Monte Carlo Reseñas y Detalles del Producto

He encontrado que el linaje de campo es mucho más útil de lo que imaginé originalmente. La escala de importancia de la tabla también es muy agradable de ver. Nos ha permitido adelantarnos a las alertas de calidad de datos antes de que nuestros interesados se den cuenta de que algo está mal. Reseña recopilada por y alojada en G2.com.

Debería haber una manera de guardar o crear un conjunto de consultas de investigación para alertas comunes. Tal vez sea la forma en que implementamos MC, pero las alertas podrían ser más útiles, tal vez como un estilo git, qué ha cambiado entre la última consulta exitosa y la que falló. Reseña recopilada por y alojada en G2.com.

Creo que las alertas son realmente valiosas. Además, el resumen de los monitores te da una buena comprensión de lo que está sucediendo con tus tablas. Uso mucho la función de linaje de tablas cuando estoy viendo una nueva tabla, es fácil entender sus dependencias y cuán importante es. Reseña recopilada por y alojada en G2.com.

Cuando veo la página de resumen, solo puedo ver los últimos 30 días del historial de los monitores. Es útil, pero realmente me gustaría tener más historial para poder entender mejor los incidentes y verificar cuándo comenzaron algunas tendencias.

Además, activé los monitores de salud de campo para algunas tablas importantes; sin embargo, está enviando muchas alertas de falsos positivos, generando fatiga de alertas. Reseña recopilada por y alojada en G2.com.

- La herramienta en general funciona muy bien. Las características ofrecidas son suficientes para cubrir una amplia gama de casos de uso.

- El equipo también es excelente. Siempre hemos tenido una respuesta muy rápida a nuestras solicitudes de soporte.

- Las características de automatización son las mejores. Hemos configurado casi todo usando código, lo que hace que los recursos sean fácilmente manejables.

- Son muy abiertos a solicitudes de características y las entregan relativamente rápido. Solicitamos soporte de monitoreo para campos y estructuras anidadas, lo cual fue implementado en semanas. Reseña recopilada por y alojada en G2.com.

- Tuvimos algunos dolores de cabeza durante la integración de Databricks, que fueron causados principalmente porque nuestra plataforma aún no estaba habilitada para Unity. Pero con el soporte, hemos resuelto todos los problemas.

- Hay una función de lista de bloqueo que funciona a nivel de esquema. Sería genial si pudiéramos bloquear el acceso a nivel de tabla con esa función. Reseña recopilada por y alojada en G2.com.

Mi equipo ha estado usando Monte Carlo durante algunos años y hemos llegado a depender de él para asegurarnos de que nuestros datos son lo que creemos que son, lo que nos ha abierto la puerta para usar diferentes arquitecturas que de otro modo no podríamos haber utilizado.

Como dije en el título, nos permite codificar y hacer cumplir las invariantes que vemos en nuestros sistemas sin requerir interminables tareas por lotes escritas a mano o sobrecargar los recursos compartidos. Ejecutar estas consultas en nuestra base de datos OLTP sería enormemente impráctico, si es que fuera posible, y ejecutarlas manualmente en nuestro almacén de datos sería una broma. Pero permitir que MC las ejecute diariamente significa que podemos agregar tantas como queramos y saber que, a menos que se nos alerte, nuestras expectativas para los datos son precisas. Reseña recopilada por y alojada en G2.com.

Algunos aspectos de la interfaz de usuario son un poco confusos. Por ejemplo, al crear nuevas alertas, los errores de sintaxis no se comunican en absoluto, y hay un tiempo de espera inexplicablemente corto, lo que puede hacer imposible probar algunas consultas más grandes. Reseña recopilada por y alojada en G2.com.

Monte Carlo fue muy útil para alinear y trabajar con las partes interesadas para ayudar a mostrar qué tipos de problemas podría monitorear eficazmente un equipo de Plataforma de Datos, y dónde necesitaríamos más participación empresarial.

Aunque puede ser fácil para los ingenieros burlarse de las consultas al esquema de información, la herramienta en general fue muy útil para proporcionar un archivo de experiencias y nos ayudó a construir manuales de operaciones en torno a las acciones tomadas tanto por ingenieros senior como junior. Reseña recopilada por y alojada en G2.com.

