Meilleur Plateformes d'analyse pour Grandes Entreprises

Les critiques mentionnent fréquemment l'interface conviviale, la grande intégration des sources et la facilité de gestion des fonctionnalités, ce qui en fait un outil idéal pour transformer des données brutes en tableaux de bord interactifs et en insights. Les utilisateurs ont signalé que Power BI ne prend pas en charge les fichiers de plus de 1 Go, charge les visuels lentement, et parfois les rapports ne correspondent pas aux données réelles.

Les critiques apprécient l'interface conviviale de l'outil, sa capacité à gérer de grands ensembles de données, le soutien de la communauté et les tutoriels, ainsi que la flexibilité pour créer des tableaux de bord pour divers appareils et écrans. Les critiques ont noté que Tableau peut être difficile pour les nouveaux utilisateurs, il nécessite une configuration et un étalonnage importants, et la gestion des versions des classeurs peut être difficile sans outils externes, de plus, son coût est souvent un inconvénient majeur.

Les utilisateurs apprécient qu'Oracle Analytics Cloud soit une plateforme tout-en-un qui combine la visualisation de données, l'analytique en libre-service et les capacités d'apprentissage automatique avec la robustesse de l'infrastructure cloud d'Oracle, et qu'elle soit facilement accessible de n'importe où dans le monde. Les utilisateurs ont mentionné que Oracle Analytics Cloud est complexe à apprendre pour les nouveaux utilisateurs, que la performance dépend souvent de la qualité de la modélisation des données et de leur emplacement, et que le prix devient cher si vous ajoutez du stockage et de l'utilisation d'OCPU.

Les utilisateurs apprécient que Kyvos s'intègre bien avec les systèmes existants, qu'il prenne en charge divers outils de BI, qu'il fournisse des résultats cohérents sur différentes plateformes et qu'il offre des performances rapides même avec de grands ensembles de données. Les utilisateurs ont mentionné que comprendre toutes les fonctionnalités de Kyvos peut prendre du temps, personnaliser les tableaux de bord et configurer les modèles peut être difficile, et se connecter avec des systèmes plus anciens ou apprendre des fonctionnalités avancées peut nécessiter un effort supplémentaire.

Les critiques apprécient l'interface conviviale de Dataiku, sa capacité à favoriser la collaboration, son intégration transparente avec diverses sources de données, et son automatisation des tâches répétitives, ce qui le rend adapté aussi bien aux débutants qu'aux data scientists expérimentés. Les utilisateurs ont mentionné que Dataiku peut avoir une courbe d'apprentissage abrupte pour les utilisateurs non techniques, que ses capacités en temps réel peuvent être insuffisantes pour les scénarios de trading à haute fréquence, et qu'il peut avoir des difficultés de performance à grande échelle lors du traitement de grands ensembles de données.

Les examinateurs apprécient l'intégration transparente de QuickSight avec d'autres services AWS, ses capacités de traitement rapide des données et la facilité de création et de partage de tableaux de bord interactifs. Les examinateurs ont noté des limitations dans la personnalisation de la visualisation, une interface utilisateur moins intuitive par rapport à d'autres outils, et des défis dans la configuration initiale et la courbe d'apprentissage.

Les critiques apprécient la capacité de Domo à consolider les rapports provenant de multiples sources de données, à automatiser les tâches, à fournir des informations en temps réel, et son interface conviviale qui permet de créer facilement des tableaux de bord et des visualisations. Les critiques ont noté que Domo présente une courbe d'apprentissage abrupte pour les nouveaux utilisateurs, peut parfois être lent avec de grands ensembles de données, et que ses capacités de visualisation ne sont pas aussi robustes que celles de certains concurrents.

Les utilisateurs apprécient son interface conviviale, la capacité de créer des tableaux de bord visuellement attrayants et interactifs avec un minimum d'effort, et la large gamme d'options de visualisation de données qui rendent le processus d'analyse plus efficace. Les utilisateurs ont signalé que l'interface peut sembler dépassée, que la configuration initiale peut être complexe, et que les performances peuvent ralentir avec de grands ensembles de données ou lors de la configuration de filtres ou de calculs avancés.

Les utilisateurs apprécient l'interface intuitive de glisser-déposer de l'outil, sa large gamme de connecteurs et d'outils préconstruits, ainsi que ses puissantes capacités d'automatisation, qui permettent de gagner du temps et le rendent accessible aussi bien aux utilisateurs techniques que non techniques. Les critiques ont noté qu'Alteryx peut être coûteux, surtout pour les petites organisations ou les utilisateurs individuels, et qu'il peut avoir une courbe d'apprentissage abrupte, certaines fonctionnalités avancées étant difficiles à gérer et à déboguer sans formation avancée.

Users like the platform's ability to unify inputs from multiple backend systems into a single source of truth for dashboards and reporting, its strong built-in planning features, and its clean, modern dashboards. Reviewers noted issues with SAP Analytics Cloud's performance when handling large datasets or complex models, and the initial setup can get complex with non-SAP systems or advanced planning models.

Les utilisateurs apprécient la capacité du logiciel à intégrer des données provenant de diverses sources, à les afficher dans des tableaux de bord, et sa grande puissance de calcul dans un environnement de traitement distribué. Les examinateurs ont mentionné que la documentation pour SAS Viya 3.5 n'est pas exhaustive, avec des informations manquantes et des erreurs intermittentes difficiles à déboguer, et que le support client est souvent lent à répondre.

Les utilisateurs mentionnent fréquemment sa capacité à gérer de grands volumes de données rapidement, sa stabilité pour des opérations fiables et continues, et ses capacités d'intégration avec de multiples sources pour une analyse complète. Les examinateurs ont rencontré une courbe d'apprentissage abrupte, une complexité dans la configuration et l'optimisation pour les utilisateurs non techniques, ainsi qu'une interface utilisateur obsolète.

Les utilisateurs apprécient la capacité de la plateforme à gérer de grands volumes de données, à permettre le développement collaboratif via des notebooks, et son intégration avec Apache Spark et d'autres outils, ce qui en fait un outil utile pour les équipes axées sur les données. Les utilisateurs ont rencontré une courbe d'apprentissage abrupte, en particulier pour les utilisateurs non techniques ou les équipes novices en informatique distribuée, et ils ont également trouvé que l'interface utilisateur était moins moderne et que la gestion des coûts dans un environnement multi-utilisateurs était difficile.

Les utilisateurs mentionnent fréquemment l'interface conviviale de Sigma, sa capacité à simplifier le travail avec de grands ensembles de données, et son intégration transparente avec les entrepôts de données cloud comme des avantages clés. Les examinateurs ont rencontré des problèmes de performance avec Sigma, notant que les requêtes volumineuses peuvent être lentes si l'entrepôt de données n'est pas correctement optimisé, et que les temps de chargement peuvent être lents, surtout sur les tableaux de bord avec plusieurs tuiles.

Les critiques mentionnent fréquemment la capacité de la plateforme à compiler des données provenant de multiples sources, son interface conviviale et les précieuses informations qu'elle fournit pour la prise de décision organisationnelle. Les examinateurs ont rencontré des difficultés avec la courbe d'apprentissage abrupte de la plateforme pour les nouveaux utilisateurs, son manque de flexibilité dans la manipulation des données sans l'intervention de l'équipe Visier, et le coût élevé du service.