# Databricks Reviews **Vendor:** Databricks Inc. **Category:** [Sistemi di Elaborazione e Distribuzione dei Big Data](https://www.g2.com/it/categories/big-data-processing-and-distribution) **Average Rating:** 4.6/5.0 **Total Reviews:** 800 ## About Databricks Databricks è una piattaforma unificata di dati e AI che aiuta le organizzazioni a costruire, governare e scalare pipeline di dati, analisi, machine learning, applicazioni AI e agenti. Più di 20.000 organizzazioni in tutto il mondo — tra cui adidas, AT&T, Bayer, Block, Mastercard, Rivian, Unilever e il 70% delle Fortune 500 — si affidano a Databricks per lavorare con dati aziendali e AI su larga scala. Con sede a San Francisco e oltre 30 uffici in tutto il mondo, Databricks offre una piattaforma unificata che include Agent Bricks, Lakeflow, Lakehouse, Lakebase, Genie e Unity Catalog. Fondata nel 2013 dai creatori originali di Apache Spark™, Delta Lake, MLflow e Unity Catalog, Databricks è costruita su un'architettura open lakehouse che unisce dati, analisi e AI. La piattaforma è utilizzata da ingegneri dei dati, data scientist, analisti, sviluppatori, team di machine learning, team di AI e utenti aziendali per collaborare lungo l'intero ciclo di vita dei dati e dell'AI. Le principali capacità di Databricks includono: - Ingegneria dei dati: costruire, automatizzare e gestire pipeline di dati batch, streaming e in tempo reale affidabili. - Analisi e business intelligence: eseguire analisi SQL, creare dashboard e consentire ai team aziendali di esplorare i dati. - Governance dei dati: scoprire, proteggere e gestire dati e asset AI tra team, cloud e carichi di lavoro. - Machine learning e AI: sviluppare modelli, costruire applicazioni AI generative e creare agenti AI di livello produttivo. - Applicazioni di dati: costruire e distribuire applicazioni guidate dai dati utilizzando dati aziendali governati. Disponibile su AWS, Azure e Google Cloud, Databricks aiuta le organizzazioni a lavorare tra i cloud, ridurre i silos di dati e semplificare la collaborazione tra team e strumenti. I clienti utilizzano Databricks per casi d'uso come personalizzazione del cliente, rilevamento delle frodi, manutenzione predittiva, analisi in tempo reale, cybersecurity, ricerca sanitaria, gestione del rischio finanziario, ottimizzazione della catena di approvvigionamento e decisioni potenziate dall'AI. Databricks è utilizzato in settori tra cui servizi finanziari, sanità e scienze della vita, retail, manifatturiero, energia e settore pubblico. Le organizzazioni utilizzano la piattaforma per modernizzare l'infrastruttura dei dati, accelerare l'adozione dell'AI e trasformare i dati aziendali in valore commerciale. ## Databricks Pros & Cons **What users like:** - Gli utenti elogiano la **facilità d'uso e le numerose funzionalità** di Databricks, migliorando le loro attività di elaborazione dati e apprendimento automatico. (192 reviews) - Gli utenti elogiano la **facilità d'uso** di Databricks, migliorando la loro esperienza complessiva con la sua interfaccia intuitiva. (155 reviews) - Gli utenti apprezzano le **integrazioni senza soluzione di continuità** di Databricks, migliorando l'elaborazione in tempo reale e supportando vari linguaggi di sviluppo. (141 reviews) - Gli utenti apprezzano la **collaborazione senza soluzione di continuità** offerta da Databricks, migliorando il lavoro di squadra sui progetti di dati con approfondimenti in tempo reale. (114 reviews) - Gli utenti apprezzano le **funzionalità analitiche integrate** di Databricks, migliorando le operazioni e fornendo approfondimenti completi sulla tecnologia. (113 reviews) - Scalability (111 reviews) - ML Integration (106 reviews) - Gli utenti apprezzano le **facili integrazioni** di Databricks, che si collegano senza problemi con l'infrastruttura cloud e migliorano la gestione dei dati. (102 reviews) - Machine Learning (97 reviews) - Gli utenti amano le **funzionalità efficaci di gestione dei dati** di Databricks, che semplificano i flussi di lavoro e migliorano le capacità decisionali. (87 reviews) **What users dislike:** - Gli utenti notano una significativa **curva di apprendimento** con Databricks, in particolare a causa delle sue modalità di autorizzazione e calcolo complesse. (78 reviews) - Gli utenti trovano Databricks **costoso** , soprattutto quando si gestiscono grandi quantità di dati, limitandone l'accessibilità per alcuni clienti. (71 reviews) - Gli utenti trovano la **ripida curva di apprendimento** di Databricks impegnativa, in particolare per coloro che sono nuovi agli strumenti di big data. (64 reviews) - Gli utenti trovano la **complessità** di Databricks impegnativa, specialmente con le funzionalità avanzate e i requisiti di configurazione iniziale. (45 reviews) - Gli utenti sperimentano un **processo di configurazione complesso** inizialmente, ma il supporto aiuta a semplificare l'esperienza nel tempo. (35 reviews) - Performance Issues (34 reviews) - Gli utenti affrontano **problemi di interfaccia utente non intuitiva** che portano a errori casuali e complicano l'esperienza per gli utenti non tecnici. (34 reviews) - Poor UI Design (33 reviews) - Gli utenti trovano le **funzionalità mancanti** in Databricks limitanti, ostacolando la produttività e complicando l'esperienza complessiva. (31 reviews) - Cost (29 reviews) ## Databricks Reviews ### 1. Databricks nel mio caso: Integrazioni multiple, interfaccia utente intuitiva e prestazioni affidabili **Rating:** 4.0/5.0 stars **Reviewed by:** Yelnur K. | Schedule Manager, Compagnie aeree/Aviazione, Mid-Market (51-1000 dip.) **Reviewed Date:** May 19, 2026 **Cosa Le piace di più di Databricks?