Dataiku Reseñas y Detalles del Producto

Dataiku demonstrates a satisfactory environment where data is centralized and organized

The program supports both coders and non coders, allowing them to use data in their different levels

Dataiku has a successful data lifecycle, something that collects, ingest, prepare and even analyze data

The program consists of an inbuilt Auto ML tools that speed u most of the operations

Dataiku has extensible APIs and plugins, all supporting success integrations Reseña recopilada por y alojada en G2.com.

Dataiku has challenges in cost management and estimating, where small companies fail to secure the app

The app demands extensive computer resources, something that amplifies the infrastructure costs Reseña recopilada por y alojada en G2.com.

What I like best about Dataiku is its end-to-end data science and machine learning platform that brings data preparation, analysis, model building, and deployment into a single environment. The visual workflows combined with code-based options make it accessible for both technical and non-technical users. It also supports strong collaboration between data scientists, analysts, and business teams, which helps speed up model development and improve decision-making. Reseña recopilada por y alojada en G2.com.

While Dataiku is a powerful platform, it can feel complex for first-time users because of its extensive feature set. The initial setup and learning curve may take time, especially for non-technical users. In some cases, performance can slow down when handling very large datasets, and the pricing structure may not be ideal for smaller teams or limited use cases. Reseña recopilada por y alojada en G2.com.

Dataiku streamlines building, training, and deploying AI models at scale, offering end-to-end automation, seamless orchestration of compute resources, and collaborative pipelines that make generative AI projects faster and more reliable. It unifies the entire data workflow from preparation and analysis to model deployment, into a single, collaborative platform that’s surprisingly intuitive for both data scientists and business users. Reseña recopilada por y alojada en G2.com.

Full capabilities can be overwhelming for new users, and scaling extremely large generative AI models sometimes requires complex customization. Reseña recopilada por y alojada en G2.com.

Realmente aprecio cómo la interfaz gráfica de usuario maneja rutas e hilos. Te permite gestionar todo tu código y conjuntos de datos visualmente, y todo se alinea automáticamente, lo que hace que la experiencia sea muy agradable de usar. Reseña recopilada por y alojada en G2.com.

No hay nada en particular que no me guste de Dataiku. Sin embargo, un área de mejora sería una mejor gestión del historial y del código reciente en el que he trabajado. Sería útil si esta información fuera más fácilmente accesible y visualmente destacada. Reseña recopilada por y alojada en G2.com.

Comencé a usar Dataiku como analista de datos junior. Las recetas visuales han transformado cómo se construye un proyecto de análisis de principio a fin. A medida que comencé a abordar proyectos complejos y expandir mi conocimiento de la ciencia de datos y el dominio en el que estoy trabajando, empecé a descubrir las latitudes de capacidades que puedo adoptar de las herramientas y API de Dataiku. Me ha ayudado enormemente a acelerar mis objetivos profesionales. Otro aspecto fantástico sería la actualización constante de las características y herramientas como la gestión de calidad de datos, LLM mesh y Agentic AI en el estudio, lo cual se convierte en una inspiración para probar e implementar pasos adicionales (en el flujo de ML) que me ayudan a aumentar el valor comercial en los proyectos en los que estoy trabajando. También me inscribí en la academia de Dataiku. Reseña recopilada por y alojada en G2.com.

Como describí, Dataiku es fantástico para comenzar como principiante, pero a medida que el proyecto se vuelve más complejo, al comenzar a usar las APIs de Dataiku en Python, empecé a sentir una falta de detalle en la disponibilidad de la documentación. Por ejemplo, desearía que las APIs de Dataiku para Python tuvieran una documentación más clara, como podemos observar en algunas bibliotecas como Pytorch, Scikit Learn, Scipy o Plotly. Detalles como todos los parámetros disponibles para una función específica y parámetros adicionales que se pueden usar con uno o dos ejemplos que expliquen qué significa cada parámetro para la implementación de la función. La documentación actualmente disponible es altamente limitada para ayudarme a entender las capacidades completas de una función o API específica. Así que, mi mejor recurso de referencia a menudo son las respuestas de publicaciones en el blog que proporciona Dataiker. Con gratitud, solicitaría al equipo que mejore la documentación hasta tal punto que agregue valor a un desarrollador experimentado de ML Ops. Reseña recopilada por y alojada en G2.com.

Dataiku es excelente para gestionar toda la cadena de datos desde la preparación de datos hasta el aprendizaje automático y la implementación. La mejor parte es que es fácil de implementar. La mejor parte es cómo permite a usuarios tanto técnicos como no técnicos colaborar en la misma plataforma. Los flujos de trabajo visuales facilitan la creación de proyectos sin necesidad de programación intensiva, mientras que los usuarios avanzados aún pueden profundizar con Python, R o SQL. La integración con plataformas en la nube y el control de versiones también es muy fluida. Reseña recopilada por y alojada en G2.com.

