Recensioni e Dettagli del Prodotto Databricks Data Intelligence Platform

Databricks data intelligence è una piattaforma che aiuta ad accogliere tutti i nostri dati aziendali e ufficiali e a condividerli con i diversi reparti del team in modo che possano analizzarli e creare un'analisi dettagliata delle prestazioni passate e apportare le modifiche necessarie per la crescita futura. Recensione raccolta e ospitata su G2.com.

Una delle principali sfide che affrontiamo lavorando con la piattaforma di intelligenza dei dati di Databricks è che non si può utilizzare questo strumento con un solo data scientist; sarà necessario mantenere un team di professionisti in grado di gestire grandi quantità di dati e creare più grafici e analisi in base alle informazioni disponibili, e questa attività completa comporta un notevole investimento finanziario. Recensione raccolta e ospitata su G2.com.

Sono contento che la mia gamba non sia completamente intorpidita dall'aver dovuto aspettare una query (almeno la funzione di terminazione automatica funziona e mi ha fatto risparmiare denaro). La cronologia è in qualche modo utile, mi affido ad essa per recuperare gli script precedenti che scrivo perché sembra che dimentichi sempre cosa ho fatto il giorno prima. Penso che aiuti a tenere la finanza lontana dalla mia schiena facendogli risparmiare denaro sulla fattura AWS. Per me, è semplicemente un'unica posizione centrale per gestire i nostri big data, così non devo guardare 5 monitor. Recensione raccolta e ospitata su G2.com.

Se voglio trovare una query eseguita oltre 30 giorni fa, la funzione di ricerca non è nemmeno lontanamente in grado di aiutarmi e anche installare i pacchetti R è un vero incubo e i messaggi di errore sono chiari come il fango. E quando si lavora con grandi quantità di dati, l'interfaccia utente diventa lenta e cercare di scorrere un notebook è come spingere attraverso il fango. Sarebbe bello se fosse più facile installare/gestire pacchetti spark esterni. Recensione raccolta e ospitata su G2.com.

L'autoscale funziona bene; ci ha anche aiutato a ridurre il costo dell'utilizzo delle risorse cloud. Pensavo che sarebbe stato un problema dato che è la prima volta che usavamo l'autoscale. Il supporto è stato abbastanza buono, di solito si presentano in orario per le loro ore programmate per aiutarci a risolvere i problemi che creiamo. La possibilità di salvare la cronologia delle query nell'ordine in cui sono state scritte è utile poiché spesso dimentico cosa scrivo pochi minuti dopo averlo scritto. Quando si lavora con colleghi che hanno bisogno di accedere al tuo codice, puoi inviare loro il permalink (link) al codice, il che è meglio che doverlo spiegare. Poiché supporta sia Spark che Presto all'interno di uno strumento, non devo saltare tra gli strumenti. Recensione raccolta e ospitata su G2.com.

Odio il modo in cui funziona la funzione di ricerca. Non ho mai trovato i risultati di un mese fa, ed è fastidioso. L'interfaccia utente a volte rimane indietro rispetto alla mia digitazione, e se sono di fretta sento che ci vuole troppo tempo. Inoltre avrebbe molto più senso che il cassetto delle tabelle rimanesse aperto quando clicco sul notebook invece di chiudersi automaticamente, il che è molto dispendioso in termini di tempo poiché devo riaprirlo di nuovo. Ho avuto il team di supporto che mi ha detto che non riescono a replicare un problema, il che non aiuta affatto. Recensione raccolta e ospitata su G2.com.

Ciò che mi piace di più della piattaforma Databricks Data Intelligence è come riunisce tutto ciò che riguarda l'ingegneria dei dati, l'analisi e il machine learning in un unico ambiente unificato. È molto intuitiva nonostante sia potente e facilita notevolmente la collaborazione tra team tecnici e non tecnici. La piattaforma gestisce grandi volumi di dati in modo efficiente, si scala senza problemi e si integra bene con i servizi cloud, il che fa risparmiare molto tempo e sforzo. In generale, aiuta a trasformare i dati grezzi in intuizioni significative più velocemente senza rendere il processo eccessivamente complesso. Recensione raccolta e ospitata su G2.com.

Una cosa che non mi piace della piattaforma Databricks Data Intelligence è che può sembrare complessa e opprimente per i nuovi utenti, specialmente per quelli senza un forte background tecnico. La curva di apprendimento è piuttosto ripida e ci vuole tempo per comprendere appieno come utilizzare tutte le funzionalità in modo efficace. Inoltre, i costi possono diventare elevati man mano che l'uso aumenta, e la gestione dei costi non è sempre molto trasparente. A volte, il debug degli errori o dei problemi di prestazioni può essere anche impegnativo, in particolare nei flussi di lavoro grandi o altamente integrati. Recensione raccolta e ospitata su G2.com.

Databricks è facile da usare e semplice da iniziare, anche quando si gestiscono grandi quantità di dati. Riunisce tutto come l'elaborazione dei dati, l'analisi e l'IA in un unico posto, quindi il mio team non ha bisogno di più strumenti. La piattaforma si integra senza problemi con strumenti comuni come dashboard BI, flussi di lavoro e servizi cloud. I suoi notebook rendono il lavoro quotidiano frequente e conveniente permettendo ai nostri team di collaborare in tempo reale. Ci sono molte funzionalità integrate per i dati, l'analisi e l'apprendimento automatico senza complessità aggiuntive. Il supporto clienti, la documentazione e le risorse della comunità rendono più facile risolvere i problemi rapidamente. Recensione raccolta e ospitata su G2.com.