** Quello che mi piace di più di Databricks è la sua parte di integrazioni. Sul posto di lavoro, integriamo il database con più fonti di dati. Inoltre, non posso completare la mia recensione senza menzionare il design UX e UI, che rende il flusso di lavoro complessivo intuitivo e veramente user-friendly. Per quanto riguarda la velocità dei processi, non ci ha mai deluso. Funziona come previsto. Rispetto ai prezzi di mercato, il prezzo del servizio è abbastanza affidabile per noi. C'è un centro assistenza di Databricks, se non riesci a trovare risposte alle tue domande, ci sono specialisti che possono assisterti con le tue richieste. Ad esempio, ricordo il caso in cui abbiamo avuto un problema durante il processo d'esame, ci hanno aiutato a risolvere questo problema. **Cosa non Le piace di Databricks?** Da non apprezzare la qualità dell'IA di Genie. Ragazzi, potrebbe essere migliorata, specialmente la parte del ragionamento. Inoltre, posso dire il caso in cui abbiamo avuto un problema con il processo d'esame. Gli specialisti ci hanno aiutato, ma ci ha causato qualche piccolo disagio. Bene, **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Nell'aviazione, utilizziamo questo software per l'analisi dei dati. Abbiamo automatizzato molti processi che i semplici strumenti di lavoro non possono gestire. Inoltre, ci integriamo con diversi strumenti (nomi che non posso menzionare per motivi di sicurezza). In particolare, ci aiuta ad analizzare la domanda dei passeggeri per rotta e stagione. Combiniamo e analizziamo grandi set di dati utilizzando questo software. In generale, un buon strumento. Il nostro team è soddisfatto. **Official Response from Sara Steffen:** > Grazie per il tuo feedback dettagliato. Siamo lieti di sapere che Databricks è stato fondamentale nell'automazione dei processi e nell'analisi di grandi dataset per le tue esigenze nel settore dell'aviazione. Prendiamo sul serio il tuo feedback su Genie e sui processi di supporto e siamo dedicati a fare miglioramenti in queste aree. ### 2. Lakebase - Buona opzione per la fornitura di dati a bassa latenza con integrazione Databricks **Rating:** 4.5/5.0 stars **Reviewed by:** Senthil K. | Associate Director, Mid-Market (51-1000 dip.) **Reviewed Date:** March 25, 2026 **Cosa Le piace di più di Databricks?** Ho configurato il lakebase che è sincronizzato con il lakehouse per l'accesso a bassa latenza delle applicazioni aziendali, abbiamo abilitato le seguenti opzioni: - Lakebase utilizza Postgres 17, l'API dati HTTPS aiuta ad accedere al database in modo più semplice dalle app Databricks - Sincronizzazione dell'integrazione tra Lakehouse e Lakebase per l'accesso API - Ha l'opzione di ramificazione per mantenere modifiche allo schema o alle funzionalità - Ripristino da un punto/tempo precedente nella cronologia - aiuta a ridurre lo sforzo di recupero - Supporto per snapshot e backup - Autoscaling del calcolo e opzione di sospensione - Monitoraggio, log e metriche delle query forniscono visibilità sulle query attive, le prestazioni e la salute del database - L'accesso OAuth e la connessione basata su ruoli postgres aiutano a migliorare la sicurezza e l'accesso controllato Modello di prezzo di Lakebase con opzione di autoscaling e riduzione del carico basata sul prezzo del calcolo disponibile **Cosa non Le piace di Databricks?** Le funzionalità di Lakebase non sono tutte disponibili in Postgres, quindi non possiamo migrare direttamente alcun Postgres esistente a Lakebase. La riduzione a zero non avviene istantaneamente, abbiamo riscontrato alcuni problemi come la disconnessione dall'app per un breve periodo, pause temporanee. Le operazioni amministrative personalizzate nel database Postgres sono limitate e non possibili. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Lakebase aiuta a fornire dati di inventario quasi in tempo reale, monitoraggio della disponibilità e riduzione delle situazioni di esaurimento scorte. I dati elaborati di Lakehouse possono essere forniti tramite Lakebase per il modello di acquisto dei clienti, raccomandazioni sui prodotti e l'efficacia delle promozioni. I dati di vendita transazionali possono essere resi disponibili rapidamente per dashboard a livello di negozio, aiutando i team aziendali a monitorare le tendenze di vendita utilizzando app web. Disponibilità di dati operativi quasi in tempo reale le applicazioni accedono a dati a bassa latenza per prezzi, promozioni per integrazioni TPO-TPM. Abbiamo anche integrato l'IA per includere il contesto in tempo reale. Bassa latenza **Official Response from Janelle Glover:** > Grazie per aver condiviso le tue esperienze positive con Genie, inclusa la sua capacità di colmare il divario tra i team aziendali e quelli dei dati, eliminare i silos di dati e migliorare la visibilità dei costi e delle prestazioni. Comprendiamo le tue preoccupazioni riguardo alle limitazioni della Modalità Agente e alla necessità di maggiore autonomia. Lavoreremo per affrontare queste aree al fine di migliorare la tua esperienza complessiva. ### 3. Analisi Self-Service e Prestazioni Autopilot Forti **Rating:** 4.0/5.0 stars **Reviewed by:** Bob K. | Data and Analytics Leader, Tecnologia dell'informazione e servizi, Enterprise (> 1000 dip.) **Reviewed Date:** May 27, 2026 **Cosa Le piace di più di Databricks?