Avis et détails du produit Databricks Data Intelligence Platform

La meilleure chose à propos de Databricks est qu'il consolide très facilement l'ingénierie des données, la science des données et l'analytique – tout en un seul endroit. Par conséquent, je peux traiter d'énormes ensembles de données rapidement, exécuter des opérations d'apprentissage automatique très complexes, le tout sans changer d'outils. La collaboration à travers des notebooks avec mon équipe en temps réel a vraiment réduit beaucoup d'allers-retours que j'avais auparavant. Avis collecté par et hébergé sur G2.com.

Le principal problème est que les prix peuvent rapidement augmenter si je ne fais pas attention à la taille du cluster ou si j'oublie de les éteindre. J'ai dû apprendre à utiliser certaines des fonctionnalités plus avancées, comme Unity Catalog et les connecteurs MLflow, si je voulais bien les utiliser. La seule chose que j'ajouterais est une interface facile, comme dans certains produits BI. Cela peut être accablant pour les débutants. Avis collecté par et hébergé sur G2.com.

Je trouve la plateforme d'intelligence des données de Databricks assez facile à utiliser et à configurer. La configuration initiale a été assez fluide et facile, ce que j'apprécie. Avis collecté par et hébergé sur G2.com.

Je n'aime pas que nous ayons vraiment été lésés sur les prix. Leur configuration de tarification semblait être basée sur des hypothèses complètement erronées. Leur calculateur de consommation était complètement à côté de la plaque, environ 10 fois à côté, et lorsque nous avons signé le contrat, ils n'ont pas proposé de bonne solution pour corriger cet écart. Cela m'a fait envisager de retourner à Snowflake à cause de la mauvaise gestion de cette situation. De plus, leur calculateur n'est tout simplement pas correct, alors soyez prudent avec lui. Avis collecté par et hébergé sur G2.com.

J'aime qu'il soit rapide et une excellente solution d'analyse tout-en-un, avec une excellente évolutivité qui réduit le temps de mise sur le marché. L'interface utilisateur est intuitive et parfaite pour les utilisateurs de différents niveaux de compétence. J'aime aussi que la base de données ait la capacité de terminer ou de mettre en pause les instances, ce qui nous aide à gérer les coûts. Avis collecté par et hébergé sur G2.com.

Je n'ai aucune plainte à propos de cet outil ; il nous permet d'exécuter du code efficacement sans être ralenti par des préoccupations d'infrastructure ou d'optimisation. De plus, il existe une multitude de ressources de formation utiles disponibles pour les développeurs et les data scientists. Avis collecté par et hébergé sur G2.com.

Ce que j'aime vraiment chez Databricks, c'est la façon dont il regroupe tout—l'ingénierie des données, l'analytique et l'apprentissage automatique—en un seul endroit. Cela permet de gagner beaucoup de temps lors du passage entre les flux de travail. Les notebooks collaboratifs sont très pratiques pour travailler en équipe, et l'intégration de Spark fonctionne sans trop de tracas. Delta Lake est également un atout—pouvoir gérer de grands ensembles de données avec versioning et support ACID est honnêtement un sauveur dans les scénarios de production. Avis collecté par et hébergé sur G2.com.

La plateforme peut sembler un peu intimidante au début, surtout si vous êtes nouveau dans les outils de big data. Configurer des clusters et comprendre le modèle de tarification m'a pris un certain temps. De plus, l'interface utilisateur est parfois lente lorsque vous traitez de grands carnets ou que vous passez d'un onglet à l'autre. J'aimerais que l'intégration soit un peu plus conviviale pour les débutants. Avis collecté par et hébergé sur G2.com.

Databricks excelle dans l'unification de l'ingénierie des données, de l'analytique et de l'apprentissage automatique dans un environnement collaboratif basé sur le cloud. Son support pour plusieurs langages de programmation (Python, SQL, Scala, R) le rend incroyablement flexible. L'architecture Lakehouse simplifie la gestion des données en combinant le meilleur des lacs de données et des entrepôts de données. Les clusters de calcul à mise à l'échelle automatique, l'intégration étroite avec des outils comme MLflow, et les puissants notebooks simplifient l'expérimentation et le déploiement en production. J'apprécie également les mises à jour fréquentes du produit et l'engagement envers les technologies open-source comme Apache Spark et Delta Lake. Avis collecté par et hébergé sur G2.com.

Bien que puissant, Databricks présente une courbe d'apprentissage, surtout pour les utilisateurs non techniques ou ceux qui découvrent les architectures basées sur Spark. Les prix peuvent augmenter rapidement si l'on ne surveille pas de près, en particulier avec les clusters toujours actifs. L'interface utilisateur, bien qu'en amélioration, semble encore peu intuitive dans certains domaines (comme la gestion des tâches ou des autorisations de cluster). Certaines intégrations, notamment avec les systèmes sur site, nécessitent des efforts supplémentaires ou des solutions de contournement personnalisées. Avis collecté par et hébergé sur G2.com.

J'aime que Databricks offre un environnement unifié pour l'ingénierie des données, l'analytique et l'apprentissage automatique. La plateforme facilite la collaboration entre les équipes, la gestion efficace des données à grande échelle, et la construction de modèles d'IA avancés en utilisant la même infrastructure. L'intégration avec les principaux fournisseurs de cloud et l'architecture Lakehouse rendent la gestion des données à la fois flexible et évolutive. Avis collecté par et hébergé sur G2.com.

