Avis et détails du produit SAP Datasphere

J'aime que SAP Datasphere facilite l'accès et la combinaison des données provenant de différents systèmes. La modélisation des données est assez flexible, et elle aide à créer des vues structurées pour les rapports. Elle s'intègre également bien avec d'autres outils SAP, ce qui rend l'analyse et le partage des données plus fluides. La modélisation des données nous aide à structurer les données d'une manière qui est plus facile pour les rapports et l'analyse. L'accès flexible simplifie le travail avec des données provenant de différentes sources sans préparation manuelle lourde, et l'intégration avec d'autres outils SAP aide à partager les données plus facilement à travers les systèmes et les équipes. Avis collecté par et hébergé sur G2.com.

Parfois, les performances peuvent être un peu lentes lorsqu'on travaille avec de grands ensembles de données. De plus, l'interface et la modélisation des données peuvent sembler un peu complexes au début. Une meilleure documentation et une configuration plus simple pour certaines intégrations seraient également utiles. Les intégrations avec certains systèmes non-SAP peuvent être un peu difficiles, surtout lors de la configuration des connexions ou de l'alignement des structures de données. Parfois, cela nécessite une configuration supplémentaire ou un middleware. Il serait utile que le processus de configuration soit plus simple et mieux documenté. La configuration initiale était un peu compliquée au début, surtout pour configurer les connexions et modéliser les données. Avis collecté par et hébergé sur G2.com.

Ce que j'aime le plus dans SAP Datasphere en tant qu'ingénieur de données au NHS, c'est sa gouvernance solide et son intégration transparente avec les systèmes SAP principaux comme SAP S/4HANA. Cela me permet de construire des modèles de données fiables et bien structurés tout en maintenant des normes strictes de sécurité et de conformité. Cette fiabilité est cruciale dans un environnement de santé où des rapports précis soutiennent directement la prise de décisions opérationnelles et financières. Avis collecté par et hébergé sur G2.com.

Une chose que je n'aime pas à propos de SAP Datasphere, c'est qu'il peut sembler rigide et moins flexible par rapport à des plateformes de données plus modernes. Le développement et la modélisation peuvent être plus lents que prévu, surtout pour les transformations complexes. Cela peut également être frustrant lorsque l'optimisation des performances et le dépannage ne sont pas aussi transparents ou simples que vous le souhaiteriez. Avis collecté par et hébergé sur G2.com.

Ce que j'aime le plus dans SAP Datasphere, c'est sa capacité à intégrer de manière transparente des données provenant de multiples sources dans un modèle de données unifié et prêt à l'emploi. Cela facilite grandement la connexion des systèmes SAP et non-SAP sans réplication massive des données, ce qui améliore l'efficacité et réduit la complexité.

J'apprécie particulièrement sa forte intégration avec SAP Analytics Cloud, permettant des insights en temps réel et des rapports cohérents à travers l'organisation. Les capacités de modélisation des données sont intuitives, permettant aux utilisateurs techniques et métiers de collaborer efficacement.

De plus, les fonctionnalités de gouvernance et de sécurité aident à maintenir l'intégrité des données tout en assurant un accès contrôlé, ce qui est crucial pour les environnements d'entreprise. Dans l'ensemble, SAP Datasphere offre une base évolutive et basée sur le cloud pour la gestion et l'analyse modernes des données. Avis collecté par et hébergé sur G2.com.

Bien que SAP Datasphere offre de solides capacités d'intégration et de modélisation, il y a quelques domaines qui pourraient être améliorés. La courbe d'apprentissage peut être abrupte, surtout pour les utilisateurs qui découvrent l'écosystème de données de SAP. Certaines fonctionnalités et configurations nécessitent une connaissance technique approfondie, ce qui peut limiter l'accessibilité pour les utilisateurs moins techniques.