** La gestione delle autorizzazioni tra i diversi team di vendita e marketing è stata semplificata. Il catalogo ci ha permesso di proteggere facilmente i dati sensibili, consentendo comunque al nostro team e agli analisti di essere autonomi. La tracciabilità automatizzata a livello di colonna è stata estremamente utile per rintracciare come venivano calcolate le metriche di previsione del nostro pipeline. Mi piace la performance in modalità autopilota. Il mio team ha trascorso meno tempo nella manutenzione manuale del database. L'ottimizzazione predittiva gestiva automaticamente la compattazione dei file (Optimize) e ripuliva i vecchi file (Vacuum). Inoltre, il Liquid Clustering ha mantenuto le nostre tabelle di transazioni di vendita in rapida crescita efficienti senza richiedere di progettare e mantenere manualmente strategie di partizionamento complesse. Il supporto per formati aperti come Delta Lake e Apache Iceberg ha garantito che i nostri dati rimanessero portabili. Attraverso API aperte e Delta sharing, potevamo condividere in modo sicuro le intuizioni con partner commerciali esterni senza dover replicare e spostare enormi set di dati. Un'altra cosa, la piattaforma ha permesso al nostro team di ingegneria dei dati e agli analisti di collaborare in un unico luogo. Questo allineamento tra architettura tecnica e strategia aziendale ha reso più facile convertire i modelli di pipeline tecnici in valore commerciale. **Cosa non Le piace di Databricks?** Come sappiamo, gli strumenti di Vendite e Marketing cambiano frequentemente i loro schemi di dati, ad esempio aggiungendo o rinominando campi personalizzati in Salesforce. Quando si verificavano questi aggiornamenti, i nostri flussi di ingestione utilizzando auto loader o streaming strutturato fallivano e richiedevano riavvii manuali per adattarsi. Questo occasionalmente causava ritardi temporanei nell'aggiornamento dei nostri dashboard operativi. Tracciare l'attribuzione complessa e multi-touch del marketing e i percorsi dei clienti richiedeva operazioni di streaming stateful (come join e aggregazioni). Gestire i log degli eventi fuori ordine e i dati in ritardo in questi flussi si è rivelato altamente complesso e ha richiesto un'ingegneria personalizzata significativa per garantire che i risultati rimanessero accurati. Poiché le tabelle gestite da Unity Catalog non supportano l'accesso basato su percorso, abbiamo dovuto garantire che tutto il codice legacy e i sistemi esterni passassero all'uso di convenzioni di denominazione a tre namespace corrette, il che ha richiesto uno sforzo iniziale di refactoring per evitare errori di accesso ai dati. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** In Basware, il mio obiettivo principale era consentire ai team globali di vendita e marketing di ottimizzare le loro prestazioni, costruire previsioni di pipeline accurate e garantire una solida governance dei dati dei nostri clienti. Databricks ha servito come piattaforma fondamentale per aiutarci a raggiungere questi obiettivi. Abbiamo utilizzato Lakeflow Connect, in particolare il Salesforce Connector insieme ad altri metodi di ingestione per estrarre dati dal nostro CRM, dai sistemi di automazione del marketing e dai file locali nel lakehouse. Questo ci ha permesso di costruire una vista consolidata e unica del cliente. Lakeflow Spark Declarative Pipelines ci ha aiutato a organizzare i nostri dati grezzi di marketing e vendite in un'architettura Medallion. Ciò significa che potevamo trasformare i log di eventi di marketing semi-strutturati e i record CRM in dataset strutturati pronti per l'intelligenza aziendale e le previsioni. Per supportare il VP delle Operazioni di Vendita e Marketing e altri leader senior, abbiamo implementato spazi AI/BI genie. Questo ha permesso ai dirigenti di interrogare metriche di pipeline e tendenze di previsione usando il linguaggio naturale. Per i report standard, abbiamo utilizzato Partner connect per collegare direttamente le nostre tabelle Gold pulite a strumenti BI esterni. **Official Response from Jess Darnell:** > It's great to hear how Databricks has helped you optimize sales and marketing performance, build accurate pipeline forecasts, and ensure robust governance around customer data. We're committed to providing a platform that supports your business goals and enables efficient data management and analysis. Thank you for sharing your use case with us. ### 4. Potenti pipeline di telemetria a bassa latenza con tabelle di streaming e viste materializzate **Rating:** 4.0/5.0 stars **Reviewed by:** Jose P. | Head of Network Strategy, Telecomunicazioni, Enterprise (> 1000 dip.) **Reviewed Date:** May 26, 2026 **Cosa Le piace di più di Databricks?** In un ambiente telco che gestisce volumi di dati massicci da reti fisse e mobili (GPON, Core 4g/5g e RAN) ingerendo telemetria di frequenza non strutturata o semi-strutturata in modo incrementale dalle nostre funzioni virtualizzate come vEPC, vCPE o VHGW) con un setup minimo. Il mio team lavora a stretto contatto con le funzioni di rete virtualizzate e il Multi-access Edge Computing. Funzionalità come le Streaming Tables e le Materialized Views ci aiutano a costruire pipeline a bassa latenza che elaborano metriche di prestazioni di rete quasi in tempo reale, aiutandoci a monitorare gli indicatori di prestazione della rete (KPI) e l'efficienza della qualità del servizio (QoS). Poiché la competenza principale del mio team risiede nella progettazione di reti e nella virtualizzazione dei sistemi piuttosto che nell'amministrazione di database, l'Ottimizzazione Predittiva e il Clustering Liquido sono altamente vantaggiosi. Gestiscono autonomamente la manutenzione delle tabelle, la compattazione dei file e l'ottimizzazione del layout dei dati, liberando le nostre risorse per concentrarci sull'architettura di rete. **Cosa non Le piace di Databricks?