Las herramientas de edición de consultas integradas y de autocompletado por IA pueden ser un poco frustrantes para trabajar con ellas; nuestro personal generalmente simplemente copia desde herramientas SQL nativas.

No puedo decir que esto sea un desagrado, sino más bien un resultado que podría haber salido mal. La facilidad de configuración puede rápidamente crear un aluvión de nuevas alertas, especialmente la detección de anomalías predeterminada, donde no todos entienden qué está funcionando o cómo responder, o si los interesados deben preocuparse. Tuvimos la suerte de tener una cantidad adecuada de tiempo funcionando en producción con los equipos que lo usarán, antes de reunir a nuestros pocos interesados, y pudimos determinar (de manera bastante improvisada) qué era significativo y qué no lo era. Reseña recopilada por y alojada en G2.com.

Monte Carlo aporta un alto grado de gobernanza, gestión del cambio y automatización a este ámbito de productos, lo que lo convierte en una excelente opción para la automatización del control de cumplimiento. Nuestra organización ha llevado escenarios previos de pruebas de cumplimiento manual y el concepto de controles en general a Monte Carlo. La integración con herramientas como Slack permite una alerta, respuesta y remediación fluidas. Monte Carlo también agrega valor a través de perspectivas más proactivas sobre anomalías en tablas de datos que nos ayudan a adelantarnos a incidentes emergentes. Reseña recopilada por y alojada en G2.com.

Emocionado de ver cómo Monte Carlo aumenta su precisión y efectividad al detectar proactivamente posibles anomalías basadas en patrones en tablas de datos. Específicamente, volviéndose más avanzado en la detección de cambios estacionales sutiles o patrones relacionados con metadatos en otras tablas de maneras más dinámicas. Reseña recopilada por y alojada en G2.com.

Los datos de Monte Carlo proporcionan un nivel excepcional de detalle y precisión en sus simulaciones, lo que permite una evaluación de riesgos y toma de decisiones robustas. La interfaz de usuario es intuitiva, lo que facilita la configuración y ejecución de modelos complejos. Además, la capacidad de personalizar parámetros y visualizar resultados a través de gráficos y diagramas dinámicos mejora la experiencia general del usuario. Reseña recopilada por y alojada en G2.com.

Aunque la herramienta es poderosa, puede ser intensiva en recursos, requiriendo un poder computacional significativo para grandes conjuntos de datos. Además, la curva de aprendizaje inicial puede ser pronunciada para los usuarios no familiarizados con el modelado estadístico, y serían beneficiosos tutoriales o guías de usuario más completos. Reseña recopilada por y alojada en G2.com.

Una de las cosas que realmente aprecio de Monte Carlo son sus monitores automatizados y listos para usar, impulsados por la detección de anomalías, que aprenden de nuestros patrones de datos y nos alertan sobre irregularidades. Se ha convertido rápidamente en una herramienta indispensable para descubrir problemas desconocidos de calidad de datos en nuestras operaciones diarias. Reseña recopilada por y alojada en G2.com.

Monte Carlo es menos efectivo para datos que se actualizan con poca frecuencia, como conjuntos de datos quincenales, mensuales o trimestrales, ya que los monitores predeterminados no están diseñados para admitir estos casos de uso. Aunque los monitores personalizados pueden abordar esto, sacrifican la escalabilidad, reduciendo la usabilidad general de la herramienta para estos casos de uso. Reseña recopilada por y alojada en G2.com.

Creo que es increíble para encontrar problemas en nuestro sistema que no somos capaces de detectar con nuestras propias herramientas de validación. Reseña recopilada por y alojada en G2.com.

Requiere mucho ajuste y configuración. Hemos tenido que desactivar muchos de los monitores predeterminados para activos específicos porque eran demasiado ruidosos. Reseña recopilada por y alojada en G2.com.

Los monitores predeterminados de Monte Carlo crean una forma relativamente fácil de prepararse para algunas posibles grandes victorias. Alertar que el volumen de tu fuente muestra una pequeña caída por debajo de lo esperado puede potencialmente descubrir un gran problema. Enfocarse primero en los datos críticos te prepara para evitar un número abrumador de alertas mientras el producto "aprende" tus datos. Reseña recopilada por y alojada en G2.com.

Monte Carlo está en las primeras etapas del proceso para apoyar la integración de la Observabilidad de Datos y el estado de los Pipelines de Datos de soporte. Reseña recopilada por y alojada en G2.com.