L'optimisation des performances peut également être difficile lorsqu'on travaille avec des modèles de données volumineux ou complexes. Dans certains scénarios, le dépannage et l'affinage nécessitent des efforts et une expertise supplémentaires.

De plus, la licence et le coût global peuvent être une préoccupation pour les petites organisations, en particulier lors de l'extension de l'utilisation. Une documentation plus claire et davantage d'exemples pratiques pour les cas d'utilisation avancés amélioreraient encore l'expérience utilisateur. Avis collecté par et hébergé sur G2.com.

SAP Datasphere excelle dans sa capacité à s'intégrer parfaitement avec l'écosystème SAP plus large. L'architecture permet aux utilisateurs métier de modéliser les données en libre-service, ce qui permet d'obtenir des insights plus rapidement sans avoir besoin d'une intervention constante de l'informatique. La transition depuis SAP Data Warehouse Cloud a également apporté une meilleure gouvernance et un accès unifié aux données. Avis collecté par et hébergé sur G2.com.

SAP Datasphere est accompagné d'une courbe d'apprentissage abrupte. De plus, les structures de tarification et de licence peuvent être difficiles à naviguer et à optimiser pour les organisations de taille moyenne. Avis collecté par et hébergé sur G2.com.

J'aime utiliser SAP Datasphere pour intégrer, traiter et analyser des données provenant de multiples sources en temps réel. Il fournit des informations en temps réel qui améliorent la prise de décision et l'efficacité des projets. J'apprécie la façon dont le traitement en temps réel et la livraison fiable des données me permettent d'accéder et d'analyser des données à jour dès qu'elles sont disponibles, m'aidant à prendre des décisions plus rapides et mieux informées. Cela réduit également les erreurs et les retards qui se produisaient avec la gestion manuelle des données, rendant mes flux de travail beaucoup plus fluides et efficaces. De plus, j'ai trouvé que l'installation était facile, ce qui était un gros avantage. Avis collecté par et hébergé sur G2.com.

La configuration avancée est limitée et la courbe d'apprentissage est raide. Une configuration plus flexible pour des pipelines complexes et de meilleurs tutoriels pour des flux de travail avancés seraient utiles. Avis collecté par et hébergé sur G2.com.

Espaces = isolation propre. Je peux créer un espace sandbox par branche, connecter les connexions et exécuter des tests de pipeline sans interférer avec les modèles de production. C'est le bon niveau de multi-location pour l'assurance qualité.

Couche sémantique avec du mordant. Les entités/mesures commerciales vivent en un seul endroit (dimensions, associations, unités/devises). Nous écrivons des « tests de contrat » contre le modèle, pas de SQL fragile ; si quelqu'un supprime un KPI ou change un type, l'intégration continue échoue bruyamment.

Virtualiser d'abord, répliquer si nécessaire. Pouvoir fédérer des requêtes vers S/4HANA/BW ou mettre en scène des extractions dans HANA Cloud maintient des performances décentes tout en évitant la dispersion des données. Nos tests couvrent les deux chemins en utilisant les mêmes artefacts.

Traçabilité et analyse d'impact décentes. Lorsqu'un renommage de colonne arrive en amont, la traçabilité montre quelles vues/calculs sont cassés. Je peux lier un rapport d'impact à un test échoué et le propriétaire sait exactement où corriger.

Configurations transportables. Le déplacement des artefacts de dev -> test -> prod est prévisible ; nous versionnons les transports à côté de notre code de test, donc les retours en arrière sont ennuyeux.

BW Bridge pour le monde réel. Le contenu BW hérité ne nous bloque pas ; nous pouvons valider les modèles migrés côte à côte avec les nouveaux jusqu'à ce que les tests de parité réussissent.

Étroit avec SAC. Pour la recette utilisateur, nous pointons une histoire SAC vers l'espace de test et les parties prenantes valident les chiffres sans extractions sur mesure. Avis collecté par et hébergé sur G2.com.