** Le funzioni di rete virtualizzate, i router e l'hardware disaggregato subiscono frequentemente aggiornamenti software, che spesso introducono cambiamenti sottili negli schemi di output della telemetria. Quando si utilizza lo streaming strutturato o il caricatore automatico, queste variazioni di schema causano il fallimento delle nostre query di streaming, richiedendo un riavvio manuale del flusso per ripianificare lo schema. Quando dobbiamo aggiornare la logica di un KPI di rete complesso definito all'interno di una vista materializzata, qualsiasi modifica alla query innesca un ricalcolo completo della vista. Dato l'enorme volume dei dataset delle transazioni telecom, ciò può comportare costi di calcolo significativi. Facciamo affidamento su una varietà di strumenti di dati all'interno del nostro ecosistema ICT, non tutte le soluzioni presenti in Partner Connect supportano nativamente Unity Catalog. Questo può creare ostacoli di integrazione e governance quando cerchiamo di collegare determinati strumenti di analisi e preparazione dei dati di terze parti al nostro data lake sicuro. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Ingeriamo flussi continui di dati sulle prestazioni da funzioni di rete virtualizzate e livelli di trasporto tradizionali. Costruendo pipeline di streaming, possiamo monitorare core virtualizzati e router per identificare anomalie o degradi nel traffico di rete. Allineandosi con il mio interesse per l'AI di rete e l'apprendimento automatico, i nostri data scientist utilizzano la piattaforma per sviluppare modelli predittivi. Alleniamo modelli su guasti storici delle linee GPON/DSL, carichi delle torri cellulari mobili e modelli di utilizzo dei clienti per prevedere la congestione della rete, programmare la manutenzione proattiva e mitigare l'abbandono dei clienti tra i segmenti di clientela. Come evangelista dell'evoluzione tecnologica, utilizzo la piattaforma per colmare il divario tra i nostri team di ingegneria di rete principali e le unità aziendali. Collegando la semantica aziendale e stabilendo protocolli sicuri di condivisione Delta, forniamo agli analisti aziendali e ai decisori un accesso autogestito e regolamentato alle informazioni di rete senza rischiare la conformità alla sicurezza. **Official Response from Jess Darnell:** > È fantastico sapere come Databricks ti stia aiutando a ingerire e elaborare flussi continui di dati sulle prestazioni, sviluppare modelli predittivi e colmare il divario tra i team di ingegneria di rete e le unità aziendali. Siamo impegnati a fornire soluzioni che avvantaggino i nostri utenti in vari aspetti del loro lavoro. ### 5. Rendere i sistemi di dati meno disordinati con un approccio unificato Lakehouse **Rating:** 5.0/5.0 stars **Reviewed by:** Hunar M. | Data Analyst, Geospatial Intelligence - Data & Analytics, Enterprise (> 1000 dip.) **Reviewed Date:** May 21, 2026 **Cosa Le piace di più di Databricks?** L'ecosistema. Quello che mi piace di più di Databricks è come elimina gran parte del disordine abituale che si incontra nel lavoro con i dati. Invece di destreggiarsi tra strumenti separati per l'ingegneria, l'analisi e il ML—e poi spendere tempo extra per farli comunicare tra loro—porta tutto in un unico posto. Questo da solo riduce molto l'attrito e fa risparmiare tempo. Mi piace anche l'idea del Lakehouse perché sembra veramente pratica: non devi scegliere tra un data lake e un data warehouse. Puoi lavorare con un'unica configurazione unificata e ottenere comunque prestazioni quando ne hai bisogno. A livello quotidiano, è anche bello che diversi team possano collaborare nello stesso ambiente senza dover costantemente copiare dati o ricostruire pipeline. In generale, mantiene le cose più semplici e veloci, specialmente quando si sta iterando. **Cosa non Le piace di Databricks?** Quello che non mi piace di Databricks è che può sembrare un po' pesante quando stai solo cercando di fare qualcosa di semplice. C'è molto che accade sotto il cofano, e mentre questo è ottimo per la scalabilità, comporta anche una curva di apprendimento. Cose come cluster, configurazioni e impostazione dei lavori richiedono un po' di tempo per diventare familiari. Il costo è un'altra preoccupazione. L'uso può aumentare rapidamente se non lo si monitora attivamente, specialmente quando i team possono avviare il calcolo liberamente. E a volte, l'esperienza complessiva sembra un po' frammentata tra notebook, lavori e repository, piuttosto che essere un flusso unico e uniforme. Quindi, sì—è potente, ma richiede sicuramente disciplina per mantenere le cose pulite, efficienti e sotto controllo. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Quello che Databricks risolve davvero per me è l'attrito usuale che si presenta quando i sistemi di dati sono distribuiti su troppi strumenti. Invece di gestire un sistema per l'ingestione, un altro per l'archiviazione, un altro ancora per la trasformazione, e poi configurazioni separate per l'analisi e il ML, porta la maggior parte di tutto questo in un unico posto. Ciò significa che non devo continuare a spostare i dati o preoccuparmi costantemente che le cose vadano fuori sincrono. Da una prospettiva di architettura delle soluzioni, è un grande vantaggio perché semplifica il design complessivo. Piuttosto che mettere insieme una serie di sistemi, puoi costruire attorno a un'unica configurazione Lakehouse che supporta molteplici casi d'uso. È più facile da scalare, più facile da governare e, in generale, più facile da comprendere. Su base quotidiana, significa anche che passo meno tempo sull'infrastruttura e sull'impiantistica e più tempo a pensare a come progettare buoni modelli di dati e pipeline. E poiché tutti lavorano sugli stessi dati, c'è molta meno confusione e rifacimento tra i team. Nel complesso, rimuove molto rumore e mi permette di concentrarmi sulla costruzione di soluzioni di dati solide e scalabili. **Official Response from Jess Darnell:** > Siamo lieti di sapere che trovi il nostro ecosistema e l'approccio Lakehouse utili per semplificare e unificare il tuo lavoro con i dati. Comprendiamo le tue preoccupazioni riguardo alla curva di apprendimento e ai costi, e stiamo lavorando continuamente per migliorare l'esperienza utente e fornire soluzioni convenienti. Grazie per aver condiviso con noi il tuo feedback dettagliato. ### 6. Databricks centralizza dati, analisi e IA **Rating:** 5.0/5.0 stars **Reviewed by:** Leonardo Q. | RPA Developer, Mid-Market (51-1000 dip.) **Reviewed Date:** May 16, 2026 **Cosa Le piace di più di Databricks?