# Migliori Software di catalogazione dei dati per l'apprendimento automatico *By [Shalaka Joshi](https://research.g2.com/insights/author/shalaka-joshi)* I cataloghi di dati di machine learning consentono alle aziende di categorizzare, accedere, interpretare e collaborare attorno ai dati aziendali provenienti da più fonti, mantenendo un alto livello di governance e gestione degli accessi. L'intelligenza artificiale è fondamentale per molte funzionalità dei cataloghi di dati di machine learning, abilitando funzionalità come raccomandazioni di machine learning, interrogazioni in linguaggio naturale e mascheramento dinamico dei dati per scopi di sicurezza avanzata. Le aziende possono utilizzare i cataloghi di dati di machine learning per mantenere i set di dati in un'unica posizione, in modo che la ricerca e la scoperta dei dati siano semplici sia per gli utenti aziendali quotidiani che per gli analisti. Gli utenti hanno la possibilità di commentare, condividere e raccomandare set di dati affinché i colleghi possano avere una comprensione immediata di ciò che stanno interrogando. Inoltre, gli amministratori IT possono mettere in atto la fornitura di utenti per garantire che i dipendenti non autorizzati non accedano a dati sensibili. I cataloghi di dati di machine learning sono più frequentemente implementati da aziende che hanno più fonti di dati, sono alla ricerca di un'unica fonte di verità e stanno tentando di scalare l'uso dei dati a livello aziendale. Questi prodotti sono generalmente gestiti dai dipartimenti IT, che possono mantenere l'organizzazione e la sicurezza, ma i dati possono essere accessibili da data scientist o analisti e dall'utente aziendale medio. I dati possono quindi essere trasformati, modellati e visualizzati direttamente nel catalogo di dati di machine learning o tramite un'integrazione con [software di business intelligence](https://www.g2.com/categories/business-intelligence). Va notato che non tutti i cataloghi di dati di machine learning forniscono capacità di preparazione dei dati e potrebbero richiedere un'integrazione con una [piattaforma di business intelligence](https://www.g2.com/categories/business-intelligence-platforms). Inoltre, questi strumenti differiscono dal [software di gestione dei dati master](https://www.g2.com/categories/master-data-management-mdm) a causa della loro governance avanzata, collaborazione e funzionalità di machine learning. Per qualificarsi per l'inclusione nella categoria dei Cataloghi di Dati di Machine Learning, un prodotto deve: - Organizzare e consolidare i dati da tutte le fonti aziendali in un unico repository - Fornire gestione degli accessi utente per scopi di sicurezza e governance dei dati - Consentire agli utenti aziendali di cercare e accedere ai dati all'interno del catalogo - Offrire funzionalità di collaborazione attorno ai set di dati, inclusi categorizzazione, commento e condivisione - Fornire raccomandazioni intelligenti basate su machine learning per un accesso più rapido ai dati rilevanti ## Category Overview **Total Products under this Category:** 89 ## Trust & Credibility Stats **Perché puoi fidarti delle classifiche software di G2:** - 30 Analisti ed Esperti di Dati - 1,700+ Recensioni autentiche - 89+ Prodotti - Classifiche Imparziali Le classifiche software di G2 si basano su recensioni verificate degli utenti, moderazione rigorosa e una metodologia di ricerca coerente mantenuta da un team di analisti ed esperti di dati. Ogni prodotto è misurato utilizzando gli stessi criteri trasparenti, senza posizionamenti a pagamento o influenze dei venditori. Sebbene le recensioni riflettano esperienze reali degli utenti, che possono essere soggettive, offrono preziose informazioni su come il software si comporta nelle mani dei professionisti. Insieme, questi input alimentano il G2 Score, un modo standardizzato per confrontare gli strumenti all'interno di ogni categoria. ## Best Software di catalogazione dei dati per l'apprendimento automatico At A Glance - **Leader:** [Alation](https://www.g2.com/it/products/alation/reviews) - **Miglior performer:** [Collibra](https://www.g2.com/it/products/collibra/reviews) - **Più facile da usare:** [AWS Glue](https://www.g2.com/it/products/aws-glue/reviews) - **Più in voga:** [Atlan](https://www.g2.com/it/products/atlan/reviews) - **Miglior software gratuito:** [Alation](https://www.g2.com/it/products/alation/reviews) ## Top-Rated Products (Ranked by G2 Score) ### 1. [Alation](https://www.g2.com/it/products/alation/reviews) Alation è l'azienda di intelligenza dei dati. Fondata nel 2012 e con sede a Redwood City, California, con uffici globali a Londra e Sydney, Alation serve più di 650 clienti aziendali in 34 settori. L'azienda ha aperto la strada al moderno catalogo dei dati combinando l'apprendimento automatico con l'intuizione umana per connettere persone con domande a persone con risposte. Oggi, più del 40% delle aziende Fortune 100 si affida ad Alation per alimentare iniziative di dati e AI su larga scala. La piattaforma di Alation unifica catalogazione, governance e qualità dei dati con nuove capacità native di AI costruite su un fondamento essenziale: i metadati. I metadati forniscono il contesto che i modelli di AI mancano, offrendo risultati che sono accurati, spiegabili e affidabili. Con capacità come Agent Studio, CDE Manager e Data Quality Agent, le organizzazioni possono costruire agenti che comprendono le loro definizioni uniche, regole e standard di qualità. Controlli di prontezza incorporati e valutazioni continue assicurano che ogni flusso di lavoro AI sia basato sul giusto contesto di metadati, rendendo l'AI aziendale abbastanza affidabile per un uso reale in produzione. **Average Rating:** 4.4/5.0 **Total Reviews:** 89 **User Satisfaction Scores:** - **Facilità d'uso:** 8.3/10 (Category avg: 8.6/10) - **Glossario di Business e Dati:** 8.7/10 (Category avg: 8.5/10) - **Gestione dei Metadati:** 7.9/10 (Category avg: 8.4/10) - **Tracciabilità dei dati:** 7.2/10 (Category avg: 8.6/10) **Seller Details:** - **Venditore:** [Alation](https://www.g2.com/it/sellers/alation) - **Sito web dell'azienda:** https://alation.com - **Anno di Fondazione:** 2012 - **Sede centrale:** Redwood City, CA - **Twitter:** @Alation (3,573 follower su Twitter) - **Pagina LinkedIn®:** https://www.linkedin.com/company/3231829/ (624 dipendenti su LinkedIn®) **Reviewer Demographics:** - **Top Industries:** Tecnologia dell'informazione e servizi, Servizi finanziari - **Company Size:** 57% Enterprise, 27% Mid-Market #### Pros & Cons **Pros:** - Ease of Use (16 reviews) - Data Discovery (10 reviews) - User Experience (10 reviews) - Data Cataloging (9 reviews) - User Interface (9 reviews) **Cons:** - Slow Performance (8 reviews) - Missing Features (6 reviews) - Limited Functionality (4 reviews) - Lineage Limitations (4 reviews) - User Interface Issues (4 reviews) ### 2. [Atlan](https://www.g2.com/it/products/atlan/reviews) Atlan è il livello di contesto per l'AI aziendale. Legge continuamente i tuoi magazzini, database, pipeline, strumenti BI e sistemi aziendali per costruire al contrario un grafo di dati aziendali che cattura asset, lineage, entità, metriche, politiche e relazioni. Su questo grafo, arricchisce e cura semantiche leggibili dalle macchine — descrizioni, join popolari, definizioni di KPI e metriche, ontologie e regole aziendali — e le organizza in repository di contesto governati e versionati: pacchetti delimitati di contesto che riflettono come la tua azienda definisce concetti chiave e prende decisioni. Questi repository di contesto sono poi esposti attraverso interfacce aperte (SQL, API, SDK, protocolli stile OSI/MCP) in modo che agenti, copiloti e applicazioni AI possano chiamare lo stesso contesto fidato in tempo reale, piuttosto che ogni team codifichi la propria logica. I flussi di lavoro di governance human-on-the-loop per la risoluzione dei conflitti, la deprecazione, il feedback e la certificazione mantengono quel contesto affidabile mentre l'azienda, i dati e i modelli evolvono. **Average Rating:** 4.5/5.0 **Total Reviews:** 124 **User Satisfaction Scores:** - **Facilità d'uso:** 9.0/10 (Category avg: 8.6/10) - **Glossario di Business e Dati:** 9.2/10 (Category avg: 8.5/10) - **Gestione dei Metadati:** 9.3/10 (Category avg: 8.4/10) - **Tracciabilità dei dati:** 9.3/10 (Category avg: 8.6/10) **Seller Details:** - **Venditore:** [Atlan](https://www.g2.com/it/sellers/atlan) - **Sito web dell'azienda:** https://www.atlan.com - **Anno di Fondazione:** 