Databricks può essere costoso e imprevedibile nei costi, specialmente per i piccoli team se i carichi di lavoro durano più del previsto. È necessaria competenza tecnica per configurare, gestire e ottimizzare le prestazioni, il che può essere impegnativo per gli utenti non tecnici. I costi necessitano di un monitoraggio frequente poiché il calcolo e l'archiviazione vengono fatturati separatamente. Sebbene disponga di dashboard di base, dipende ancora da strumenti come Power BI o Tableau per report completi. Recensione raccolta e ospitata su G2.com.

Quello che mi piace di più di Databricks è come unisce l'ingegneria dei dati, l'analisi e il machine learning su un'unica piattaforma. Avere un ambiente unificato costruito attorno ad Apache Spark rende la collaborazione tra i team di dati molto più semplice. L'approccio Lakehouse funziona bene perché elimina la necessità di spostare i dati tra più strumenti. Le prestazioni sono forti per grandi set di dati e i notebook rendono l'esperimentazione, l'analisi e la collaborazione più efficienti. Nel complesso, semplifica i flussi di lavoro complessi dei dati pur rimanendo potente. Recensione raccolta e ospitata su G2.com.

Lo svantaggio principale è il costo e la complessità per i nuovi utenti. I prezzi possono essere difficili da prevedere, specialmente quando i carichi di lavoro aumentano inaspettatamente, e i costi di calcolo possono aumentare rapidamente se non monitorati attentamente. C'è anche una curva di apprendimento per i team che non sono già familiari con Spark o con le piattaforme di dati basate su cloud. Alcune configurazioni avanzate e ottimizzazioni richiedono risorse esperte, il che può rallentare l'adozione per i team di dati più piccoli o meno maturi. Recensione raccolta e ospitata su G2.com.

Databricks è uno strumento di analisi dei dati utilizzato dai nostri ingegneri progettisti per analizzare tutti i diversi tipi di dati finanziari e operativi della nostra azienda e creare un riepilogo di tutto, in modo che la comprensione del flusso di lavoro dell'azienda possa essere semplice. Recensione raccolta e ospitata su G2.com.

Uno dei principali svantaggi di Databricks è che il software è completamente basato su linguaggi di programmazione come Python, SQL, Scala, quindi se l'utente non ha conoscenza di questi linguaggi di programmazione, è molto difficile per loro utilizzare questa piattaforma. Recensione raccolta e ospitata su G2.com.

Utilizzo principalmente la piattaforma Databricks Data Intelligence per manipolare grandi set di dati che archiviamo nei bucket cloud e creare pipeline ETL, oltre a configurare notebook su cui svolgo molto lavoro esplorativo. Mi piace molto che tutto sembri pronto all'uso, come l'avvio rapido dei cluster, lo scaling che funziona in background e posso davvero smettere di preoccuparmi delle questioni infrastrutturali e concentrarmi sull'analisi. Recensione raccolta e ospitata su G2.com.

L'interfaccia utente può sembrare lenta, specialmente quando sono nel bel mezzo di una sessione pesante con il notebook e a volte le cose sono semplicemente LENTE a cliccare o i lavori non si annullano quando lo chiedo. E ho appena iniziato a sperimentare con il software del cluster, e anche se è potente c'è sicuramente una curva di apprendimento mentre continuo a scavare tra le cose cercando di capire quale impostazione del cluster o del runtime sta facendo funzionare le cose diversamente dalle altre. Recensione raccolta e ospitata su G2.com.

La piattaforma Databricks Data Intelligence è molto affidabile ed è bello sapere che l'architettura cloud native non è andata giù subito dopo che l'ho distribuita su Kubernetes. Onestamente, pensavo che l'integrazione Python/R sarebbe stata compromessa, quindi è stato uno shock scoprire che entrambi funzionavano senza alcun ritardo. Recensione raccolta e ospitata su G2.com.

Quei prezzi delle licenze sono criminali per quello che si riceve. Inoltre, la gestione del "cas server" del prodotto è stata un vero incubo da cercare di capire. Ho passato due ore solo cercando di capire come usare le sessioni. Non c'è un modo diretto per ottenere aiuto dalla documentazione o da Google. Recensione raccolta e ospitata su G2.com.

Mi piace come Databricks unisce l'ingegneria dei dati, l'analisi e l'IA in un'unica piattaforma. L'integrazione di Spark e Delta Lake è senza soluzione di continuità, le prestazioni sono eccellenti e la collaborazione tramite notebook è molto fluida. La sua stretta integrazione con i servizi Azure rende anche le pipeline di dati, la sicurezza e la scalabilità molto più semplici. Recensione raccolta e ospitata su G2.com.

Lo svantaggio principale è il costo, soprattutto quando si eseguono carichi di lavoro grandi o di lunga durata. Il debug di lavori Spark complessi può essere impegnativo a volte, e l'ottimizzazione delle prestazioni richiede spesso una buona comprensione degli aspetti interni di Spark. Recensione raccolta e ospitata su G2.com.