Me alegra que mi pierna no esté completamente dormida por tener que esperar una consulta (al menos la función de terminación automática funciona y me ahorró dinero). El historial es algo útil, confío en él para recuperar los guiones anteriores que escribo porque siempre parece que olvido lo que hice el día anterior. Creo que ayuda a mantener a finanzas alejadas de mi espalda al ahorrarles dinero en la factura de AWS. Para mí, es simplemente una ubicación central para gestionar nuestros grandes datos, así no tengo que vigilar 5 monitores. Reseña recopilada por y alojada en G2.com.

Si quiero encontrar una consulta que se ejecutó hace más de 30 días, la función de búsqueda ni siquiera se acerca a poder ayudarme y también instalar paquetes de R es una pesadilla completa y los mensajes de error son tan claros como el barro. Y cuando se trabaja con grandes cantidades de datos, la interfaz de usuario se vuelve lenta y tratar de desplazarse por un cuaderno es como empujar a través del barro. Sería bueno si fuera más fácil instalar/gestionar paquetes externos de Spark. Reseña recopilada por y alojada en G2.com.

El escalado automático funciona bien; también nos ayudó a reducir el costo de usar recursos en la nube. Pensé que eso iba a ser un problema ya que es la primera vez que usamos el escalado automático. El soporte ha sido lo suficientemente bueno, normalmente aparecen a tiempo para sus horas programadas para ayudarnos a solucionar los problemas que creamos. La capacidad de guardar el historial de consultas en el orden en que se escribieron es agradable ya que a menudo olvido lo que escribo unos minutos después de escribirlo. Cuando trabajas con compañeros que necesitan acceso a tu código, puedes enviarles el enlace permanente (link) al código, lo cual es mejor que tener que explicarlo. Dado que admite tanto Spark como Presto dentro de una sola herramienta, no tengo que saltar entre herramientas. Reseña recopilada por y alojada en G2.com.

Odio cómo funciona la función de búsqueda. Nunca he encontrado los resultados de hace un mes, y es molesto. La interfaz de usuario ocasionalmente se retrasa respecto a mi escritura, y si tengo prisa siento que toma demasiado tiempo. También tendría mucho más sentido que el cajón de tablas permaneciera abierto cuando hago clic en el cuaderno en lugar de cerrarse automáticamente, lo cual consume mucho tiempo ya que necesito volver a abrirlo. El equipo de soporte me ha dicho que no pueden replicar un problema, lo cual no ayuda en absoluto. Reseña recopilada por y alojada en G2.com.

Lo que más me gusta de la Plataforma de Inteligencia de Datos de Databricks es cómo reúne todo lo relacionado con la ingeniería de datos, la analítica y el aprendizaje automático en un entorno unificado. Es muy fácil de usar a pesar de ser potente, y facilita mucho la colaboración entre equipos técnicos y no técnicos. La plataforma maneja grandes volúmenes de datos de manera eficiente, escala sin problemas e integra bien con los servicios en la nube, lo que ahorra mucho tiempo y esfuerzo. En general, ayuda a convertir datos en bruto en información significativa más rápido sin hacer el proceso demasiado complejo. Reseña recopilada por y alojada en G2.com.

Una cosa que no me gusta de la Plataforma de Inteligencia de Datos de Databricks es que puede parecer compleja y abrumadora para los nuevos usuarios, especialmente aquellos sin un fuerte trasfondo técnico. La curva de aprendizaje es bastante pronunciada, y lleva tiempo comprender completamente cómo usar todas las funciones de manera efectiva. Además, el precio puede volverse caro a medida que el uso escala, y la gestión de costos no siempre es muy transparente. A veces, depurar errores o problemas de rendimiento también puede ser un desafío, particularmente en flujos de trabajo grandes o altamente integrados. Reseña recopilada por y alojada en G2.com.

Databricks es fácil de usar y sencillo para comenzar, incluso al manejar grandes cantidades de datos. Reúne todo, como el procesamiento de datos, análisis e inteligencia artificial en un solo lugar, por lo que mi equipo no necesita múltiples herramientas. La plataforma se integra sin problemas con herramientas comunes como paneles de BI, flujos de trabajo y servicios en la nube. Sus cuadernos hacen que el trabajo diario sea frecuente y conveniente al permitir que nuestros equipos colaboren en tiempo real. Hay muchas características integradas para datos, análisis y aprendizaje automático sin complejidad añadida. El soporte al cliente, la documentación y los recursos de la comunidad facilitan la resolución rápida de problemas. Reseña recopilada por y alojada en G2.com.

Databricks puede ser caro e impredecible en costos, especialmente para equipos pequeños si las cargas de trabajo se ejecutan más tiempo del esperado. Se necesita experiencia técnica para configurar, gestionar y optimizar el rendimiento, lo cual puede ser un desafío para usuarios no técnicos. Los costos necesitan un monitoreo frecuente ya que el cómputo y el almacenamiento se facturan por separado. Aunque tiene paneles básicos, todavía depende de herramientas como Power BI o Tableau para informes completos. Reseña recopilada por y alojada en G2.com.