2019 - **Sede centrale:** New York, US - **Twitter:** @AtlanHQ (9,720 follower su Twitter) - **Pagina LinkedIn®:** https://in.linkedin.com/company/atlan-hq (580 dipendenti su LinkedIn®) **Reviewer Demographics:** - **Top Industries:** Servizi finanziari, Software per computer - **Company Size:** 53% Mid-Market, 40% Enterprise #### Pros & Cons **Pros:** - Ease of Use (18 reviews) - User Interface (12 reviews) - Features (11 reviews) - Data Lineage (10 reviews) - Easy Setup (10 reviews) **Cons:** - Learning Curve (5 reviews) - Limited Functionality (5 reviews) - User Interface Issues (5 reviews) - Difficult Learning (4 reviews) - Integration Issues (4 reviews) ### 3. [AWS Glue](https://www.g2.com/it/products/aws-glue/reviews) AWS Glue è un servizio di integrazione dati senza server che facilita agli utenti di analisi la scoperta, la preparazione, lo spostamento e l'integrazione dei dati da più fonti per l'analisi, l'apprendimento automatico e lo sviluppo di applicazioni. Puoi scoprire e connetterti a oltre 70 fonti di dati diverse, gestire i tuoi dati in un catalogo dati centralizzato e creare, eseguire e monitorare visivamente pipeline ETL per caricare dati nei tuoi data lake. Puoi immediatamente cercare e interrogare i dati catalogati utilizzando Amazon Athena, Amazon EMR e Amazon Redshift Spectrum. **Average Rating:** 4.3/5.0 **Total Reviews:** 191 **User Satisfaction Scores:** - **Facilità d'uso:** 8.4/10 (Category avg: 8.6/10) - **Glossario di Business e Dati:** 8.9/10 (Category avg: 8.5/10) - **Gestione dei Metadati:** 8.6/10 (Category avg: 8.4/10) - **Tracciabilità dei dati:** 8.7/10 (Category avg: 8.6/10) **Seller Details:** - **Venditore:** [Amazon Web Services (AWS)](https://www.g2.com/it/sellers/amazon-web-services-aws-3e93cc28-2e9b-4961-b258-c6ce0feec7dd) - **Anno di Fondazione:** 2006 - **Sede centrale:** Seattle, WA - **Twitter:** @awscloud (2,223,984 follower su Twitter) - **Pagina LinkedIn®:** https://www.linkedin.com/company/amazon-web-services/ (156,424 dipendenti su LinkedIn®) - **Proprietà:** NASDAQ: AMZN **Reviewer Demographics:** - **Who Uses This:** Data Engineer, Software Engineer - **Top Industries:** Tecnologia dell'informazione e servizi, Software per computer - **Company Size:** 48% Enterprise, 29% Mid-Market #### Pros & Cons **Pros:** - Ease of Use (6 reviews) - Data Integration (3 reviews) - ETL Solutions (3 reviews) - Features (3 reviews) - Simple (3 reviews) **Cons:** - Slow Performance (3 reviews) - Debugging Difficulty (2 reviews) - Difficult Debugging (2 reviews) - Performance Issues (2 reviews) - Time-Consuming (2 reviews) ### 4. [Google Cloud Data Catalog](https://www.g2.com/it/products/google-cloud-data-catalog/reviews) Un servizio di scoperta dei dati e gestione dei metadati completamente gestito e altamente scalabile. **Average Rating:** 4.4/5.0 **Total Reviews:** 25 **User Satisfaction Scores:** - **Facilità d'uso:** 8.7/10 (Category avg: 8.6/10) - **Glossario di Business e Dati:** 8.5/10 (Category avg: 8.5/10) - **Gestione dei Metadati:** 9.1/10 (Category avg: 8.4/10) - **Tracciabilità dei dati:** 7.8/10 (Category avg: 8.6/10) **Seller Details:** - **Venditore:** [Google](https://www.g2.com/it/sellers/google) - **Anno di Fondazione:** 1998 - **Sede centrale:** Mountain View, CA - **Twitter:** @google (31,885,216 follower su Twitter) - **Pagina LinkedIn®:** https://www.linkedin.com/company/1441/ (336,169 dipendenti su LinkedIn®) - **Proprietà:** NASDAQ:GOOG **Reviewer Demographics:** - **Top Industries:** Software per computer - **Company Size:** 46% Piccola impresa, 29% Mid-Market ### 5. [Appen](https://www.g2.com/it/products/appen/reviews) Appen raccoglie e etichetta immagini, testo, discorsi, audio, video e altri dati per creare dati di addestramento utilizzati per costruire e migliorare continuamente i sistemi di intelligenza artificiale più innovativi al mondo. Offriamo una piattaforma di annotazione dati all'avanguardia e licenziabile per annotare casi d'uso di dati di addestramento nella visione artificiale e nell'elaborazione del linguaggio naturale. La nostra piattaforma migliora l'accuratezza e l'efficienza attraverso le nostre funzionalità di Smart Labeling e Pre-Labeling che utilizzano il Machine Learning per facilitare le annotazioni umane. Scegli il livello di servizio e sicurezza che desideri per la raccolta e l'annotazione dei dati, dal servizio gestito di alto livello al servizio flessibile self-service. La nostra esperienza include un pubblico globale di oltre 1 milione di collaboratori qualificati che parlano oltre 235 lingue e dialetti, in oltre 70.000 località e 170 paesi, e la piattaforma di annotazione dati assistita da AI più avanzata del settore. I nostri dati di addestramento affidabili danno ai leader nei settori della tecnologia, automobilistico, dei servizi finanziari, del commercio al dettaglio, della sanità e dei governi la fiducia per distribuire prodotti AI di classe mondiale. Fondata nel 1996, Appen ha clienti e uffici a livello globale. **Average Rating:** 4.2/5.0 **Total Reviews:** 32 **User Satisfaction Scores:** - **Facilità d'uso:** 8.2/10 (Category avg: 8.6/10) - **Glossario di Business e Dati:** 8.2/10 (Category avg: 8.5/10) - **Gestione dei Metadati:** 8.0/10 (Category avg: 8.4/10) - **Tracciabilità dei dati:** 7.8/10 (Category avg: 8.6/10) **Seller Details:** - **Venditore:** [Appen](https://www.g2.com/it/sellers/appen) - **Anno di Fondazione:** 1996 - **Sede centrale:** Kirkland, Washington, United States - **Pagina LinkedIn®:** https://www.linkedin.com/company/appen (19,630 dipendenti su LinkedIn®) - **Proprietà:** ASX:APX - **Ricavi Totali (USD mln):** $244,900 **Reviewer Demographics:** - **Top Industries:** Tecnologia dell'informazione e servizi - **Company Size:** 56% Piccola impresa, 26% Enterprise #### Pros & Cons **Pros:** - Useful (2 reviews) - Ease of Use (1 reviews) - Flexibility (1 reviews) **Cons:** - Work Interruptions (3 reviews) - Low Compensation (2 reviews) - Complexity (1 reviews) - Connectivity Issues (1 reviews) - User Interface Issues (1 reviews) ### 6. [Collibra](https://www.g2.com/it/products/collibra/reviews) Prova Collibra gratuitamente su Collibra.com/tour Collibra è per le organizzazioni con sfide complesse relative ai dati, ecosistemi di dati ibridi e grandi ambizioni per i dati e l'IA. Aiutiamo le organizzazioni che cercano di accelerare i casi d'uso di dati e IA garantendo al contempo la conformità, ma che stanno lottando con una governance frammentata e una visibilità limitata in tutto l'ecosistema di dati ibrido. Collibra unifica la governance per i dati e l'IA in ogni sistema, fonte di dati e utente, per creare un'autonomia sicura e una base per scalare i casi d'uso di IA e dati. Con Collibra, puoi accelerare tutti i tuoi casi d'uso di dati e IA, in modo sicuro e con dati ben compresi. Questa è la Fiducia nei Dati. **Average Rating:** 4.2/5.0 **Total Reviews:** 99 **User Satisfaction Scores:** - **Facilità d'uso:** 8.0/10 (Category avg: 8.6/10) - **Glossario di Business e Dati:** 8.3/10 (Category avg: 8.5/10) - **Gestione dei Metadati:** 8.0/10 (Category avg: 8.4/10) - **Tracciabilità dei dati:** 8.0/10 (Category avg: 8.6/10) **Seller Details:** - **Venditore:** [Collibra](https://www.g2.com/it/sellers/collibra) - **Sito web dell'azienda:** https://www.collibra.com - **Anno di Fondazione:** 2008 - **Sede centrale:** New York, New York - **Twitter:** @collibra (5,735 follower su Twitter) - **Pagina LinkedIn®:** https://www.linkedin.com/company/288365/ (1,082 dipendenti su LinkedIn®) **Reviewer Demographics:** - **Top Industries:** Servizi finanziari, Bancario - **Company Size:** 72% Enterprise, 19% Mid-Market #### Pros & Cons **Pros:** - Features (14 reviews) - Ease of Use (13 reviews) - Data Management (12 reviews) - Data Governance (9 reviews) - Integrations (9 reviews) **Cons:** - Limited Functionality (8 reviews) - Complexity Issues (7 reviews) - Complexity (6 reviews) - Improvement Needed (6 reviews) - Complex Setup (5 reviews) ### 7. [decube](https://www.g2.com/it/products/decube/reviews) Decube è una piattaforma di Context Layer progettata specificamente per l'era dell'IA, fornendo alle organizzazioni la capacità di dare significato, memoria e fiducia ai loro dati. Questo sistema innovativo integra vari componenti come la gestione dei metadati, il tracciamento automatico della linea di discendenza, l'assicurazione della qualità dei dati e l'osservabilità per creare una mappa completa in tempo reale delle dinamiche dei dati. Comprendendo come