Avis et détails du produit Monte Carlo

J'ai trouvé que la traçabilité des champs est bien plus utile que je ne l'avais imaginé. L'échelle d'importance des tables est également très agréable à voir. Elle nous a permis de prendre de l'avance sur les alertes de qualité des données avant même que nos parties prenantes ne soient conscientes de quoi que ce soit de problématique. Avis collecté par et hébergé sur G2.com.

Il devrait y avoir un moyen de sauvegarder ou de créer un ensemble de requêtes d'investigation pour les alertes courantes. Peut-être que c'est la façon dont nous avons implémenté MC, mais les alertes pourraient être plus utiles, peut-être comme un style git, ce qui a changé entre la dernière requête réussie et celle qui a échoué. Avis collecté par et hébergé sur G2.com.

Je pense que les alertes sont vraiment précieuses. De plus, le résumé des moniteurs vous donne une bonne compréhension de ce qui se passe avec vos tableaux. J'utilise beaucoup la fonctionnalité de lignée des tableaux lorsque j'examine un nouveau tableau, il est facile de comprendre ses dépendances et son importance. Avis collecté par et hébergé sur G2.com.

Lorsque je vois la page de résumé, je ne peux voir que les 30 derniers jours de l'historique des moniteurs. C'est utile, mais j'aimerais vraiment avoir plus d'historique, afin de mieux comprendre les incidents et vérifier quand certaines tendances ont commencé.

De plus, j'ai activé les moniteurs de santé des champs pour certaines tables importantes ; cependant, cela envoie beaucoup d'alertes de faux positifs, générant une fatigue d'alerte. Avis collecté par et hébergé sur G2.com.

- L'outil fonctionne globalement très bien. Les fonctionnalités offertes sont suffisantes pour couvrir un large éventail de cas d'utilisation.

- L'équipe est également formidable. Nous avons toujours eu des réponses très rapides à nos demandes de support.

- Les fonctionnalités d'automatisation sont les meilleures. Nous avons presque tout configuré en utilisant du code, ce qui rend les ressources facilement gérables.

- Ils sont très ouverts aux demandes de fonctionnalités et les livrent relativement rapidement. Nous avons demandé la prise en charge de la surveillance des champs et structures imbriqués, ce qui a été mis en œuvre en quelques semaines. Avis collecté par et hébergé sur G2.com.

- Nous avons eu quelques maux de tête lors de l'intégration de Databricks, principalement causés par le fait que notre plateforme n'était pas encore compatible avec Unity. Mais avec le support, nous avons résolu tous les problèmes.

- Il y a une fonctionnalité de liste de blocage qui fonctionne au niveau du schéma. Ce serait formidable si nous pouvions bloquer l'accès au niveau des tables avec cette fonctionnalité. Avis collecté par et hébergé sur G2.com.

Mon équipe utilise Monte Carlo depuis quelques années maintenant et nous en sommes venus à compter sur lui pour nous assurer que nos données sont ce que nous pensons qu'elles sont, ce qui nous a permis d'utiliser différentes architectures que nous n'aurions pas pu utiliser autrement. Comme je l'ai dit dans le titre, cela nous permet d'encoder et d'appliquer les invariants que nous voyons dans nos systèmes sans nécessiter des tâches par lots interminables écrites à la main ou surcharger les ressources partagées. Exécuter ces requêtes sur notre base de données OLTP serait extrêmement impraticable, si cela était même possible, et les exécuter manuellement sur notre entrepôt de données serait une plaisanterie. Mais permettre à MC de les exécuter quotidiennement signifie que nous pouvons facilement en ajouter autant que nous le souhaitons et savoir que, à moins d'être alertés, nos attentes concernant les données sont exactes. Avis collecté par et hébergé sur G2.com.

Certains aspects de l'interface utilisateur sont un peu flous. Par exemple, lors de la création de nouvelles alertes, les erreurs de syntaxe ne sont pas du tout communiquées, et il y a un délai d'attente inexplicablement court, ce qui peut rendre impossible le test de certaines requêtes plus importantes. Avis collecté par et hébergé sur G2.com.

Monte Carlo a été très utile pour aligner et travailler avec les parties prenantes afin de montrer quels types de problèmes une équipe de plateforme de données pourrait surveiller efficacement, et où nous aurions besoin de plus d'implication commerciale.

Bien qu'il puisse être facile pour les ingénieurs de se moquer des requêtes au schéma d'information, l'outil global a été très utile pour fournir une archive d'expériences et nous a aidés à construire des runbooks autour des actions entreprises par les ingénieurs seniors et juniors. Avis collecté par et hébergé sur G2.com.