Bien que Databricks soit une plateforme puissante et flexible, elle peut être complexe à configurer et à gérer, surtout pour les équipes sans une forte expertise en ingénierie des données. La structure des coûts peut également devenir coûteuse pour les charges de travail continues, et l'optimisation des performances nécessite parfois une connaissance approfondie de Spark et de l'optimisation des clusters. De plus, l'interface utilisateur pourrait être plus intuitive pour les utilisateurs non techniques. Avis collecté par et hébergé sur G2.com.

Databricks excelle à unifier l'ingénierie des données, l'analytique et l'apprentissage automatique en une seule plateforme homogène. Ce que j'aime le plus, c'est la façon dont il gère sans effort des volumes de données massifs tout en permettant un développement collaboratif via des notebooks. L'intégration avec Apache Spark et la capacité à exécuter des charges de travail évolutives avec ML, SQL et Python côte à côte en font une puissance pour les équipes axées sur les données. Sa gouvernance et l'architecture Delta Lake garantissent également la fiabilité et la sécurité tout au long du pipeline de données. Avis collecté par et hébergé sur G2.com.

Bien que Databricks soit incroyablement puissant, la courbe d'apprentissage peut être abrupte pour les utilisateurs non techniques ou les équipes novices en informatique distribuée. L'interface utilisateur, bien que fonctionnelle, peut parfois sembler un peu maladroite par rapport à des plateformes de données plus modernes. De plus, la gestion des coûts dans un environnement multi-utilisateurs nécessite une gouvernance attentive, surtout pour les équipes exécutant des tâches lourdes en calcul à grande échelle. Avis collecté par et hébergé sur G2.com.

Il y a plusieurs raisons pour lesquelles j'aime la plateforme d'intelligence des données de Databricks.

Nous utilisons Databricks comme une plateforme unifiée pour toutes nos charges de travail de données (pipelines et modèles) qui englobe l'ingénierie des données, la science des données, l'analytique et l'IA agentique.

Nous adorons l'architecture du lakehouse qui aide à intégrer rapidement et de manière évolutive les spécialistes traditionnels de l'entreposage de données à Databricks.

Nous avons effectué une mise à niveau de Unity Catalog l'année dernière qui a rationalisé la gouvernance et le contrôle d'accès à travers les actifs ; et nous avons fait le calcul sans serveur cette année qui a considérablement réduit le temps de démarrage/attente des clusters.

Nous explorons maintenant l'espace de l'IA agentique où nous construisons des invites faciles à comprendre pour former des agents construits sur des ensembles de données. Cela aide à profiler/découper/analyser les données par n'importe qui (même une personne d'affaires non technique).

L'équipe BI utilise Databricks pour se connecter à nos tableaux de bord Power BI tandis que l'équipe d'ingénierie utilise Databricks pour se connecter à Airflow pour créer/visualiser des DAGs natifs.

Enfin, le concept de Notebook de Databricks est génial. Dans le même notebook Databricks, on peut avoir du code dans plusieurs langages (Python, Scala, SQL, etc.) et chacun peut être changé à l'exécution. Les notebooks collaboratifs intégrés avec support pour plusieurs langages (Python, Scala, SQL, R) et la co-écriture en temps réel facilitent la collaboration rapide des équipes. Avis collecté par et hébergé sur G2.com.

-- Coûts imprévisibles pour les petites équipes. Nous l'avons rencontré lorsque le flux de travail de l'un de nos agents IA fonctionnait pendant longtemps sur un très petit ensemble de données.

-- Le coût basé sur le calcul + le stockage signifie que l'optimisation est cruciale. Chaque trimestre, nous devons vraiment garder nos prévisions Databricks à jour car nous ne voulons pas une grande déviation entre les prévisions et la réalité.

-- Bien que Databricks prenne en charge les tableaux de bord (avec des limitations), il ne peut pas remplacer les outils BI comme Power BI, Tableau, etc. Avis collecté par et hébergé sur G2.com.

Databricks est très utile pour écrire du code dans diverses langues, y compris SQL et Python, entre autres. Il est également précieux pour construire des pipelines et créer de nouveaux notebooks, qui aident à concevoir des requêtes complexes. Avis collecté par et hébergé sur G2.com.

Le coût du cluster que nous utilisons est assez élevé, ce qui limite la quantité de code que nous pouvons exécuter. Avis collecté par et hébergé sur G2.com.

Ce que j'aime vraiment dans la plateforme d'intelligence des données de Databricks, c'est la façon dont elle rassemble tout en un seul endroit. Au lieu de jongler avec différents outils pour l'ingénierie des données, l'analytique, l'apprentissage automatique et la gouvernance, vous pouvez tout faire dans un seul environnement. Avis collecté par et hébergé sur G2.com.

Honnêtement, ce que je trouve un peu frustrant avec la plateforme d'intelligence des données de Databricks, c'est que bien qu'elle soit incroyablement puissante, elle peut aussi sembler écrasante par moments. Il y a une courbe d'apprentissage abrupte, surtout pour les équipes qui débutent et n'ont pas beaucoup d'expérience avec Spark ou les systèmes distribués. Avis collecté par et hébergé sur G2.com.