Datagaps DataOps Suite Reseñas y Detalles del Producto

Lo que más me gusta de la suite Datagaps DataOps es la flexibilidad que ofrece al trabajar con fuentes de datos heterogéneas, y lo fácil que lo hace. Proporciona facilidad de implementación junto con una integración perfecta con otras plataformas, como Databricks, ADO y GIT. La forma en que maneja grandes volúmenes de comparación de datos es impresionante. Es una herramienta con un gran paquete de características y es capaz de realizar cualquier tipo de automatización. Otro aspecto importante es el soporte al cliente, que es muy rápido y eficiente en resolver bloqueos. Reseña recopilada por y alojada en G2.com.

No tengo grandes desagrados sobre la herramienta. Actualmente, limpiamos manualmente los trabajos de larga duración que son muy antiguos pero que aún se muestran como ocupados. Sería beneficioso si hubiera una opción para limpiar automáticamente estos trabajos. Además, sería útil tener la capacidad de crear dependencias entre flujos de datos, de modo que la salida de un flujo de datos pueda usarse como entrada para otro. Reseña recopilada por y alojada en G2.com.

Mejora la confianza en el análisis y los informes

Permite migraciones y actualizaciones más rápidas con menor riesgo

Estandariza los procesos de datos entre equipos y plataformas

Apoya la toma de decisiones basada en datos con datos confiables

Reduce las verificaciones manuales y los scripts personalizados.

Se logró un 98.5% de precisión de datos en las tablas migradas.

Mejoras medibles en la calidad de los datos y las capacidades de toma de decisiones.

DataOps Suite permite operaciones de datos confiables, automatizadas y escalables al integrar calidad, observabilidad y gobernanza directamente en el flujo de datos, reduciendo el riesgo, acelerando la entrega y aumentando la confianza en los datos. Reseña recopilada por y alojada en G2.com.

Se necesita gestión del cambio para pasar de controles manuales a la automatización. Curva de aprendizaje para equipos nuevos en prácticas de DataOps. Reseña recopilada por y alojada en G2.com.

La suite DataOps de Datagaps se integra perfectamente con ScalaDB, automatizando las verificaciones de calidad de datos y la validación sin necesidad de código Scala adicional. Acelera las pruebas ETL, garantiza la precisión de las canalizaciones de datos y reduce el esfuerzo manual, ayudándonos a mantener datos confiables y de alta calidad de manera eficiente en todos los entornos. La integración es buena con facilidad de uso e implementación. Reseña recopilada por y alojada en G2.com.

A veces, la configuración inicial puede llevar tiempo. Sin embargo, una vez que está en funcionamiento, Datagaps DataOps Suite hace que las verificaciones de calidad de datos sean sencillas y confiables, ayudándonos a mantener datos de confianza con un esfuerzo continuo mínimo. Lo usamos con mucha frecuencia ya que es bueno en el soporte al cliente. Reseña recopilada por y alojada en G2.com.

Me gustan especialmente las mejoras recientes en Datagaps DataOps Suite que fortalecen el gestor de mapeo, el linaje de datos, aprovechan la IA de manera más amplia y simplifican la validación de migración de datos complejos. Reseña recopilada por y alojada en G2.com.

módulos de formación a tu propio ritmo, recorridos en video y rutas de certificación Reseña recopilada por y alojada en G2.com.

DataGaps como herramienta tiene características vastas y muy completas.

La comprensión extrema de las pruebas de calidad de datos con la herramienta añade un beneficio tangible a las verificaciones de datos de extremo a extremo.

Excelente soporte técnico que es muy necesario para cualquier herramienta.

La facilidad de uso e implementación por cualquier recurso junior es una ventaja añadida. Reseña recopilada por y alojada en G2.com.

No tengo ningún desagrado importante por ahora, solo sugerencia de tener más casos de uso para múltiples características daría más confianza al usuario final. Reseña recopilada por y alojada en G2.com.

Aunque hemos sido clientes del producto ETL Validator (ETL V) de Datagaps durante un poco más de siete años, recientemente migramos de ETL V al conjunto de DataOps (con ETL V y Calidad de Datos) para aprovechar la plataforma más avanzada basada en Apache Spark, la capacidad de scripting en Python incorporada, así como la extensibilidad. Aunque ciertamente hubo desafíos durante la migración (como se esperaría con cambios arquitectónicos subyacentes), hemos tenido un apoyo superlativo durante todo este proceso.

La interfaz basada en la web es bastante fácil de usar, incluso para que los usuarios de negocios definan reglas de datos dentro de la aplicación. La programación (de Pipelines, Reglas de Calidad de Datos, Fuentes de Datos, etc.) y las alertas por correo electrónico son otras cosas que utilizamos diariamente.

El módulo de Calidad de Datos (DQ) nos está ayudando a desafiar/abordar el antiguo lema de basura entra/basura sale en el espacio de Ingeniería de Datos con su Observabilidad de Datos, Puntuación de Calidad de Datos y otros métricas. Esperamos compartir estos KPIs y métricas más ampliamente en nuestra organización. Reseña recopilada por y alojada en G2.com.

Pasar de una compra única (de ETL V) a un modelo de costos basado en suscripción (de DataOps) ciertamente necesitó convencer a nuestra alta dirección.

La capacidad de agregar lógica al tipo de diferencias de datos de manera más granular y alertar solo en ciertos escenarios sería genial. Reseña recopilada por y alojada en G2.com.

El BI Validator para Tableau nos ha permitido realizar de manera efectiva: pruebas de regresión automatizadas para acelerar nuestras migraciones de base de datos de Netezza a Teradata, pruebas de regresión automatizadas para contenido de Tableau recién desarrollado, y pruebas de rendimiento/estrés del contenido de Tableau contra varias plataformas de base de datos. Este conjunto de herramientas cliente/servidor es fácil de instalar, configurar y actualizar, ya que hemos realizado múltiples actualizaciones desde que lo compramos originalmente. La interfaz de usuario es limpia y fácil de navegar. Reseña recopilada por y alojada en G2.com.

Hemos solicitado y el equipo de ingeniería de Datagaps está trabajando en las 2 mejoras principales que hemos solicitado: (1) integrar capacidades del cliente en la plataforma web para eliminar la necesidad de instalación/uso de la aplicación cliente, (2) crear la capacidad de usar/seleccionar pruebas funcionales existentes como pruebas de rendimiento/estrés, ya que hay más funcionalidad al definir pruebas funcionales en comparación con las pruebas de rendimiento/estrés. Reseña recopilada por y alojada en G2.com.

He utilizado esto para la validación de datos de informes de Tableau contra la base de datos. Está haciendo el trabajo de manera eficiente. Es muy fácil de aprender e implementar. Nombras la fuente de datos, Datagaps tiene soporte para ello. Ofrece flexibilidad para instalar la aplicación tanto en local como en la nube. El soporte al cliente también es bueno. Aunque no he realizado ninguna integración, dice que se puede integrar fácilmente a tus pipelines. Recomendaría usarlo al menos una vez para la automatización de pruebas de BI. Reseña recopilada por y alojada en G2.com.

Inicialmente parece confuso, pero una vez que haces una prueba de concepto, lo encontrarás muy fácil de usar. Reseña recopilada por y alojada en G2.com.