** Quello che mi piace di più di Databricks è come centralizza l'ingegneria dei dati, l'analisi e l'IA in un'unica piattaforma, il che facilita molto il flusso di lavoro quotidiano. L'integrazione tra notebook, pipeline e elaborazione distribuita rende lo sviluppo più veloce e organizzato, specialmente in progetti con un grande volume di dati e automazioni. Un altro punto che considero molto forte è l'esperienza con Apache Spark, integrata in modo semplificato. Anche in scenari più complessi, le prestazioni sono generalmente eccellenti, permettendo di elaborare dati su larga scala con buona stabilità e scalabilità. Questo aiuta molto nelle integrazioni, ETL e analisi che, in altre soluzioni, richiederebbero molto più sforzo. **Cosa non Le piace di Databricks?** Nonostante mi piaccia molto la piattaforma, alcuni aspetti di Databricks possono ancora essere impegnativi. Il principale è il costo, specialmente in ambienti con elaborazione intensa o quando i cluster non sono ben ottimizzati. Senza un controllo più rigoroso dell'uso, le spese possono aumentare rapidamente. Un altro aspetto è la curva di apprendimento, che può essere elevata per i team che stanno iniziando nell'ecosistema dei dati distribuiti. Concetti legati a Spark, cluster, ottimizzazione e gestione delle risorse richiedono tempo di adattamento, soprattutto per chi proviene da strumenti più tradizionali. In UI/UX, sebbene l'interfaccia sia buona in generale, alcuni processi amministrativi e configurazioni più avanzate possono sembrare confusi all'inizio. In certi scenari, identificare problemi di performance o di permessi può anche richiedere una conoscenza più tecnica. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Databricks ha aiutato principalmente a risolvere problemi legati alla centralizzazione, al processamento e all'analisi di grandi volumi di dati. In precedenza, molti processi erano distribuiti tra diversi strumenti, il che rendeva difficili le integrazioni, la manutenzione e la governance. Con Databricks, gran parte del flusso di ingegneria dei dati, analytics e IA può essere concentrata in un'unica piattaforma, portando più coerenza al lavoro quotidiano. **Official Response from Jess Darnell:** > Siamo lieti di sapere che trovi utile per il tuo flusso di lavoro la centralizzazione dei dati, dell'analisi e dell'IA offerta da Databricks. Comprendiamo l'importanza dell'integrazione e della semplificazione, e siamo impegnati a fornire una piattaforma che soddisfi le tue esigenze. ### 7. Databricks semplifica l'elaborazione dei Big Data e la collaborazione tra i team **Rating:** 4.5/5.0 stars **Reviewed by:** Praveen M. | Associate Data Engineer, Tecnologia dell'informazione e servizi, Mid-Market (51-1000 dip.) **Reviewed Date:** May 07, 2026 **Cosa Le piace di più di Databricks?** Quello che mi piace di più di Databricks è come semplifica l'elaborazione dei dati su larga scala e la collaborazione in un'unica piattaforma. L'integrazione con Spark e i servizi cloud rende la gestione dei big data molto più efficiente. Mi piace anche l'ambiente notebook, che facilita il lavoro di squadra su compiti di analisi e apprendimento automatico. **Cosa non Le piace di Databricks?** Una cosa che non mi piace di Databricks è che la piattaforma può sembrare complessa per i nuovi utenti, specialmente quando si gestiscono cluster e configurazioni. I costi possono anche diventare elevati con carichi di lavoro più grandi se le risorse non sono ottimizzate con attenzione. Sebbene le integrazioni e le funzionalità di intelligenza artificiale siano potenti, il processo di onboarding e la documentazione di supporto potrebbero essere più adatti ai principianti. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Databricks aiuta a risolvere la sfida di elaborare e analizzare grandi quantità di dati in modo efficiente su un'unica piattaforma. Combina flussi di lavoro di ingegneria dei dati, analisi e AI, riducendo la necessità di utilizzare più strumenti separati. Questo migliora la collaborazione, accelera l'elaborazione dei dati e aiuta a generare intuizioni molto più rapidamente. **Official Response from Jess Darnell:** > Siamo lieti di sapere che trovi Databricks utile per semplificare l'elaborazione di dati su larga scala e la collaborazione. La nostra integrazione con Spark e i servizi cloud è progettata per rendere la gestione dei big data più efficiente. ### 8. Perfetto per la collaborazione tra team e applicazioni intensive di dati **Rating:** 5.0/5.0 stars **Reviewed by:** Artemij V. | Data Science Lead, Piccola impresa (50 o meno dip.) **Reviewed Date:** May 04, 2026 **Cosa Le piace di più di Databricks?