i dati operano, fluiscono e la loro affidabilità, Decube consente alle imprese di prendere decisioni informate e gestire efficacemente i carichi di lavoro dell'IA. Rivolto principalmente alle imprese che si basano fortemente sul processo decisionale guidato dai dati, Decube affronta una sfida critica affrontata da molte organizzazioni: la mancanza di comprensione contestuale dei loro dati. In un'epoca in cui i dati sono abbondanti, il vero problema risiede nella capacità di interpretare e utilizzare efficacemente quei dati. Decube fornisce una comprensione connessa dell'intero ecosistema dei dati, che aiuta a eliminare i punti ciechi e migliora la governance. Questa consapevolezza contestuale è essenziale per le organizzazioni che cercano di sfruttare le tecnologie IA e garantire che i loro modelli, dashboard e agenti operino con maggiore intelligenza e sicurezza. Le caratteristiche principali di Decube includono le sue robuste capacità di gestione dei metadati, che consentono agli utenti di tracciare e gestire la linea di discendenza dei dati senza sforzo. Questa caratteristica assicura che le organizzazioni possano tracciare le origini e le trasformazioni dei loro dati, migliorando così la trasparenza e la responsabilità. Inoltre, l'attenzione di Decube sulla qualità dei dati significa che gli utenti possono fidarsi delle informazioni con cui stanno lavorando, riducendo il rischio di errori nei processi decisionali critici. L'aspetto dell'osservabilità della piattaforma consente ulteriormente alle organizzazioni di monitorare i flussi di dati in tempo reale, garantendo che eventuali problemi possano essere identificati e affrontati prontamente. I benefici dell'utilizzo di Decube vanno oltre la semplice gestione dei dati. Fornendo una comprensione vivente e interconnessa dei dati, Decube migliora la fiducia operativa complessiva delle organizzazioni. Questa piattaforma non solo rafforza la governance, ma facilita anche un processo decisionale più intelligente garantendo che tutti i modelli guidati dai dati siano costruiti su una base di informazioni affidabili e contestualizzate. Man mano che le aziende dipendono sempre più da dati affidabili e infrastrutture pronte per l'IA, Decube si distingue come uno strumento vitale che le equipaggia con il contesto necessario per navigare nelle complessità del moderno panorama dei dati. **Average Rating:** 4.6/5.0 **Total Reviews:** 24 **User Satisfaction Scores:** - **Facilità d'uso:** 9.4/10 (Category avg: 8.6/10) - **Glossario di Business e Dati:** 9.7/10 (Category avg: 8.5/10) - **Gestione dei Metadati:** 9.7/10 (Category avg: 8.4/10) - **Tracciabilità dei dati:** 9.6/10 (Category avg: 8.6/10) **Seller Details:** - **Venditore:** [Decube Data](https://www.g2.com/it/sellers/decube-data) - **Sito web dell'azienda:** https://decube.io - **Anno di Fondazione:** 2022 - **Sede centrale:** Kuala Lumpur - **Twitter:** @decube_data (114 follower su Twitter) - **Pagina LinkedIn®:** https://www.linkedin.com/company/decube-data/ (44 dipendenti su LinkedIn®) **Reviewer Demographics:** - **Top Industries:** Tecnologia dell'informazione e servizi - **Company Size:** 38% Mid-Market, 33% Piccola impresa #### Pros & Cons **Pros:** - User Interface (8 reviews) - Ease of Use (7 reviews) - Features (7 reviews) - Data Quality (6 reviews) - Insights (6 reviews) **Cons:** - Limited Functionality (3 reviews) - Complex Setup (2 reviews) - Limited Features (2 reviews) - Missing Features (2 reviews) - Poor Customer Support (2 reviews) ### 8. [Select Star](https://www.g2.com/it/products/select-star/reviews) Select Star è una moderna piattaforma di governance dei dati che aiuta le organizzazioni a gestire e comprendere i loro dati su larga scala, abilitando l'IA, l'analisi e il self-service in tutta l'azienda. Catalogando automaticamente i dataset, tracciando la lineage end-to-end e costruendo un glossario aziendale condiviso e un livello semantico, i team possono lavorare con fiducia con dati affidabili. Con un portale dati facile da usare e automazione integrata, Select Star supporta casi d'uso tra cui democratizzazione dei dati, governance dei dati, livelli semantici e migrazioni di dati nel cloud, fungendo da strato fondamentale per iniziative aziendali di IA e dati. **Average Rating:** 4.5/5.0 **Total Reviews:** 55 **User Satisfaction Scores:** - **Facilità d'uso:** 8.9/10 (Category avg: 8.6/10) - **Glossario di Business e Dati:** 8.2/10 (Category avg: 8.5/10) - **Gestione dei Metadati:** 8.7/10 (Category avg: 8.4/10) - **Tracciabilità dei dati:** 8.9/10 (Category avg: 8.6/10) **Seller Details:** - **Venditore:** [Select Star](https://www.g2.com/it/sellers/select-star) - **Anno di Fondazione:** 2020 - **Sede centrale:** San Francisco, CA - **Twitter:** @selectstarhq (391 follower su Twitter) - **Pagina LinkedIn®:** https://www.linkedin.com/company/selectstarhq/ (20 dipendenti su LinkedIn®) **Reviewer Demographics:** - **Top Industries:** Tecnologia dell'informazione e servizi, Immobiliare - **Company Size:** 51% Mid-Market, 38% Enterprise #### Pros & Cons **Pros:** - Ease of Use (10 reviews) - Data Lineage (9 reviews) - User Interface (7 reviews) - Data Discovery (5 reviews) - Data Cataloging (4 reviews) **Cons:** - Limited Functionality (2 reviews) - Lineage Limitations (2 reviews) - Complex Setup (1 reviews) - Difficult Learning (1 reviews) - Expertise Required (1 reviews) ### 9. [Secoda](https://www.g2.com/it/products/secoda/reviews) Secoda è una piattaforma di governance dei dati alimentata dall'IA progettata per aiutare le organizzazioni a esplorare, comprendere e utilizzare efficacemente i loro dati. Fornendo una piattaforma completa che si connette a oltre 75 fonti di dati, pipeline, magazzini e strumenti di visualizzazione, Secoda mira a creare una fonte unificata di verità per le aziende. Questa funzionalità è particolarmente preziosa per le organizzazioni che cercano di migliorare le loro analisi self-service, semplificare le operazioni e migliorare il processo decisionale. Rivolta a team di dati, stakeholder aziendali e organizzazioni di tutte le dimensioni, Secoda serve come uno strumento essenziale per coloro che hanno bisogno di gestire e interpretare grandi volumi di dati. La sua interfaccia user-friendly assicura che individui con diversi livelli di competenza tecnica possano sfruttare la piattaforma per ottenere intuizioni azionabili. Aziende come Vanta, Cardinal Health, ID.me e Dialpad hanno adottato Secoda per monitorare la salute dei loro ecosistemi di dati, migliorare l'efficienza dei loro team di dati e scalare la prontezza all'IA. Uno dei principali vantaggi di Secoda è la sua capacità di unificare la catalogazione dei dati, la governance aziendale e l'osservabilità in una singola piattaforma semplificata. Questa consolidazione non solo riduce i costi di gestione di più strumenti, ma alimenta anche Secoda AI con un contesto ricco e connesso, consentendo ai team di concentrarsi sulle intuizioni anziché sull'infrastruttura. Secoda automatizza le principali attività di gestione dei dati, tra cui documentazione, tagging, creazione di termini di glossario e creazione di politiche. Questa automazione consente agli utenti di scoprire e accedere rapidamente a dati e intuizioni pertinenti senza un ampio sforzo manuale. Semplificando questi processi, Secoda non solo risparmia tempo prezioso, ma consente anche ai team di prendere decisioni sicure e basate sui dati attuali e ben organizzati, portando infine a migliori risultati aziendali. Nel complesso, Secoda si distingue nel panorama della gestione dei dati offrendo una soluzione completa e guidata dall'IA che soddisfa le esigenze sia degli utenti tecnici che non tecnici. La sua capacità di creare una singola fonte di verità, unita alla sua integrazione di più funzionalità in un'unica piattaforma, la posiziona come un asset prezioso per le organizzazioni che mirano a sfruttare appieno il potenziale dei loro dati. **Average Rating:** 4.5/5.0 **Total Reviews:** 55 **User Satisfaction Scores:** - **Facilità d'uso:** 8.2/10 (Category avg: 8.6/10) - **Glossario di Business e Dati:** 9.3/10 (Category avg: 8.5/10) - **Gestione dei Metadati:** 9.5/10 (Category avg: 8.4/10) - **Tracciabilità dei dati:** 8.9/10 (Category avg: 8.6/10) **Seller Details:** - **Venditore:** [Secoda](https://www.g2.com/it/sellers/secoda) - **Anno di Fondazione:** 2021 - **Sede centrale:** Toronto, CA - **Twitter:** @SecodaHQ (934 follower su Twitter) - **Pagina LinkedIn®:** https://www.linkedin.com/company/secodahq/about (21 dipendenti su LinkedIn®) **Reviewer Demographics:** - **Top Industries:** Software per computer, Servizi finanziari - **Company Size:** 65% Mid-Market, 18% Piccola impresa #### Pros & Cons **Pros:** - Ease of Use (31 reviews) - Features (25 reviews) - Customer Support (21 reviews) - Data Lineage (19 reviews) - Integrations (16 reviews) **Cons:** - Bug Issues (11 reviews) - Bugs (11 reviews) - Technical Issues (9 reviews) - Learning Curve (5 reviews) - Missing Features (5 reviews) ### 10. [IBM InfoSphere Information Governance Catalog](https://www.g2.com/it/products/ibm-infosphere-information-governance-catalog/reviews) IBM® Information Governance Catalog è uno strumento interattivo basato sul web che consente agli utenti di esplorare, comprendere e analizzare le informazioni. Gli utenti possono creare, gestire e condividere un linguaggio aziendale comune, documentare e attuare politiche e regole e tracciare l'uso e il consumo dei dati all'interno di un report di lineage, fornendo informazioni affidabili per la conformità e approfondimenti. Scopri di più: https://ibm.co/2xmfLsK **Average Rating:** 4.0/5.0 **Total Reviews:** 16 **User Satisfaction Scores:** - **Facilità d'uso:** 7.6/10 (Category avg: 8.6/10) **Seller Details:** - **Venditore:** [IBM](https://www.g2.com/it/sellers/ibm) - **Anno di Fondazione:** 1911 - **Sede centrale:** Armonk, NY - **Twitter:** @IBM (709,023 follower su Twitter) - **Pagina LinkedIn®:** https://www.linkedin.com/company/1009/ (324,553 dipendenti su LinkedIn®) - **Proprietà:** SWX:IBM **Reviewer Demographics:** - **Company Size:** 53% Enterprise, 26% Mid-Market ### 11. [Cloudera Data Platform](https://www.g2.com/it/products/cloudera-cloudera-data-platform/reviews) In Cloudera, crediamo che i dati possano rendere possibile domani ciò che è impossibile oggi. Forniamo un cloud di dati aziendali per qualsiasi dato, ovunque, dall'Edge all'AI. Consentiamo alle persone di trasformare enormi quantità di dati complessi in intuizioni chiare e attuabili per migliorare le loro attività e superare le loro aspettative. Cloudera sta guidando gli ospedali verso cure migliori per il cancro, proteggendo le istituzioni finanziarie contro le frodi e il crimine informatico, e aiutando gli esseri umani ad arrivare su Marte — e oltre. Alimentata dall'innovazione incessante della comunità open-source, Cloudera avanza la trasformazione digitale per le più grandi imprese del mondo. **Average Rating:** 4.1/5.0 **Total Reviews:** 130 **User Satisfaction Scores:** - **Facilità d'uso:** 8.3/10 (Category avg: 8.6/10) - **Glossario di Business e Dati:** 8.9/10 (Category avg: 8.5/10) - **Gestione dei Metadati:** 9.1/10 (Category avg: 8.4/10) - **Tracciabilità dei dati:** 8.8/10 (Category avg: 8.6/10) **Seller Details:** - **Venditore:** [Cloudera](https://www.g2.com/it/sellers/cloudera) - **Anno di Fondazione:** 2008 - **Sede centrale:** Palo Alto, CA - **Twitter:** @cloudera (106,618 follower su Twitter) - **Pagina LinkedIn®:** https://www.linkedin.com/company/229433/ (3,387 dipendenti su LinkedIn®) - **Telefono:** 888-789-1488 **Reviewer Demographics:** - **Top Industries:** Tecnologia dell'informazione e servizi, Software per computer - **Company Size:** 43% Enterprise, 33% Piccola impresa ### 12. [Coalesce Catalog (formerly CastorDoc)](https://www.g2.com/it/products/castor-doc/reviews) Coalesce Catalog è uno strumento collaborativo e automatizzato per la scoperta e il catalogo dei dati. Crediamo che le persone che lavorano con i dati trascorrano troppo tempo cercando di trovare e comprendere i loro dati. Coalesce Catalog ridisegna il modo in cui le persone che lavorano con i dati collaborano. Fornisce una singola fonte di verità per fare riferimento e documentare tutte le conoscenze relative ai dati all'interno della tua azienda. Se stai cercando una tabella relativa ai tuoi clienti, cercala come faresti su Google, e Coalesce Catalog ti fornirà tutto il contesto di cui avrai bisogno per la tua analisi. Ispirato da strumenti interni sviluppati da Uber, Airbnb, Lyft e Spotify, Coalesce Catalog ha sviluppato una soluzione plug-and-play che si implementa in pochi minuti per generare valore per aziende di tutte le dimensioni. Scopri e cataloga i tuoi dati oggi con Coalesce Catalog. **Average Rating:** 4.7/5.0 **Total Reviews:** 63 **User Satisfaction Scores:** - **Facilità d'uso:** 9.6/10 (Category avg: 8.6/10) - **Glossario di Business e Dati:** 9.9/10 (Category avg: 8.5/10) - **Gestione dei Metadati:** 9.9/10 (Category avg: 8.4/10) - **Tracciabilità dei dati:** 9.9/10 (Category avg: 8.6/10) **Seller Details:** - **Venditore:** [Coalesce](https://www.g2.com/it/sellers/coalesce) - **Sito web dell'azienda:** https://coalesce.io/ - **Anno di Fondazione:** 2020 - **Sede centrale:** San Francisco, CA - **Pagina LinkedIn®:** https://www.linkedin.com/company/coalesceio/ (127 dipendenti su LinkedIn®) **Reviewer Demographics:** - **Top Industries:** Tecnologia dell'informazione e servizi, Servizi finanziari - **Company Size:** 59% Mid-Market, 27% Enterprise #### Pros & Cons **Pros:** - Ease of Use (3 reviews) - Collaboration (2 reviews) - Connectivity (2 reviews) - Data Lineage (2 reviews) - Useful (2 reviews) **Cons:** - Connector Issues (1 reviews) - Integration Issues (1 reviews) - Limitations (1 reviews) ### 13. [data.world](https://www.g2.com/it/products/data-world/reviews) data.world è il catalogo dati e la piattaforma di governance più adottata sul mercato. Costruito su una base unica di knowledge graph, data.world si integra perfettamente con i tuoi sistemi esistenti. Stabiliamo lo standard per una governance rapida e incentrata sulle persone. Non ci limitiamo a gestire i dati; ne sblocchiamo il potenziale, aprendo la strada all'adozione responsabile dell'IA e alla presa di decisioni basate sui dati su larga scala. data.world è una Certified B Corporation e una public benefit corporation ed è la sede della più grande comunità collaborativa di dati aperti al mondo con oltre due milioni di membri, inclusi il novanta percento delle aziende Fortune 500. **Average Rating:** 4.2/5.0 **Total Reviews:** 12 **User Satisfaction Scores:** - **Facilità d'uso:** 8.8/10 (Category avg: 8.6/10) - **Glossario di Business e Dati:** 9.2/10 (Category avg: 8.5/10) - **Gestione dei Metadati:** 8.8/10 (Category avg: 8.4/10) - **Tracciabilità dei dati:** 9.3/10 (Category avg: 8.6/10) **Seller Details:** - **Venditore:** [data.world](https://www.g2.com/it/sellers/data-world) - **Anno di Fondazione:** 2016 - **Sede centrale:** Austin, Texas - **Twitter:** @datadotworld (5,515 follower su Twitter) - **Pagina LinkedIn®:** https://www.linkedin.com/company/data.world/ (107 dipendenti su LinkedIn®) **Reviewer Demographics:** - **Company Size:** 67% Piccola impresa, 25% Mid-Market #### Pros & Cons **Pros:** - Analytics (1 reviews) - Data Discovery (1 reviews) - Data Management (1 reviews) - Data Visualization (1 reviews) - Ease of Use (1 reviews) **Cons:** - Poor Customer Support (1 reviews) - Poor Support Services (1 reviews) ### 14. [Sifflet](https://www.g2.com/it/products/sifflet/reviews) Informazioni su Sifflet Sifflet è una piattaforma di osservabilità dei dati consapevole del business che sposta i team di dati dal reattivo spegnimento degli incendi all'intelligenza decisionale proattiva. Alimentato da un sistema intelligente di agenti AI—Sentinel, Sage e Forge—Sifflet rileva autonomamente anomalie, diagnostica le cause principali e suggerisce risoluzioni del codice. Arricchendo gli avvisi tecnici con la tracciabilità completa dello stack e l'uso aziendale a valle, Sifflet consente agli ingegneri dei dati e ai leader di dare priorità agli incidenti in base al rischio aziendale piuttosto che alla gravità tecnica. Fidato da leader del settore come Carrefour o Penguin Random House, Sifflet colma il divario tra qualità dei dati e impatto aziendale, garantendo che i tuoi dati siano sempre sicuri per decisioni esecutive e consumo AI. Scopri di più su siffletdata.com. **Average Rating:** 4.4/5.0 **Total Reviews:** 45 **User Satisfaction Scores:** - **Facilità d'uso:** 8.5/10 (Category avg: 8.6/10) - **Glossario di Business e Dati:** 8.3/10 (Category avg: 8.5/10) **Seller Details:** - **Venditore:** [Sifflet](https://www.g2.com/it/sellers/sifflet) - **Sito web dell'azienda:** https://www.siffletdata.com/ - **Anno di Fondazione:** 2021 - **Sede centrale:** Paris, Ile-de-France - **Twitter:** @Siffletdata (393 follower su Twitter) - **Pagina LinkedIn®:** https://www.linkedin.com/company/sifflet/ (48 dipendenti su LinkedIn®) **Reviewer Demographics:** - **Top Industries:** Software per computer - **Company Size:** 78% Mid-Market, 24% Enterprise #### Pros & Cons **Pros:** - Efficiency Improvement (37 reviews) - Ease of Use (36 reviews) - Monitoring (36 reviews) - Data Lineage (32 reviews) - Alerting System (31 reviews) **Cons:** - Limited Customization (17 reviews) - Complex Setup (11 reviews) - Alert Management (10 reviews) - Limited Integration (10 reviews) - Lineage Issues (10 reviews) ### 15. [IBM watsonx.data intelligence](https://www.g2.com/it/products/ibm-watsonx-data-intelligence/reviews) IBM watsonx.data intelligence rivoluziona il modo in cui le organizzazioni curano, gestiscono e utilizzano i dati sfruttando la potenza dell'IA per semplificare la distribuzione dei dati attraverso ecosistemi ibridi. IBM watsonx.data intelligence è una soluzione completa che integra funzionalità come la governance dei dati (precedentemente IBM Knowledge Catalog), la tracciabilità dei dati (precedentemente IBM Manta Data Lineage), la condivisione dei dati e la gestione della qualità dei dati. Consente alle organizzazioni di scoprire, fidarsi e accedere a dati significativi, fornendo ai consumatori prodotti di dati affidabili. Esplora la Libreria Demo - https://www.ibm.com/products/watsonx-data-intelligence/demo-library Inizia la tua prova gratuita - https://dataplatform.cloud.ibm.com/registration/stepone?context=df&apps=all&uucid=1227cc9e37cb9292&preselect\_region=true **Average Rating:** 4.2/5.0 **Total Reviews:** 24 **User Satisfaction Scores:** - **Facilità d'uso:** 8.4/10 (Category avg: 8.6/10) - **Glossario di Business e Dati:** 7.5/10 (Category avg: 8.5/10) - **Gestione dei Metadati:** 7.5/10 (Category avg: 8.4/10) - **Tracciabilità dei dati:** 8.3/10 (Category avg: 8.6/10) **Seller Details:** - **Venditore:** [IBM](https://www.g2.com/it/sellers/ibm) - **Anno di Fondazione:** 1911 - **Sede centrale:** Armonk, NY - **Twitter:** @IBM (709,023 follower su Twitter) - **Pagina LinkedIn®:** https://www.linkedin.com/company/1009/ (324,553 dipendenti su LinkedIn®) - **Proprietà:** SWX:IBM **Reviewer Demographics:** - **Company Size:** 38% Piccola impresa, 34% Enterprise #### Pros & Cons **Pros:** - Automation (3 reviews) - Data Lineage (3 reviews) - Data Quality (2 reviews) - Ease of Use (2 reviews) - Efficiency (2 reviews) **Cons:** - Complex Implementation (3 reviews) - Complexity (2 reviews) - Expensive (2 reviews) - Expertise Required (2 reviews) - Extra Costs (2 reviews) ### 16. [Oracle Enterprise Metadata Management](https://www.g2.com/it/products/oracle-enterprise-metadata-management/reviews) Oracle Enterprise Metadata Management (OEMM) è una piattaforma completa per la gestione dei metadati. OEMM può raccogliere e catalogare metadati da praticamente qualsiasi fornitore di metadati, inclusi relazionali, Hadoop, ETL, BI, modellazione dei dati e molti altri. **Average Rating:** 3.7/5.0 **Total Reviews:** 16 **User Satisfaction Scores:** - **Facilità d'uso:** 5.6/10 (Category avg: 8.6/10) - **Glossario di Business e Dati:** 5.7/10 (Category avg: 8.5/10) - **Gestione dei Metadati:** 6.0/10 (Category avg: 8.4/10) - **Tracciabilità dei dati:** 5.7/10 (Category avg: 8.6/10) **Seller Details:** - **Venditore:** [Oracle](https://www.g2.com/it/sellers/oracle) - **Anno di Fondazione:** 1977 - **Sede centrale:** Austin, TX - **Twitter:** @Oracle (827,310 follower su Twitter) - **Pagina LinkedIn®:** https://www.linkedin.com/company/1028/ (199,301 dipendenti su LinkedIn®) - **Proprietà:** NYSE:ORCL **Reviewer Demographics:** - **Company Size:** 44% Enterprise, 38% Piccola impresa ### 17. [Common Voice dataset](https://www.g2.com/it/products/common-voice-dataset/reviews) Ogni voce nel dataset consiste in un file MP3 unico e un file di testo corrispondente. Molte delle 1.368 ore registrate nel dataset includono anche metadati demografici come età, sesso e accento che possono aiutare ad allenare l'accuratezza dei motori di riconoscimento vocale. Attualmente, il dataset consiste di 1.087 ore validate in 18 lingue, ma stiamo sempre aggiungendo più voci e lingue. **Average Rating:** 4.5/5.0 **Total Reviews:** 11 **User Satisfaction Scores:** - **Facilità d'uso:** 8.2/10 (Category avg: 8.6/10) - **Glossario di Business e Dati:** 6.8/10 (Category avg: 8.5/10) - **Gestione dei Metadati:** 8.2/10 (Category avg: 8.4/10) - **Tracciabilità dei dati:** 6.8/10 (Category avg: 8.6/10) **Seller Details:** - **Venditore:** [Mozilla](https://www.g2.com/it/sellers/mozilla) - **Anno di Fondazione:** 2005 - **Sede centrale:** San Francisco, CA - **Twitter:** @mozilla (262,146 follower su Twitter) - **Pagina LinkedIn®:** https://www.linkedin.com/company/13948/ (1,749 dipendenti su LinkedIn®) **Reviewer Demographics:** - **Company Size:** 64% Piccola impresa, 27% Mid-Market ### 18. [Informatica Enterprise Data Catalog](https://www.g2.com/it/products/informatica-enterprise-data-catalog/reviews) Un catalogo di dati basato su machine learning che consente di classificare e organizzare le risorse di dati su cloud, on-premises e big data. Fornisce il massimo valore e riutilizzo dei dati in tutta l'impresa. **Average Rating:** 4.3/5.0 **Total Reviews:** 19 **User Satisfaction Scores:** - **Facilità d'uso:** 7.8/10 (Category avg: 8.6/10) - **Glossario di Business e Dati:** 7.7/10 (Category avg: 8.5/10) - **Gestione dei Metadati:** 8.0/10 (Category avg: 8.4/10) - **Tracciabilità dei dati:** 8.3/10 (Category avg: 8.6/10) **Seller Details:** - **Venditore:** [Informatica](https://www.g2.com/it/sellers/informatica) - **Anno di Fondazione:** 1993 - **Sede centrale:** Redwood City, CA - **Twitter:** @Informatica (99,880 follower su Twitter) - **Pagina LinkedIn®:** https://www.linkedin.com/company/3858/ (5,337 dipendenti su LinkedIn®) - **Proprietà:** NYSE: INFA **Reviewer Demographics:** - **Top Industries:** Tecnologia dell'informazione e servizi, Software per computer - **Company Size:** 53% Enterprise, 26% Mid-Market ### 19. [Coginiti](https://www.g2.com/it/products/coginiti/reviews) Coginiti è una piattaforma collaborativa di operazioni sui dati incentrata su SQL che consente ai team di costruire, pubblicare e consumare prodotti di dati di qualità, semplificando il ciclo di vita dell'analisi dei dati dall'inizio agli approfondimenti. Integrandosi con la più ampia varietà di piattaforme e strumenti di dati, Coginiti permette ad analisti, ingegneri e data scientist di collaborare in tempo reale, abbattendo i silos e promuovendo l'innovazione. La sua interfaccia intuitiva semplifica la gestione di flussi di lavoro complessi sui dati, garantendo governance e coerenza tra i progetti. Caratteristiche principali: - Collaborazione in tempo reale - Modellazione dei dati flessibile - Test di qualità dei dati - Visualizzazione della provenienza dei dati - Pianificazione nativa - API potenti - Assistente AI Coginiti facilita una transizione senza soluzione di continuità dalla preparazione dei dati all'intelligenza azionabile. Non si tratta solo di affinare la tua strategia sui dati o di scalare le tue capacità analitiche; si tratta di dare potere alla tua organizzazione di sfruttare tutto il potenziale dei dati per prendere decisioni informate. Scopri il potere di Coginiti e trasforma le tue operazioni sui dati. Coginiti offre prodotti per analisti individuali, team di dati e imprese. **Average Rating:** 4.5/5.0 **Total Reviews:** 29 **User Satisfaction Scores:** - **Facilità d'uso:** 9.4/10 (Category avg: 8.6/10) - **Glossario di Business e Dati:** 8.9/10 (Category avg: 8.5/10) - **Gestione dei Metadati:** 8.8/10 (Category avg: 8.4/10) - **Tracciabilità dei dati:** 8.7/10 (Category avg: 8.6/10) **Seller Details:** - **Venditore:** [Coginiti Corp](https://www.g2.com/it/sellers/coginiti-corp) - **Anno di Fondazione:** 2020 - **Sede centrale:** Atlanta , GA - **Twitter:** @coginiti (70 follower su Twitter) - **Pagina LinkedIn®:** https://www.linkedin.com/company/coginiti (33 dipendenti su LinkedIn®) **Reviewer Demographics:** - **Company Size:** 66% Enterprise, 28% Mid-Market ### 20. [BMC AMI Data](https://www.g2.com/it/products/bmc-ami-data/reviews) BMC AMI Data è un portafoglio di soluzioni intelligenti per la gestione dei dati e l'ottimizzazione delle prestazioni per ambienti IBM Z. Aiuta le imprese a ottimizzare, proteggere e modernizzare i dati mainframe mission-critical, inclusi Db2, IMS e VSAM, riducendo al contempo costi, rischi e complessità operativa. La soluzione automatizza la manutenzione dei