L'éditeur de requêtes intégré et les outils d'autocomplétion par IA peuvent être un peu frustrants à utiliser - nos équipes préfèrent généralement copier à partir d'outils SQL natifs.

Je ne peux pas dire que c'est un désagrément, mais plutôt un résultat qui aurait pu mal tourner. La facilité de configuration peut rapidement créer un déluge de nouvelles alertes - surtout avec la détection d'anomalies prête à l'emploi - où tout le monde ne comprend pas ce qui est en cours d'exécution ou comment réagir, ou si les parties prenantes doivent s'inquiéter. Nous avons eu la chance d'avoir suffisamment de temps en production avec les équipes qui l'utiliseront, avant de réunir nos quelques parties prenantes, et nous avons pu déterminer (de manière plutôt ad hoc) ce qui était significatif et ce qui ne l'était pas. Avis collecté par et hébergé sur G2.com.

Monte Carlo apporte un haut degré de gouvernance, de gestion du changement et d'automatisation à ce domaine de produits, ce qui en fait un excellent choix pour l'automatisation du contrôle de conformité. Notre organisation a intégré des scénarios de tests de conformité manuels antérieurs et le concept de contrôles en général dans Monte Carlo. L'intégration avec des outils comme Slack permet une alerte, une réponse et une remédiation fluides. Monte Carlo ajoute également de la valeur grâce à des informations plus proactives sur les anomalies dans les tables de données qui nous aident à anticiper les incidents émergents. Avis collecté par et hébergé sur G2.com.

Excité de voir Monte Carlo augmenter son exactitude et son efficacité dans la détection proactive des anomalies potentielles basées sur les motifs dans les tableaux de données. En particulier, devenir plus avancé dans la détection des changements saisonniers nuancés ou des motifs liés aux métadonnées dans d'autres tableaux de manière plus dynamique. Avis collecté par et hébergé sur G2.com.

Les données de Monte Carlo offrent un niveau de détail et de précision exceptionnel dans leurs simulations, permettant une évaluation des risques et une prise de décision robustes. L'interface utilisateur est intuitive, ce qui facilite la configuration et l'exécution de modèles complexes. De plus, la possibilité de personnaliser les paramètres et de visualiser les résultats à travers des graphiques et des diagrammes dynamiques améliore l'expérience utilisateur globale. Avis collecté par et hébergé sur G2.com.

Bien que l'outil soit puissant, il peut être gourmand en ressources, nécessitant une puissance de calcul significative pour les grands ensembles de données. De plus, la courbe d'apprentissage initiale peut être abrupte pour les utilisateurs non familiers avec la modélisation statistique, et des tutoriels ou guides d'utilisation plus complets seraient bénéfiques. Avis collecté par et hébergé sur G2.com.

Une des choses que j'apprécie vraiment à propos de Monte Carlo, ce sont ses moniteurs automatisés prêts à l'emploi alimentés par la détection d'anomalies, qui apprennent de nos modèles de données et nous alertent des irrégularités. Il est rapidement devenu un outil indispensable pour découvrir des problèmes de qualité de données inconnus dans nos opérations quotidiennes. Avis collecté par et hébergé sur G2.com.

Monte Carlo est moins efficace pour les données mises à jour peu fréquemment, telles que les ensembles de données bi-hebdomadaires, mensuels ou trimestriels, car les moniteurs prêts à l'emploi ne sont pas conçus pour prendre en charge ces cas d'utilisation. Bien que des moniteurs personnalisés puissent résoudre ce problème, ils sacrifient l'évolutivité, réduisant ainsi l'utilisabilité globale de l'outil pour ces cas d'utilisation. Avis collecté par et hébergé sur G2.com.

Je pense que c'est génial pour trouver des problèmes dans notre système que nous ne sommes pas capables de détecter avec nos propres outils de validation. Avis collecté par et hébergé sur G2.com.

Cela nécessite beaucoup de configuration et d'ajustement. Nous avons dû désactiver beaucoup des moniteurs par défaut pour des actifs spécifiques car ils étaient trop bruyants. Avis collecté par et hébergé sur G2.com.

Les moniteurs prêts à l'emploi de Monte Carlo créent un moyen relativement facile de se préparer à de potentielles grandes victoires. Alerter que votre volume source montre une légère baisse par rapport aux attentes peut potentiellement révéler un gros problème. Se concentrer d'abord sur les données critiques vous permet d'éviter un nombre écrasant d'alertes à mesure que le produit "apprend" vos données. Avis collecté par et hébergé sur G2.com.

Monte Carlo est au début du processus pour soutenir l'intégration de l'observabilité des données et l'état des pipelines de données de support. Avis collecté par et hébergé sur G2.com.