** L'UX è una delle parti più forti. L'esperienza del notebook è pulita e intuitiva, la collaborazione è semplice e passare tra esplorazione, sperimentazione e flussi di lavoro di produzione sembra senza soluzione di continuità. Ha abbastanza flessibilità per gli utenti avanzati pur essendo abbastanza accessibile da rendere veloce l'inserimento di nuovi membri del team. Le persone possono solitamente diventare produttive rapidamente senza passare settimane a imparare le peculiarità specifiche della piattaforma. Anche le integrazioni sono eccellenti. Funziona senza problemi con l'ecosistema cloud più ampio e si connette bene con fonti di dati, strumenti di orchestrazione, infrastruttura di servizio dei modelli e sistemi esterni. Questa interoperabilità rende molto più facile passare dal prototipo alla pipeline distribuita senza dover ricostruire costantemente connettori o gestire codice di colla. Le prestazioni sono state costantemente forti, specialmente quando si lavora con carichi di lavoro distribuiti e ingegneria delle caratteristiche su larga scala. L'ottimizzazione di Spark, la gestione dei cluster e l'infrastruttura gestita riducono significativamente il sovraccarico operativo, il che mi permette di concentrarmi maggiormente sullo sviluppo e l'analisi dei modelli piuttosto che sulla regolazione dell'ambiente. Per la sperimentazione iterativa, i tempi di avvio e la reattività complessiva sono sensibilmente migliori rispetto a molte piattaforme gestite alternative. **Cosa non Le piace di Databricks?** Un'area in cui Databricks potrebbe migliorare è il prezzo. La piattaforma offre capacità solide, ma i costi possono aumentare rapidamente per carichi di lavoro ad alta frequenza o in tempo reale. Per casi d'uso che coinvolgono pipeline di tick a bassa latenza in esecuzione continua, dati di mercato in streaming o riaddestramento iterativo dei modelli, il prezzo può diventare piuttosto elevato rispetto all'infrastruttura consumata. A volte sembra che ci sia un premio significativo per la comodità e l'orchestrazione gestita, il che può rendere l'ottimizzazione dei costi una considerazione costante. L'integrazione dell'IA è un'altra area che sembra ancora un po' disomogenea. Sebbene ci sia una chiara spinta verso il posizionamento della piattaforma come ambiente AI/ML end-to-end, alcune delle nuove funzionalità focalizzate sull'IA sembrano più aggiunte all'ecosistema che miglioramenti profondamente integrati nel flusso di lavoro. In pratica, ci sono ancora casi in cui strumenti personalizzati o framework esterni offrono maggiore flessibilità e trasparenza, in particolare per lo sviluppo di modelli specializzati, la sperimentazione e i casi d'uso di inferenza in tempo reale. Ci può anche essere una certa complessità nel regolare i cluster e gestire i costi in modo efficiente su larga scala. Sebbene le astrazioni siano utili, ottenere il miglior rapporto prestazioni-costo a volte richiede una conoscenza più approfondita della piattaforma di quanto la posizione "completamente gestita" possa implicare. Nel complesso, la piattaforma è molto forte tecnicamente, ma il prezzo per carichi di lavoro sempre attivi e intensivi di dati e la maturità di alcune capacità native dell'IA sono le due aree principali in cui mi piacerebbe vedere miglioramenti. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Databricks risolve una delle sfide più grandi nel lavoro moderno con i dati: unire l'accesso ai dati, l'elaborazione su larga scala e lo sviluppo collaborativo in un unico ambiente. Per il mio lavoro, il vantaggio più grande è la collaborazione in tempo reale. Permette a più persone di lavorare sugli stessi dataset, notebook e pipeline senza l'usuale attrito degli strumenti frammentati o delle incoerenze ambientali. Ciò accelera significativamente la sperimentazione, l'iterazione e la condivisione della conoscenza tra i progetti, specialmente quando si lavora rapidamente sullo sviluppo di modelli o sull'analisi di dati in rapido cambiamento. Risolve anche la sfida dell'accesso e dell'elaborazione dei dati su scala. Lavorare con dataset transazionali e di serie temporali ad alto volume richiede un'infrastruttura che possa elaborare grandi quantità di dati in modo efficiente senza un costante sovraccarico operativo. Databricks astrae gran parte di quella complessità, rendendo possibile concentrarsi sull'analisi, l'ingegneria delle caratteristiche e lo sviluppo dei modelli piuttosto che spendere tempo nella gestione dell'infrastruttura. Il beneficio pratico è un ciclo di iterazione più veloce. Posso passare dall'esplorazione dei dati grezzi alla sperimentazione e al deployment dei modelli molto più rapidamente, il che è particolarmente prezioso quando si lavora su analisi in tempo reale, pipeline di previsione e sistemi ML orientati alla produzione dove la velocità di iterazione influisce direttamente sui risultati. Nel complesso, riduce l'attrito ingegneristico e rende il lavoro collaborativo su larga scala con i dati significativamente più efficiente, il che si traduce in uno sviluppo più rapido, una migliore sperimentazione e un deployment più affidabile dei prodotti dati. **Official Response from Jess Darnell:** > Apprezziamo la tua recensione approfondita di Databricks e siamo lieti di sapere che la piattaforma è stata fondamentale per abilitare la collaborazione tra team e applicazioni intensive di dati per il tuo lavoro. Il tuo feedback sui prezzi e sull'integrazione dell'IA è prezioso, e ci stiamo impegnando continuamente per migliorare questi aspetti al fine di fornire un'esperienza più fluida ai nostri utenti. ### 9. Il codice Genie e l'assistente in linea hanno aumentato drasticamente la mia produttività nel debugging **Rating:** 4.5/5.0 stars **Reviewed by:** Shyam s. | Data Engineer, Mid-Market (51-1000 dip.) **Reviewed Date:** March 27, 2026 **Cosa Le piace di più di Databricks?