Latence de l'interface utilisateur à grande échelle. Les grands modèles rendent l'interface utilisateur de modélisation lourde ; les flux de données complexes sont lents à éditer. Les messages d'erreur sont laconiques. Les erreurs de fédération/de privilège ressemblent souvent à des énigmes, vous finissez par vérifier les journaux des systèmes distants pour comprendre ce qui a réellement échoué. Limites de transformation. Les transformations graphiques couvrent 80 % ; les 20 % restants nécessitent encore du SQLScript ou une préparation externe. Pièges de transport. L'ordre des dépendances peut poser problème, il suffit de manquer un artefact partagé et votre déploiement de pipeline semble « vert » mais ne fonctionne pas. Avis collecté par et hébergé sur G2.com.

J'aime vraiment la facilité d'utilisation de SAP Datasphere. Venant d'un domaine différent, il a été vraiment facile et pratique à prendre en main, surtout avec le soutien de mes collègues. Le transfert de connaissances concernant ce logiciel est assez fluide, et je peux facilement apprendre des autres. J'apprécie également la possibilité de sauvegarder les interfaces ou les vues que nous avons construites, ce qui rend l'apprentissage et l'utilisation plus simples. Avis collecté par et hébergé sur G2.com.

Je pense que parfois, lorsque nous avons des listes très, très longues, faire défiler et sélectionner les bons éléments est assez difficile. Mais ensuite, il y a une interface de vidage de source qui s'est avérée utile. Avis collecté par et hébergé sur G2.com.

Facile à utiliser, pas besoin d'une éducation spécifique préalable ! Merci aux fournisseurs SAP et à mon entreprise d'avoir choisi SAP. De plus, SAP Datasphere est un service de données unifié basé sur le cloud, construit sur la SAP Business Technology Platform (BTP), qui fournit une structure de données d'entreprise complète pour l'intégration de données, le catalogage, la modélisation sémantique, l'entreposage de données et la virtualisation à travers des sources de données SAP et non-SAP. Avis collecté par et hébergé sur G2.com.

Les inconvénients de SAP Datasphere incluent des coûts élevés et un manque de scalabilité pour les petites entreprises, des problèmes de performance avec de grands ensembles de données, une intégration complexe avec des outils non-SAP, une courbe d'apprentissage abrupte, des processus de modélisation et de configuration de données complexes, ainsi que des changements fréquents et parfois perturbateurs de l'interface utilisateur. Avis collecté par et hébergé sur G2.com.

J'apprécie SAP Datasphere pour son équilibre entre la flexibilité technique et la gouvernance d'entreprise, ce qui est particulièrement important pour notre travail. J'aime qu'il préserve les sémantiques métier de SAP lors de l'intégration avec des systèmes comme SAP S/4HANA. Les capacités de virtualisation des données sont excellentes pour accéder à certains ensembles de données tout en protégeant les données cliniques sensibles. J'apprécie également l'évolutivité du cloud, qui est bénéfique lorsque de nouvelles subventions arrivent. Avis collecté par et hébergé sur G2.com.

La courbe d'apprentissage est raide - elle pourrait être simplifiée et il pourrait y avoir une meilleure performance pour les charges de travail mixtes. Avis collecté par et hébergé sur G2.com.

J'apprécie la simplicité d'utilisation de SAP Datasphere et le gain de temps qu'il apporte. L'intégration, la préparation et la disponibilité des données se font plus rapidement, avec moins de manipulations manuelles. J'aime pouvoir intégrer rapidement plusieurs sources, modéliser les données simplement et les partager facilement. Cela réduit les tâches manuelles, limite les erreurs et accélère la production d'analyses fiables. Avis collecté par et hébergé sur G2.com.

Le suivi des flux et le diagnostic des erreurs pourraient être plus détaillés : logs plus explicites, alertes et monitoring plus complets. Avis collecté par et hébergé sur G2.com.