Qu'aimez-vous le plus à propos de Sigma?
Sigma est excellent pour rendre les données accessibles et modifiables pour les utilisateurs non techniques, nécessitant un minimum de connaissances techniques pour être utilisé efficacement. Si les données sont modélisées de manière optimale pour Sigma, cela crée une excellente expérience utilisateur, avec des performances rapides ainsi qu'une facilité d'édition pour ces utilisateurs non techniques. Comme avec tout outil, les utilisateurs techniques peuvent se concentrer davantage sur la création de valeur commerciale plutôt que de passer trop de temps à améliorer la durée des requêtes.
Leur fonctionnalité de réécriture est très utile. C'est quelque chose que d'autres outils de BI devraient prendre en compte, selon mon expérience, personne ne fait mieux la réécriture que Sigma. Nous pouvons avoir une expérience d'application fonctionnelle, où les utilisateurs peuvent entrer des valeurs, ajuster des hypothèses et planifier des scénarios, sans jamais quitter le rapport.
La fonctionnalité d'IA est très cool et intuitive. Bien que Ask Sigma ait une marge d'amélioration, j'apprécie la direction que cela prend. Des choses comme "Explain this Chart" sont un facteur wow, et sont réellement utiles.
Leur chat de support est excellent. Nous l'avons beaucoup utilisé au début de notre mise en œuvre. Avis collecté par et hébergé sur G2.com.
Que n’aimez-vous pas à propos de Sigma?
Sigma adopte une approche très littérale de la gestion des données, contrairement à la méthodologie plus abstraite de Power BI. Cette différence fondamentale a des implications significatives pour la performance et la gestion des coûts.
Considérations de Coût et de Performance
Coûts des Entrepôts Cloud :
L'approche littérale de Sigma en matière de gestion des données peut entraîner des coûts d'entrepôt cloud considérablement plus élevés si elle n'est pas gérée avec soin. La plateforme nécessite plus de ressources de calcul pour exécuter des opérations par rapport à d'autres alternatives.
Exigences de Préparation des Données :
Le succès avec Sigma dépend fortement de l'optimisation et de la préparation adéquates des données. Les organisations qui investissent dans l'optimisation de leur structure de données pour l'architecture de Sigma peuvent obtenir de bons résultats. Cependant, effectuer des jointures et des combinaisons de données à la volée crée une mauvaise expérience utilisateur pour les consommateurs de rapports.
Limitations de Visualisation
Sigma a des difficultés avec les visualisations complexes, un problème qui devient de plus en plus prononcé avec l'introduction de tables d'entrée et de tables d'entrée liées. Ces fonctionnalités entraînent des calculs en aval étendus, mais la gestion par Sigma des visualisations dépendantes reste inefficace.
Problèmes de Performance :
Les visuels en aval qui utilisent les résultats des tables d'entrée souffrent de vitesses d'interaction lentes. La plateforme doit améliorer la matérialisation des résultats pour résoudre ce goulot d'étranglement fondamental de performance.
Problèmes de Matérialisation
La fonctionnalité de matérialisation de Sigma reste en statut bêta malgré sa disponibilité depuis longtemps. Même lorsqu'elles sont fonctionnelles, les matérialisations sont lentes à exécuter — un problème significatif étant donné que les opérations de données devraient être presque instantanées lorsqu'elles se produisent dans le même environnement d'entrepôt de données.
Solutions Techniques Nécessaires :
Sigma devrait mettre en œuvre une utilisation plus efficace des tables temporaires ou transitoires pour les calculs complexes. Les éléments en aval devraient accéder aux résultats des calculs stockés sans déclencher des rafraîchissements complets, qui causent actuellement des délais de compilation et une mauvaise expérience utilisateur.
Performance par type de table de faits
Forces : Sigma excelle avec les tables de faits régulières, en particulier les données de transaction qui nécessitent des agrégations simples comme les sommes de colonnes.
Faiblesses : La plateforme a des difficultés significatives avec les données de type instantané comme les soldes de comptes. Visualiser des données de type solde à grande échelle nécessite une préparation de données en backend étendue pour atteindre une performance et une expérience utilisateur acceptables.
Conclusion
Bien que Sigma puisse être efficace avec une architecture et une préparation de données appropriées, son approche littérale de la gestion des données crée des défis de performance qui nécessitent une gestion attentive pour éviter les dépassements de coûts et les problèmes d'expérience utilisateur. Nous avons pris la décision que les avantages d'un accès facile aux données l'emportaient sur les inconvénients. Car si les utilisateurs finaux ne pouvaient pas comprendre comment accéder et interagir avec les données, ils ne les utiliseraient pas du tout. Avis collecté par et hébergé sur G2.com.