Lo que más me gusta de Databricks es cómo reúne la ingeniería de datos, la analítica y el aprendizaje automático en una sola plataforma. Tener un entorno unificado construido alrededor de Apache Spark facilita mucho la colaboración entre los equipos de datos. El enfoque de Lakehouse funciona bien porque elimina la necesidad de mover datos a través de múltiples herramientas. El rendimiento es fuerte para grandes conjuntos de datos, y los cuadernos hacen que la experimentación, el análisis y la colaboración sean más eficientes. En general, simplifica los flujos de trabajo de datos complejos mientras sigue siendo potente. Reseña recopilada por y alojada en G2.com.

La principal desventaja es el costo y la complejidad para los nuevos usuarios. Los precios pueden ser difíciles de predecir, especialmente cuando las cargas de trabajo escalan inesperadamente, y los costos de computación pueden aumentar rápidamente si no se monitorean de cerca. También hay una curva de aprendizaje para los equipos que no están ya familiarizados con Spark o plataformas de datos basadas en la nube. Algunas configuraciones avanzadas y optimizaciones requieren recursos experimentados, lo que puede ralentizar la adopción para equipos de datos más pequeños o menos maduros. Reseña recopilada por y alojada en G2.com.

Databricks es una herramienta de análisis de datos que nuestros ingenieros de diseño utilizan para analizar todos los diferentes tipos de datos financieros y operativos de nuestra empresa y crear un resumen de todo para que la comprensión del flujo de trabajo de la empresa sea sencilla. Reseña recopilada por y alojada en G2.com.

Una de las principales desventajas de Databricks es que el software está completamente basado en lenguajes de programación como Python, SQL, Scala, por lo que si el usuario no tiene conocimiento de estos lenguajes de programación, le resulta muy difícil utilizar esta plataforma. Reseña recopilada por y alojada en G2.com.

Principalmente utilizo la Plataforma de Inteligencia de Datos de Databricks para manipular grandes conjuntos de datos que almacenamos en buckets en la nube y crear pipelines de ETL, así como para configurar notebooks en los que realizo mucho trabajo exploratorio. Me gusta mucho que todo parece estar listo para usar, como que los clusters se inician rápidamente, el escalado simplemente funciona en segundo plano y realmente puedo dejar de preocuparme por cuestiones de infraestructura y centrarme en el análisis. Reseña recopilada por y alojada en G2.com.

La interfaz de usuario puede sentirse lenta, especialmente cuando estoy en medio de una sesión intensa de cuaderno y a veces las cosas simplemente son LENTAS para hacer clic o los trabajos no se cancelan cuando lo pido. Y apenas he comenzado a experimentar con el software de clúster, y aunque es potente, definitivamente hay una curva de aprendizaje ya que todavía reviso cosas ocasionalmente tratando de averiguar qué configuración de clúster o de tiempo de ejecución está haciendo que las cosas funcionen de manera diferente a otras. Reseña recopilada por y alojada en G2.com.

La plataforma de inteligencia de datos de Databricks es muy confiable y es bueno saber que la arquitectura nativa de la nube no se cayó justo después de que la implementé en Kubernetes. Honestamente, pensé que la integración de Python/R estaría rota, así que fue una sorpresa descubrir que ambos funcionaron sin ningún retraso. Reseña recopilada por y alojada en G2.com.

Esos precios de licencia son criminales para lo que recibes. Además, la gestión del "servidor cas" del producto ha sido un verdadero dolor de cabeza para intentar entenderlo. Pasé dos horas solo tratando de entender cómo usar las sesiones. No hay una manera directa de obtener ayuda de la documentación o de Google. Reseña recopilada por y alojada en G2.com.

Me gusta cómo Databricks integra la ingeniería de datos, la analítica y la inteligencia artificial en una sola plataforma. La integración de Spark y Delta Lake es perfecta, el rendimiento es excelente y la colaboración a través de cuadernos es muy fluida. Su estrecha integración con los servicios de Azure también facilita mucho las canalizaciones de datos, la seguridad y la escalabilidad. Reseña recopilada por y alojada en G2.com.

La principal desventaja es el costo, especialmente al ejecutar cargas de trabajo grandes o de larga duración. Depurar trabajos complejos de Spark también puede ser un desafío a veces, y ajustar el rendimiento a menudo requiere un buen entendimiento de los aspectos internos de Spark. Reseña recopilada por y alojada en G2.com.

This is an end-to-end platform that begins with flexible onboarding of data from multiple sources, followed by processing through a medallion architecture. The Unity Catalog is used for governance, cataloging, and tracking data lineage. Databricks SQL serves as the endpoint for use cases such as business intelligence, as well as downstream integration through API endpoints. Reseña recopilada por y alojada en G2.com.

There isn't anything particularly specific, but in certain situations, we do depend on cloud-native services. For instance, when working on Azure and aiming for comprehensive end-to-end governance, we require Azure Purview. Reseña recopilada por y alojada en G2.com.