** Il codice Genie e l'Assistente inline sono stati gli strumenti più utili per me nel mio progetto. Mi hanno aiutato a fare il debug di una base di codice di 2k linee e hanno spiegato chiaramente perché non stavo ottenendo dati accurati. Ha anche fornito una query da eseguire nel mio sistema sorgente (SQLMI). Eseguendo lo script di discrepanza in parallelo sulla sorgente e sul target, sono stato in grado di fare il debug dell'intero codice molto più velocemente e migliorare la mia produttività. In generale, ha ridotto il mio tempo di lavoro da circa 8 ore a circa 1 ora. **Cosa non Le piace di Databricks?** In Delta Sharing, non esiste un permesso di SELECT a livello di catalogo, e a volte penso che averlo sarebbe utile. Inoltre, quando utilizzo il codice Genie all'interno di una VM, può rendere il sito web non reattivo a volte. Questi sono aspetti che potrebbero essere migliorati. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** In uno dei nostri progetti di migrazione per l'elaborazione delle richieste, il cliente aveva bisogno di una disponibilità dei dati quasi in tempo reale per le applicazioni a valle. In precedenza, l'architettura utilizzava Amazon Redshift come data warehouse, con Jasper e Sisense che consumavano i dati per reportistica e analisi. Tuttavia, quella configurazione non supportava in modo efficiente lo streaming in tempo reale o quasi in tempo reale, il che portava a ritardi nella disponibilità dei dati per i sistemi a valle. Dopo aver migrato la piattaforma a Databricks, siamo stati in grado di migliorare sostanzialmente l'architettura della pipeline dei dati. Abbiamo implementato lo streaming insieme a pipeline ETL ottimizzate, riducendo il ciclo di aggiornamento dei dati a circa 30 minuti. Abbiamo anche creato una vista dedicata che conserva i dati dall'esecuzione precedente, in modo che i sistemi a valle abbiano sempre un dataset coerente disponibile mentre l'esecuzione della pipeline successiva è ancora in corso. Prima, avevamo difficoltà con cicli di aggiornamento ritardati e una capacità limitata di soddisfare le esigenze di dati quasi in tempo reale nella nostra architettura basata su Redshift. Dopo il passaggio a Databricks, abbiamo abilitato un'elaborazione ETL più veloce e migliorato la disponibilità dei dati quasi in tempo reale. Di conseguenza, abbiamo ridotto il tempo di aggiornamento ETL a circa 30 minuti e abilitato l'accesso quasi in tempo reale per strumenti a valle come Jasper e Sisense. Anche l'affidabilità è migliorata perché la vista stabile continua a servire i dati dell'esecuzione precedente durante gli aggiornamenti della pipeline. Infine, l'architettura complessiva è diventata più semplice consolidando le capacità di elaborazione e analisi all'interno di Databricks. Nel complesso, Databricks ci ha aiutato a costruire una piattaforma di elaborazione dati quasi in tempo reale più scalabile ed efficiente, migliorando significativamente la tempestività e l'affidabilità delle analisi per il flusso di lavoro di elaborazione delle richieste. **Official Response from Janelle Glover:** > Grazie per aver condiviso come l'architettura di Databricks ti sta beneficiando. Abbiamo progettato la nostra piattaforma per affrontare le sfide della gestione dei dati strutturati e non strutturati, ed è fantastico sapere che sta avendo un impatto positivo sui tuoi flussi di lavoro di analisi e apprendimento automatico. ### 10. Databricks rende facili da eseguire le trasformazioni di dati su larga scala **Rating:** 5.0/5.0 stars **Reviewed by:** Gunther C. | Software Engineer, Mid-Market (51-1000 dip.) **Reviewed Date:** June 05, 2026 **Cosa Le piace di più di Databricks?** Databricks semplifica il processo di esecuzione delle operazioni di trasformazione dei dati su dataset enormi. Anche se può rappresentare un cambiamento di paradigma rispetto alle architetture di elaborazione asincrona classiche, è estremamente facile iniziare a usarlo. In poche parole, la cosa che mi piace di più è la sua capacità di lavorare su larga scala. **Cosa non Le piace di Databricks?** L'incapacità di eseguire una copia di Databricks localmente per testare le modifiche prima di distribuirle in produzione è un ostacolo significativo. Creare ambienti di staging per ogni sviluppatore potrebbe essere una soluzione vicina, ma potrebbe richiedere molto lavoro per essere gestita. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Databricks sta rendendo possibile elaborare enormi quantità di dati in modo efficiente, senza richiedere contemporaneamente un grande sforzo ingegneristico per progettare il sistema stesso (gli ingegneri possono concentrarsi sulla risoluzione dei problemi di dati piuttosto che sui problemi di scalabilità). **Official Response from Aunalisa Arellano:** > Grazie per aver condiviso la tua esperienza positiva con Databricks! Siamo entusiasti di sapere che trovi facile eseguire trasformazioni di dati su larga scala. Comprendiamo la tua preoccupazione riguardo all'impossibilità di eseguire una copia locale per i test. Stiamo lavorando continuamente per migliorare la nostra piattaforma e prenderemo in considerazione il tuo feedback. Grazie per aver dedicato del tempo a lasciare una recensione. ## Databricks Discussions - [Cos'è Lakehouse in Databricks?](https://www.g2.com/it/discussions/what-is-lakehouse-in-databricks) - 4 comments, 2 upvotes - [Quali sono le caratteristiche di Databricks?](https://www.g2.com/it/discussions/what-are-the-features-of-databricks) - 4 comments, 2 upvotes - [Cosa fa il software Databricks?](https://www.g2.com/it/discussions/what-does-databricks-software-do) - 3 comments - [Che cos'è la piattaforma di analisi unificata di Databricks?](https://www.g2.com/it/discussions/what-is-databricks-unified-analytics-platform) - 3 comments - [View Databricks pricing details and edition