dati, analizza il comportamento del sistema e fornisce approfondimenti predittivi per ridurre l'uso della CPU, minimizzare il rischio operativo e mantenere i carichi di lavoro critici in esecuzione senza interruzioni. Modernizzando il modo in cui i dati mainframe sono gestiti, BMC AMI Data consente alle imprese di controllare la crescita dei dati, ottimizzare i costi e supportare applicazioni aziendali ad alto volume e sempre attive. **Average Rating:** 4.3/5.0 **Total Reviews:** 24 **User Satisfaction Scores:** - **Facilità d'uso:** 8.2/10 (Category avg: 8.6/10) **Seller Details:** - **Venditore:** [BMC Software](https://www.g2.com/it/sellers/bmc-software) - **Anno di Fondazione:** 1980 - **Sede centrale:** Houston, TX - **Twitter:** @BMCSoftware (48,048 follower su Twitter) - **Pagina LinkedIn®:** https://www.linkedin.com/company/1597/ (9,008 dipendenti su LinkedIn®) - **Telefono:** 713 918 8800 **Reviewer Demographics:** - **Top Industries:** Software per computer - **Company Size:** 50% Piccola impresa, 25% Mid-Market #### Pros & Cons **Pros:** - Analytics (1 reviews) - Automation (1 reviews) - Ease of Use (1 reviews) - Easy Integrations (1 reviews) - Features (1 reviews) **Cons:** - Expensive (1 reviews) - Installation Difficulty (1 reviews) - Learning Curve (1 reviews) - Limited Compatibility (1 reviews) - Limited Customization (1 reviews) ### 21. [DataHub](https://www.g2.com/it/products/datahub/reviews) DataHub è una piattaforma di contesto per dati e AI basata su eventi, progettata per unificare la scoperta, la governance e l'osservabilità in tutto il patrimonio dati di un'organizzazione. A differenza dei cataloghi di dati tradizionali, DataHub Cloud offre aggiornamenti in tempo reale, applicazione automatica delle politiche e integrazione senza soluzione di continuità con oltre 100 fonti di dati. Questo assicura che le organizzazioni possano mantenere la qualità dei dati, la conformità e la prontezza per l'AI su larga scala, affrontando le complessità della gestione moderna dei dati. Rivolto a team di dati, professionisti della governance e praticanti di AI, DataHub serve un pubblico diversificato che include ingegneri dei dati, analisti, amministratori dei dati e responsabili della conformità. La piattaforma è particolarmente vantaggiosa per le organizzazioni che richiedono una fonte centralizzata di verità per tutti i metadati attraverso vari ambienti, come data warehouse, laghi di dati, piattaforme di business intelligence, sistemi di machine learning e agenti AI. Consolidando i processi di gestione dei dati, DataHub migliora la collaborazione e l'efficienza all'interno dei team di dati, permettendo loro di lavorare in modo più efficace. Una delle caratteristiche distintive di DataHub è il tracciamento automatico della lineage dei dati, che opera fino al livello di colonna. Questa capacità consente ai team di valutare rapidamente l'impatto di eventuali cambiamenti a monte, facilitando il debug più rapido dei problemi di qualità e aiutando a evitare incidenti costosi prima che si espandano in produzione. Inoltre, la piattaforma impiega funzionalità potenziate dall'AI per gestire compiti ripetitivi associati ai metadati, come la generazione di documentazione, la classificazione intelligente del glossario e l'etichettatura dei dati sensibili. Questa automazione consente ai professionisti dei dati di concentrarsi su attività di maggior valore, aumentando così la produttività complessiva. Per i team di governance dei dati e conformità, DataHub offre strumenti robusti per l'applicazione continua delle politiche, controlli di accesso basati sui ruoli e rilevamento delle informazioni personali identificabili (PII). La piattaforma è progettata per supportare standard normativi come GDPR, HIPAA e PCI, il tutto riducendo al minimo la supervisione manuale. Questo assicura che le organizzazioni possano mantenere la conformità senza l'onere di processi manuali estesi. Inoltre, per i team di AI e ML, DataHub fornisce il contesto dati affidabile essenziale per sviluppare agenti e modelli AI affidabili, favorendo l'innovazione e migliorando i risultati. Con il supporto di investitori di spicco come Bessemer Venture Partners, LinkedIn e 8VC, DataHub ha guadagnato la fiducia di organizzazioni leader, tra cui Netflix, Visa, Slack e Pinterest. Questa adozione diffusa sottolinea l'efficacia della piattaforma nel trasformare le operazioni sui dati e migliorare il panorama complessivo della gestione dei dati. Per ulteriori informazioni, visita datahub.com. **Average Rating:** 4.4/5.0 **Total Reviews:** 8 **User Satisfaction Scores:** - **Facilità d'uso:** 8.5/10 (Category avg: 8.6/10) **Seller Details:** - **Venditore:** [DataHub](https://www.g2.com/it/sellers/datahub) - **Sito web dell'azienda:** https://datahub.com/ - **Anno di Fondazione:** 2013 - **Sede centrale:** Palo Alto, California - **Twitter:** @DataHubCloud (676 follower su Twitter) - **Pagina LinkedIn®:** https://www.linkedin.com/company/datahub-cloud/ (18 dipendenti su LinkedIn®) **Reviewer Demographics:** - **Company Size:** 63% Mid-Market, 25% Enterprise #### Pros & Cons **Pros:** - Ease of Use (3 reviews) - Connectivity (2 reviews) - Open Source (2 reviews) - Accuracy (1 reviews) - Affordable (1 reviews) **Cons:** - Integration Issues (2 reviews) - Dependency Issues (1 reviews) - Difficult Interface (1 reviews) - Lack of Features (1 reviews) - Large Data Management (1 reviews) ### 22. [ServiceNow Workflow Data Fabric](https://www.g2.com/it/products/servicenow-workflow-data-fabric/reviews) Workflow Data Fabric è la base dati pronta per l'AI della piattaforma AI di ServiceNow. Si connette a qualsiasi tipo di dati—strutturati, non strutturati e in streaming—contestualizzandoli con significato aziendale e governance, e li controlla con tracciabilità e politiche in modo che i dipendenti e gli agenti AI possano agire con fiducia su informazioni in tempo reale per prevenire interruzioni, risolvere richieste più velocemente e ottimizzare le operazioni—tutto su un'unica piattaforma. Come Workflow Data Fabric trasforma i dati in azione immediata Connetti Unifica i dati da sistemi come Salesforce, SAP, Workday, data lake e flussi di eventi in tempo reale senza duplicazione o integrazioni fragili punto a punto. Con Zero Copy Connectors, Stream Connect, External Content Connectors e Integration Hub, WDF semplifica l'architettura e riduce i costi e i tempi di integrazione. Contestualizza Dai ai dati un significato aziendale e rendili affidabili con un Catalogo Dati attivo, governance integrata e tracciabilità. Usa Knowledge Graph per mappare le relazioni (ad esempio, clienti, asset, ordini) in modo che gli agenti AI e i flussi di lavoro comprendano il contesto e prendano decisioni accurate nel flusso di lavoro. Controlla Applica politiche, permessi e controlli di conformità su fonti connesse in modo che le persone giuste e gli agenti AI accedano ai dati giusti, al momento giusto, con piena auditabilità e tracciabilità—niente più copie ombra o pipeline opache. **Average Rating:** 4.3/5.0 **Total Reviews:** 103 **User Satisfaction Scores:** - **Facilità d'uso:** 8.0/10 (Category avg: 8.6/10) - **Glossario di Business e Dati:** 8.3/10 (Category avg: 8.5/10) - **Gestione dei Metadati:** 5.0/10 (Category avg: 8.4/10) - **Tracciabilità dei dati:** 7.1/10 (Category avg: 8.6/10) **Seller Details:** - **Venditore:** [ServiceNow](https://www.g2.com/it/sellers/servicenow) - **Sito web dell'azienda:** https://www.servicenow.com/ - **Anno di Fondazione:** 2004 - **Sede centrale:** Santa Clara, CA - **Twitter:** @servicenow (54,113 follower su Twitter) - **Pagina LinkedIn®:** https://www.linkedin.com/company/29352/ (32,701 dipendenti su LinkedIn®) **Reviewer Demographics:** - **Who Uses This:** Software Engineer - **Top Industries:** Tecnologia dell'informazione e servizi, Software per computer - **Company Size:** 44% Enterprise, 30% Mid-Market #### Pros & Cons **Pros:** - Ease of Use (37 reviews) - Integrations (34 reviews) - Automation (30 reviews) - Efficiency Improvement (26 reviews) - Data Management (25 reviews) **Cons:** - Complex Setup (23 reviews) - Difficult Setup (17 reviews) - Expensive (15 reviews) - Slow Performance (14 reviews) - Complexity (13 reviews) ### 23. [Talend Data Catalog](https://www.g2.com/it/products/talend-data-catalog/reviews) Data Catalog esegue automaticamente la scansione, il profiling, l'organizzazione, il collegamento e l'arricchimento di tutti i tuoi metadati. Fino all'80% delle informazioni associate ai