¿Qué es lo que más te gusta de Sigma?
Sigma es increíble para hacer que los datos sean accesibles y editables para usuarios no técnicos, requiriendo un conocimiento técnico mínimo para usarlos de manera efectiva. Si los datos están modelados de manera óptima para Sigma, esto crea una gran experiencia de usuario, tanto para un rendimiento rápido como para la facilidad de edición para esos usuarios no técnicos. Como con cualquier herramienta, los usuarios técnicos pueden centrarse más en impulsar el valor comercial que en dedicar demasiado tiempo a mejorar la duración de las consultas.
Su función de escritura es muy útil. Es algo que otras herramientas de BI deberían tener en cuenta, en mi experiencia, nadie hace la escritura mejor que Sigma. Podemos tener una experiencia similar a una aplicación funcional, donde los usuarios pueden ingresar valores, ajustar suposiciones y planificar escenarios, sin salir del informe.
La funcionalidad de IA es muy genial e intuitiva. Aunque Ask Sigma tiene margen de mejora, aprecio hacia dónde se dirige. Cosas como "Explica este gráfico" son un factor sorpresa y realmente son útiles.
Su chat de soporte es excelente. Lo utilizamos mucho al comienzo de nuestra implementación. Reseña recopilada por y alojada en G2.com.
¿Qué es lo que no te gusta de Sigma?
Sigma adopta un enfoque muy literal para el manejo de datos, en contraste con la metodología más abstracta de Power BI. Esta diferencia fundamental tiene implicaciones significativas para el rendimiento y la gestión de costos.
Consideraciones de Costos y Rendimiento
Costos de Almacenamiento en la Nube:
El enfoque literal de manejo de datos de Sigma puede llevar a costos de almacenamiento en la nube sustancialmente más altos si no se gestiona cuidadosamente. La plataforma requiere más recursos de cómputo para ejecutar operaciones en comparación con alternativas.
Requisitos de Preparación de Datos:
El éxito con Sigma depende en gran medida de la optimización y preparación adecuada de los datos. Las organizaciones que invierten en optimizar su estructura de datos para la arquitectura de Sigma pueden lograr buenos resultados. Sin embargo, realizar uniones y combinaciones de datos sobre la marcha crea una mala experiencia para los consumidores de informes.
Limitaciones de Visualización
Sigma tiene dificultades con visualizaciones complejas, un problema que se está volviendo más pronunciado con la introducción de tablas de entrada y tablas de entrada vinculadas. Estas características impulsan cálculos extensivos posteriores, pero el manejo de Sigma de visualizaciones dependientes sigue siendo ineficiente.
Problemas de Rendimiento:
Las visualizaciones posteriores que utilizan resultados de tablas de entrada sufren de velocidades de interacción lentas. La plataforma necesita mejorar cómo materializa los resultados para abordar este cuello de botella de rendimiento fundamental.
Problemas de Materialización
La función de materialización de Sigma sigue en estado beta a pesar de estar disponible durante un período prolongado. Incluso cuando es funcional, las materializaciones son lentas de ejecutar, un problema significativo dado que las operaciones de datos deberían ser casi instantáneas cuando ocurren dentro del mismo entorno de almacenamiento de datos.
Soluciones Técnicas Necesarias:
Sigma debería implementar un uso más eficiente de tablas temporales o transitorias para cálculos complejos. Los elementos posteriores deberían acceder a los resultados de cálculos almacenados sin desencadenar actualizaciones completas, que actualmente causan retrasos en la compilación y una mala experiencia de usuario.
Rendimiento por tipo de tabla de hechos
Fortalezas: Sigma sobresale con tablas de hechos regulares, particularmente datos de transacciones que requieren agregaciones simples como sumas de columnas.
Debilidades: La plataforma tiene dificultades significativas con datos de instantáneas como saldos de cuentas. Visualizar datos de tipo saldo a gran escala requiere una preparación de datos de backend extensa para lograr un rendimiento y experiencia de usuario aceptables.
Conclusión
Aunque Sigma puede ser efectivo con una arquitectura y preparación de datos adecuadas, su enfoque literal para el manejo de datos crea desafíos de rendimiento que requieren una gestión cuidadosa para evitar sobrecostos y problemas de experiencia de usuario. Tomamos la decisión de que los pros de los datos accesibles superaban los contras. Porque si los usuarios finales no podían entender cómo acceder e interactuar con los datos, no los usarían en absoluto. Reseña recopilada por y alojada en G2.com.