La plataforma puede parecer pesada para proyectos más pequeños, y la curva de aprendizaje inicial es un poco empinada para principiantes. Además, los costos de licencia pueden ser altos para pequeñas empresas o startups. Reseña recopilada por y alojada en G2.com.

Plataforma de extremo a extremo: Desde la ingestión y preparación de datos hasta el despliegue y monitoreo de modelos, Dataiku cubre todo el ciclo de vida de un proyecto de datos. Esto elimina la necesidad de herramientas dispares y agiliza todo el flujo de trabajo.

Entorno colaborativo: La plataforma fomenta una colaboración fluida a través de proyectos compartidos, comentarios y control de versiones. Esto asegura que todos estén en la misma página y contribuyan con su experiencia única. Mis compañeros de trabajo comparten sus proyectos entre sí y trabajan juntos en algunos proyectos.

Integraciones extensas: Dataiku se integra perfectamente con una amplia gama de bases de datos, plataformas en la nube y bibliotecas de aprendizaje automático. Esta flexibilidad nos permite aprovechar nuestra infraestructura y recursos existentes. Acabo de enterarme de que se añadió recientemente una nueva biblioteca de R que podría facilitarnos la vida en la manipulación de datos.

Gestión robusta de modelos: La plataforma proporciona herramientas completas para rastrear el rendimiento de los modelos, gestionar versiones y asegurar el cumplimiento. Esto es crítico para mantener la precisión y fiabilidad de nuestras decisiones basadas en datos. Reseña recopilada por y alojada en G2.com.

El motor en funcionamiento puede ser complicado, no hay un motor que pueda hacerlo todo. A veces tengo que probar diferentes motores para que funcione. Reseña recopilada por y alojada en G2.com.

Dataiku se destaca por su facilidad de uso: la interfaz de arrastrar y soltar combinada con la opción de programar cuando es necesario lo hace accesible para una amplia gama de usuarios. La implementación fue fluida y bien respaldada por el equipo de éxito del cliente. Uso Dataiku con frecuencia porque ofrece una gran cantidad de funciones, desde la preparación de datos hasta el despliegue de modelos. La integración con otras herramientas como bases de datos, servicios en la nube y APIs es sencilla, lo que hace que la plataforma sea aún más poderosa para proyectos de principio a fin. Reseña recopilada por y alojada en G2.com.

Aunque en general la plataforma es excelente, algunos ajustes y opciones avanzadas pueden ser un poco abrumadores para los nuevos usuarios. Además, la estructura de precios puede ser un factor limitante para empresas o equipos más pequeños. Reseña recopilada por y alojada en G2.com.

La plétora de fuentes de datos plug-in, toneladas de opciones para recetas predefinidas (para EDAs, ingeniería de datos y análisis rápidos y sucios). Junto con eso, también tenemos recetas basadas en código para escribir nuestros propios códigos. Y la guinda del pastel es el entorno colaborativo sin que tengamos que manejar explícitamente nada de eso. Reseña recopilada por y alojada en G2.com.

Desearía que hubiera más opciones de personalización disponibles para algunas de las recetas visuales. Otra cosa es el control de versiones: aunque Dataiku maneja el control de versiones, es muy poco intuitivo y difícil volver a una versión anterior, o incluso entender los cambios realizados entre diferentes versiones. Necesitamos tener comentarios de commit y otras características similares a git para que funcione mejor. Reseña recopilada por y alojada en G2.com.

Dataiku ha sido un cambio de juego en la democratización de los flujos de trabajo de datos. Me encanta lo intuitivo que es para que los equipos multifuncionales construyan canalizaciones, transformen conjuntos de datos y colaboren, todo dentro de un flujo visual y manipulen los datos. Es el tipo de herramienta que hace que la manipulación sea sin esfuerzo, la experimentación fácil y el compartir el trabajo sin fricciones. Reseña recopilada por y alojada en G2.com.

Por mucho que aprecie lo accesible y lleno de funciones que es Dataiku, hay momentos en los que su flexibilidad se siente como un arma de doble filo. Algunos casos de uso se vuelven sorprendentemente complejos debido a la lógica de las recetas, y manejar flujos de trabajo parametrizados o reutilizables puede sentirse torpe. También puede ser lento como plataforma basada en la nube, con múltiples usuarios editando flujos de trabajo únicos. Hace el trabajo, pero a veces desearías que lo manejara de manera más rápida, limpia y táctil. Reseña recopilada por y alojada en G2.com.