dati viene documentato automaticamente e mantenuto aggiornato attraverso relazioni intelligenti e apprendimento automatico, fornendo continuamente i dati più significativi all'utente. **Average Rating:** 4.2/5.0 **Total Reviews:** 12 **User Satisfaction Scores:** - **Facilità d'uso:** 8.0/10 (Category avg: 8.6/10) - **Glossario di Business e Dati:** 6.7/10 (Category avg: 8.5/10) - **Gestione dei Metadati:** 9.4/10 (Category avg: 8.4/10) - **Tracciabilità dei dati:** 9.4/10 (Category avg: 8.6/10) **Seller Details:** - **Venditore:** [Qlik](https://www.g2.com/it/sellers/qlik) - **Anno di Fondazione:** 1993 - **Sede centrale:** Radnor, PA - **Twitter:** @qlik (64,285 follower su Twitter) - **Pagina LinkedIn®:** https://www.linkedin.com/company/10162/ (4,529 dipendenti su LinkedIn®) - **Telefono:** 1 (888) 994-9854 **Reviewer Demographics:** - **Company Size:** 42% Mid-Market, 33% Enterprise #### Pros & Cons **Pros:** - Data Cataloging (1 reviews) - Data Discovery (1 reviews) - Ease of Use (1 reviews) - Intuitive (1 reviews) - Intuitive Use (1 reviews) **Cons:** - Interface Complexity (1 reviews) - Poor Interface Design (1 reviews) - Poor UI Design (1 reviews) - User Interface Issues (1 reviews) - UX Design (1 reviews) ### 24. [Zeenea](https://www.g2.com/it/products/zeenea/reviews) Zeenea è la piattaforma di Data Discovery costruita per consentire a tutti di trovare, fidarsi e sbloccare il valore dei dati aziendali. La piattaforma cloud offre due esperienze utente moderne: Zeenea Studio è l'applicazione progettata per gli esperti di dati per risparmiare tempo nella gestione, documentazione e governance dei dati con la massima automazione; mentre Zeenea Explorer consente agli utenti aziendali di aumentare la produttività trovando le risorse di dati di cui hanno bisogno in tutte le informazioni aziendali. Gli scanner integrati e le API di Zeenea consentono alle organizzazioni di raccogliere, consolidare e collegare automaticamente i metadati dal loro ecosistema di dati. Con un potente grafo della conoscenza e un motore di ricerca intelligente, i team di dati possono attivare tutti i metadati aziendali attraverso un'unica fonte di verità. Zeenea aiuta decine di organizzazioni in tutto il mondo a democratizzare i dati, tra cui il Gruppo BPCE, Club Med, Generali, Renault, Société Générale, Solactive e Stellantis. Le soluzioni di Zeenea certificate SOC 2 Type II includono un Catalogo Dati, un Glossario Aziendale, Data Lineage, Data Quality, Data Governance, Data Stewardship, Data Privacy, Conformità Normativa, Trasformazione Cloud. **Average Rating:** 4.4/5.0 **Total Reviews:** 12 **User Satisfaction Scores:** - **Facilità d'uso:** 8.3/10 (Category avg: 8.6/10) - **Glossario di Business e Dati:** 8.3/10 (Category avg: 8.5/10) - **Gestione dei Metadati:** 8.8/10 (Category avg: 8.4/10) - **Tracciabilità dei dati:** 7.5/10 (Category avg: 8.6/10) **Seller Details:** - **Venditore:** [Zeenea](https://www.g2.com/it/sellers/zeenea) - **Anno di Fondazione:** 2017 - **Sede centrale:** Paris, √éle-de-France - **Twitter:** @ZeeneaSoftware (251 follower su Twitter) - **Pagina LinkedIn®:** http://www.linkedin.com/company/zeenea (26 dipendenti su LinkedIn®) **Reviewer Demographics:** - **Company Size:** 50% Mid-Market, 25% Enterprise ### 25. [DataGalaxy](https://www.g2.com/it/products/datagalaxy/reviews) Fondata in Francia e in rapida espansione in tutta Europa e negli Stati Uniti, DataGalaxy è fidata da oltre 200 imprese globali, tra cui Dior, Airbus e SwissLife. L'azienda è impegnata a promuovere la cultura e l'alfabetizzazione dei dati aiutando le organizzazioni a fornire metadati agli agenti e valore alle persone. La piattaforma sottolinea l'importanza dei metadati, garantendo che tutte le parti interessate abbiano accesso al contesto e alle informazioni necessarie per prendere decisioni informate. La piattaforma presenta due prodotti principali: DataGalaxy Catalog e DataGalaxy Portfolio. DataGalaxy Catalog funge da repository completo di metadati, fornendo agli utenti il contesto necessario per costruire fiducia nei loro asset di dati garantendo al contempo la conformità con le normative pertinenti. Questo hub centralizzato consente alle organizzazioni di gestire i propri metadati in modo efficiente, facilitando per i team la ricerca, la comprensione e l'utilizzo dei dati per iniziative strategiche. D'altra parte, DataGalaxy Portfolio agisce come uno strumento di gestione del valore che traccia l'impatto del ROI delle iniziative di dati e AI sulle prestazioni aziendali. Consente alle organizzazioni di tracciare e dimostrare il valore creato dai loro investimenti in dati, promuovendo l'allineamento dai dirigenti di livello C fino agli stakeholder aziendali. Visualizzando i risultati dei progetti basati sui dati, DataGalaxy Portfolio aiuta le organizzazioni a dare priorità ai loro sforzi e ad allocare le risorse in modo efficace, garantendo che le iniziative sui dati siano allineate con gli obiettivi aziendali. Rivolta alle imprese che cercano di migliorare le loro pratiche di governance e gestione dei dati, DataGalaxy è particolarmente vantaggiosa per le organizzazioni che operano in ambienti complessi dove i dati sono abbondanti ma sottoutilizzati. Integrando la governance dei dati con la strategia aziendale, DataGalaxy si distingue nella sua categoria come una soluzione che non solo affronta gli aspetti tecnici della gestione dei dati, ma sottolinea anche l'elemento umano dell'utilizzo dei dati. Questo approccio olistico garantisce che le organizzazioni possano massimizzare il valore dei loro asset di dati promuovendo la collaborazione tra i team, portando infine a migliori risultati aziendali. **Average Rating:** 4.8/5.0 **Total Reviews:** 62 **User Satisfaction Scores:** - **Facilità d'uso:** 9.5/10 (Category avg: 8.6/10) - **Glossario di Business e Dati:** 10.0/10 (Category avg: 8.5/10) - **Gestione dei Metadati:** 9.6/10 (Category avg: 8.4/10) - **Tracciabilità dei dati:** 9.6/10 (Category avg: 8.6/10) **Seller Details:** - **Venditore:** [DataGalaxy](https://www.g2.com/it/sellers/datagalaxy) - **Sito web dell'azienda:** https://www.datagalaxy.com - **Anno di Fondazione:** 2015 - **Sede centrale:** Lyon, Rhone-Alpes - **Twitter:** @DataGalaxy (866 follower su Twitter) - **Pagina LinkedIn®:** https://www.linkedin.com/company/datagalaxy/ (98 dipendenti su LinkedIn®) **Reviewer Demographics:** - **Top Industries:** Assicurazioni, Bancario - **Company Size:** 55% Enterprise, 42% Mid-Market #### Pros & Cons **Pros:** - Ease of Use (10 reviews) - Integrations (6 reviews) - User Interface (5 reviews) - Collaboration (4 reviews) - Automation (3 reviews) **Cons:** - Limited Functionality (3 reviews) - User Interface Issues (3 reviews) - Missing Features (2 reviews) - Product Immaturity (2 reviews) - User Difficulty (2 reviews) ## Parent Category [Software per l'infrastruttura IT](https://www.g2.com/it/categories/it-infrastructure) ## Related Categories - [Strumenti di Qualità dei Dati](https://www.g2.com/it/categories/data-quality) - [Strumenti di Governance dei Dati](https://www.g2.com/it/categories/data-governance-tools) - [Software di gestione attiva dei metadati](https://www.g2.com/it/categories/active-metadata-management) --- ## Buyer Guide ### Cosa Dovresti Sapere sul Software di Gestione dei Reclami Sanitari ### Cos'è un Catalogo Dati di Machine Learning? Un catalogo dati di machine learning (MLDC) è un catalogo dati automatizzato che svolge compiti come la scansione dei metadati, la catalogazione e la classificazione dei dati personali identificabili (PII). I cataloghi dati di machine learning organizzano l'inventario dei dataset utilizzando i metadati. I cataloghi dati aiutano le aziende a sapere dove sono memorizzati i dati, riducendo così il tempo necessario per identificare i dati e rendendoli facilmente accessibili per l'analisi. Sono inventari di risorse come tabelle, schemi, file e grafici nelle organizzazioni, aiutando a risolvere le sfide di scoperta, qualità e governance dei dati di un'azienda. ### Cosa Significa MLDC? MLDC è un acronimo per Machine Learning Data Catalog. ### Quali sono le Caratteristiche Comuni dei Cataloghi Dati di Machine Learning? I cataloghi dati di machine learning semplificano le funzioni manuali di un catalogo dati. Un catalogo dati è una parte essenziale della strategia di gestione dei dati di qualsiasi organizzazione. Alcune delle caratteristiche dei cataloghi dati di machine learning sono: **Ingestione e scoperta dei dati:** I cataloghi