataforma de inteligencia de datos de Databricks es un producto muy único e interesante, es muy eficiente y hace que ejecutar programas sea mucho más rápido y fácil. El precio rentable y los usos de esta plataforma son tan atractivos que fue lo que me hizo elegir este producto. Reseña recopilada por y alojada en G2.com.

Algo que no me gustó de la Plataforma de Inteligencia de Datos de Databricks es que a veces es un poco lenta cuando varios usuarios la están utilizando, lo cual podría mejorarse. Reseña recopilada por y alojada en G2.com.

Honestamente, es cómo convierte el caos de los datos en bruto en algo bellamente orquestado, como el jazz, pero con menos saxofón y más Spark.

Me encanta que no sea solo una herramienta, sino todo un ecosistema. Integra la ingeniería de datos, la analítica y la inteligencia artificial en un entorno unificado. Eso significa que no tengo que juntar una docena de herramientas solo para avanzar en un pipeline. Menos silos, más flujo. ¿Y el hecho de que esté construido sobre estándares abiertos como Delta Lake y Apache Spark? Un toque de chef.

Las características colaborativas también son enormes. Poder trabajar sin problemas entre equipos en cuadernos, compartir ideas y iterar en tiempo real es como Google Docs para los fanáticos de los datos, pero más inteligente y con menos dolores de cabeza de formato.

Ah, ¿y Unity Catalog? Un cambio de juego. Me da visibilidad y gobernanza sin hacerme sentir que necesito un segundo trabajo en seguridad.

Así que sí, lo que más me gusta es que hace que hacer cosas complejas se sienta, bueno... menos complejo. No se trata solo de gestionar datos, sino de obtener inteligencia real de ellos, rápido. Y esa es exactamente la clase de velocidad que me gusta. Reseña recopilada por y alojada en G2.com.

Para empezar, la transparencia en los precios puede ser... llamémosla "misteriosa". Crees que solo estás realizando un trabajo sencillo, y luego ¡BAM!—costos sorpresa como si fuera tu cumpleaños, pero los regalos son todas facturas. Me encantaría tener un poco más de claridad y control allí, especialmente cuando intentas escalar de manera responsable. Reseña recopilada por y alojada en G2.com.

Esta arquitectura de casa del lago reúne lo mejor de los lagos de datos y los almacenes, por lo que no tenemos que lidiar con la complejidad innecesaria. Los lagos Delta aseguran fiabilidad mientras que la interfaz basada en cuadernos hace que la colaboración sea fluida. La capacidad de la plataforma para manejar cargas de trabajo por lotes, en streaming y de aprendizaje automático en un solo lugar es una gran ventaja. Reseña recopilada por y alojada en G2.com.

El precio puede volverse caro, especialmente si las cargas de trabajo no están optimizadas adecuadamente, también, aunque los cuadernos son excelentes, podrían usar un mejor control de versiones para el trabajo colaborativo. La curva de aprendizaje inicial puede ser un poco empinada para aquellos que son nuevos en Spark, pero una vez que lo dominas, es una herramienta poderosa. Reseña recopilada por y alojada en G2.com.