dati di machine learning devono avere adattatori predefiniti per connettersi a diversi sistemi aziendali come applicazioni, database, file e API esterne. Questi adattatori aiutano a scoprire i metadati dai sistemi. I metadati possono essere nomi di tabelle, nomi di attributi e vincoli. La caratteristica aiuta a costruire connettività nativa come integrazioni per fonti di dati, soluzioni di business intelligence (BI) e strumenti di data science. **Glossario aziendale:** Sebbene una buona quantità di dati sia memorizzata nel repository, è anche essenziale che gli utenti comprendano cosa significano i dati memorizzati. La funzione di glossario collega questi dati ai termini aziendali dando loro più significato. **Etichettatura automatizzata dei dati:** L'etichettatura dei dati è un prerequisito per gli algoritmi di machine learning. L'etichettatura automatizzata dei dati è più accurata di quella manuale poiché elimina gli errori umani. L'etichettatura dei dati di solito coinvolge annotatori che identificano oggetti nelle immagini per costruire dati di addestramento di intelligenza artificiale (AI) di qualità. L'etichettatura automatizzata elimina le sfide poste dai cicli di annotazione tediosi. **Lineage dei dati:** Il lineage dei dati è il processo che aiuta gli utenti a sapere chi, perché, quando e dove vengono apportate modifiche ai dati. È una parte della gestione dei metadati. Gli MLDC automatizzano il processo di lineage dei dati. Il lineage dei dati aiuta a determinare quando nuovi dati o dati modificati richiedono il riaddestramento dei modelli di machine learning. Gli MLDC di solito analizzano automaticamente i log delle query nei data lake e in altre fonti di dati per creare una mappa del lineage dei dati. **Monitoraggio della qualità dei dati e rilevamento delle anomalie:** Il monitoraggio della qualità dei dati aiuta gli utenti a capire se i dati provengono da una fonte affidabile. Il catalogo dati di machine learning ha anche una funzione per identificare cambiamenti improvvisi nei dati utilizzando algoritmi di machine learning. Gli utenti vengono immediatamente avvisati di eventuali cambiamenti o anomalie rilevate. **Ricerca semantica per set di dati:** I cataloghi dati di machine learning forniscono agli utenti ricerche visive e intuitive come i motori di ricerca. Quasi ogni utente in qualsiasi organizzazione è un utente di dati, ma non tutti possono utilizzare query SQL per utilizzare i dati. La funzione di ricerca semantica rende più facile per tutti gli utenti scoprire set di dati. **Capacità di conformità:** Questa funzione garantisce che i dati sensibili non siano esposti e che l'utente possa fidarsi dei dati. Aiuta inoltre a mantenere in vigore le politiche di governance dei dati e a rafforzare la gestione dei dati nell'organizzazione. I responsabili dei dati possono identificare dati di bassa qualità e limitare l'accesso ai dati sensibili, aiutando così a rispettare regolamenti come il Regolamento Generale sulla Protezione dei Dati (GDPR). **Profilazione dei dati:** La profilazione dei dati aiuta a controllare i dati dalla fonte e raccoglie informazioni su di essi. Questo processo aiuta a conoscere meglio i problemi di qualità dei dati, rendendo così il processo di gestione dei dati più efficiente. ### Quali sono i Benefici dei Cataloghi Dati di Machine Learning? Un catalogo dati di machine learning fornisce diversi benefici a diversi tipi di utenti nell'organizzazione. Questi includono: **Facilità nella cura dei dati:** La cura dei dati è un processo di raccolta, organizzazione, etichettatura e pulizia dei dati. I cataloghi dati di machine learning convalidano i metadati e organizzano le intuizioni nei repository corretti utilizzando algoritmi di machine learning. **Facilità di ricerca:** Grazie alla ricerca semantica, diventa più facile per gli utenti non tecnici cercare e scoprire dati da utilizzare poiché non devono utilizzare query SQL ogni volta per accedere ai dati. **Facilità nella collaborazione sui dati:** I cataloghi dati di machine learning aiutano gli utenti a collaborare, utilizzare e condividere set di dati perché i cataloghi dati di machine learning facilitano la ricerca e l'archiviazione dei dati isolati. ### Chi Utilizza i Cataloghi Dati di Machine Learning? I cataloghi dati di machine learning centralizzano i metadati per varie risorse di dati. Organizzando i metadati, gli MLDC aiutano le organizzazioni a governare l'accesso ai dati. **Analisti dei dati:** Gli analisti dei dati utilizzano gli MLDC per scoprire, classificare e manipolare i dati per i loro processi analitici. Possono anche scoprire modelli di AI o machine learning, capire come funzionano e importarli nei loro strumenti di BI. I cataloghi dati aiutano gli analisti dei dati a trasformare le aziende in organizzazioni self-service. L'analisi self-service è importante per qualsiasi organizzazione che voglia essere guidata dalle intuizioni. I cataloghi dati di machine learning aiutano gli utenti a sapere come trovare, comprendere e fidarsi dei dati. **Marketer:** I team di marketing utilizzano il catalogo dati di machine learning in modo più commerciale. Ottengono intuizioni per prendere decisioni migliori utilizzando i cataloghi dati. **Data scientist:** I data scientist di solito pubblicano i loro modelli per il riutilizzo. I data scientist cercano sempre una piattaforma che centralizzi i dati per diversi progetti. ### Sfide con i Cataloghi Dati di Machine Learning Sebbene i cataloghi dati di machine learning aiutino a risolvere le principali sfide nei cataloghi dati tradizionali come la scoperta dei dati e il lineage dei dati, gli MLDC presentano anche delle sfide. **Scalabilità:** È difficile per tutti gli MLDC supportare un enorme volume di metadati. A volte, i cataloghi dati si bloccano a causa di problemi di prestazioni quando sovraccaricati con enormi quantità di metadati. Inizialmente, i dati venivano memorizzati nel data center principale dell'azienda. Tuttavia, a causa dei big data di oggi, i cataloghi dati di machine learning devono tenere traccia dei dati sia nel cloud che nei data lake. **Frammentazione nella valutazione di un prodotto:** Se un catalogo dati è troppo ingombrante, causa frammentazione nel percorso dell'utente nella valutazione di un prodotto. Troppi dati fanno sì che gli utenti utilizzino troppi strumenti, rompendo così un'esperienza senza soluzione di continuità in frammenti. ### Come Acquistare Cataloghi Dati di Machine Learning #### Raccolta dei Requisiti (RFI/RFP) per Cataloghi Dati di Machine Learning Il catalogo dati di machine learning offre molte funzionalità per aiutare gli utenti a identificare i dati utilizzabili. Un acquirente può scegliere il software MLDC giusto a seconda delle esigenze dell'organizzazione. Gli RFP/RFI aiutano l'organizzazione a cercare prezzi, caratteristiche del prodotto e linee guida. #### Confrontare i Prodotti dei Cataloghi Dati di Machine Learning **Creare una lista lunga** Il primo passo è cercare tutti i possibili attori nello spazio. Questo dà un vantaggio nel valutare i fornitori per il prezzo, le caratteristiche del prodotto e il servizio clienti. **Creare una lista corta** Dopo aver valutato i potenziali fornitori, l'azienda può restringere la lista a quelli che soddisfano tutti i loro criteri. **Condurre dimostrazioni** Le dimostrazioni aiutano a comprendere il prodotto nel suo insieme. Un team di professionisti IT e data scientist dovrebbe partecipare a queste dimostrazioni per comprendere la funzionalità del prodotto, mentre il team di marketing può partecipare per analizzare l'uso commerciale del software nei progetti. #### Selezione dei Cataloghi Dati di Machine Learning **Scegliere un team di selezione** Un team di professionisti del marketing con data scientist e professionisti IT può comunicare eventuali domande relative al prodotto MLDC con i fornitori. Un data scientist sarebbe più interessato a conoscere le caratteristiche tecniche del software. Un responsabile marketing sarebbe curioso di sapere come il team di marketing potrebbe utilizzare l'MLDC per qualsiasi progetto. Un professionista IT vorrebbe comprendere la procedura di installazione del software. **Negoziazione** Una volta che il fornitore ha quotato il prezzo, iniziano le negoziazioni. Il prezzo è fissato in base al costo di altri prodotti simili disponibili sul mercato e all'estensione con cui il prodotto può risolvere le sfide. **Decisione finale** La decisione finale si basa sugli accordi tra il fornitore e l'acquirente.