comparison](https://www.g2.com/it/products/databricks/reviews/databricks-review-12878359?section=pricing&secure%5Bexpires_at%5D=2026-06-07+13%3A14%3A06+-0500&secure%5Bsession_id%5D=2172f09a-f2a5-452d-bc05-e01aad65339a&secure%5Btoken%5D=e43f19469095ccaa94070d2e7444d687645bcc9666311a53fd9aab805bde6caf&format=llm_user) ## Databricks Integrations - [Agentforce 360 Platform (formerly Salesforce Platform)](https://www.g2.com/it/products/agentforce-360-platform-formerly-salesforce-platform/reviews) - [Agentforce Sales (formerly Salesforce Sales Cloud)](https://www.g2.com/it/products/agentforce-sales-formerly-salesforce-sales-cloud/reviews) - [Alation](https://www.g2.com/it/products/alation/reviews) - [Amazon EC2](https://www.g2.com/it/products/amazon-ec2/reviews) - [Amazon Redshift](https://www.g2.com/it/products/amazon-redshift/reviews) - [Amazon Relational Database Service (RDS)](https://www.g2.com/it/products/amazon-relational-database-service-rds/reviews) - [Anaplan](https://www.g2.com/it/products/anaplan/reviews) - [Anomalo](https://www.g2.com/it/products/anomalo/reviews) - [Apache Airflow](https://www.g2.com/it/products/apache-airflow/reviews) - [Apache Kafka](https://www.g2.com/it/products/apache-kafka/reviews) - [Apache NiFi](https://www.g2.com/it/products/apache-nifi/reviews) - [Atlan](https://www.g2.com/it/products/atlan/reviews) - [AWS Glue](https://www.g2.com/it/products/aws-glue/reviews) - [AWS Lambda](https://www.g2.com/it/products/aws-lambda/reviews) - [Azure Blob Storage](https://www.g2.com/it/products/azure-blob-storage/reviews) - [Azure Databricks](https://www.g2.com/it/products/azure-databricks/reviews) - [Azure Data Factory](https://www.g2.com/it/products/azure-data-factory/reviews) - [Azure Data Lake Store](https://www.g2.com/it/products/azure-data-lake-store/reviews) - [Azure Functions](https://www.g2.com/it/products/azure-functions/reviews) - [Azure Logic Apps](https://www.g2.com/it/products/azure-logic-apps/reviews) - [Azure OpenAI Service](https://www.g2.com/it/products/azure-openai-service/reviews) - [Azure Pipelines](https://www.g2.com/it/products/azure-pipelines/reviews) - [Azure Portal](https://www.g2.com/it/products/azure-portal/reviews) - [Azure SQL Database](https://www.g2.com/it/products/azure-sql-database/reviews) - [Claude Code](https://www.g2.com/it/products/anthropic-claude-code/reviews) - [Confluent](https://www.g2.com/it/products/confluent/reviews) - [Crunchbase](https://www.g2.com/it/products/crunchbase/reviews) - [Customer.io](https://www.g2.com/it/products/customer-io/reviews) - [Dash](https://www.g2.com/it/products/dash-for-brands-ltd-dash/reviews) - [data.world](https://www.g2.com/it/products/data-world/reviews) - [DAT iQ](https://www.g2.com/it/products/dat-iq/reviews) - [dbt](https://www.g2.com/it/products/dbt/reviews) - [DigitalOcean](https://www.g2.com/it/products/digitalocean/reviews) - [Fivetran](https://www.g2.com/it/products/fivetran/reviews) - [GEN TDS](https://www.g2.com/it/products/gen-tds/reviews) - [Git](https://www.g2.com/it/products/git/reviews) - [GitHub](https://www.g2.com/it/products/github/reviews) - [GitLab](https://www.g2.com/it/products/gitlab/reviews) - [Google Analytics](https://www.g2.com/it/products/google-analytics/reviews) - [Google Cloud Run](https://www.g2.com/it/products/google-cloud-run/reviews) - [HubSpot Marketing Hub](https://www.g2.com/it/products/hubspot-marketing-hub/reviews) - [Immuta](https://www.g2.com/it/products/immuta/reviews) - [JD Edwards World](https://www.g2.com/it/products/jd-edwards-world/reviews) - [Microsoft Copilot Studio](https://www.g2.com/it/products/microsoft-microsoft-copilot-studio/reviews) - [Microsoft Fabric](https://www.g2.com/it/products/microsoft-fabric/reviews) - [Microsoft Power Apps](https://www.g2.com/it/products/microsoft-power-apps/reviews) - [Microsoft Power Automate](https://www.g2.com/it/products/microsoft-power-automate/reviews) - [Microsoft Power BI](https://www.g2.com/it/products/microsoft-microsoft-power-bi/reviews) - [Microsoft SharePoint](https://www.g2.com/it/products/microsoft-sharepoint/reviews) - [Microsoft SQL Server](https://www.g2.com/it/products/microsoft-sql-server/reviews) - [Microsoft Teams](https://www.g2.com/it/products/microsoft-teams/reviews) - [Monte Carlo](https://www.g2.com/it/products/monte-carlo/reviews) - [MySQL](https://www.g2.com/it/products/mysql/reviews) - [ObjectWay SpA](https://www.g2.com/it/products/objectway-spa/reviews) - [Oracle Database](https://www.g2.com/it/products/oracle-database/reviews) - [Pega Platform](https://www.g2.com/it/products/pega-platform/reviews) - [PostgreSQL](https://www.g2.com/it/products/postgresql/reviews) - [PowerBI Portal](https://www.g2.com/it/products/powerbi-portal/reviews) - [Prophecy](https://www.g2.com/it/products/prophecy-prophecy/reviews) - [Qualtrics Customer Experience](https://www.g2.com/it/products/qualtrics-customer-experience/reviews) - [React Native](https://www.g2.com/it/products/react-native/reviews) - [Salesforce Agentforce](https://www.g2.com/it/products/salesforce-agentforce/reviews) - [SAP Ariba](https://www.g2.com/it/products/sap-ariba/reviews) - [SAP ECC](https://www.g2.com/it/products/sap-ecc/reviews) - [SAS Viya](https://www.g2.com/it/products/sas-sas-viya/reviews) - [Seamless (formally Seamless.AI)](https://www.g2.com/it/products/seamless-formally-seamless-ai/reviews) - [ServiceNow IT Service Management](https://www.g2.com/it/products/servicenow-it-service-management/reviews) - [Sigma](https://www.g2.com/it/products/sigma-computing-sigma/reviews) - [Sisense](https://www.g2.com/it/products/sisense/reviews) - [SnapLogic Intelligent Integration Platform (IIP)](https://www.g2.com/it/products/snaplogic-intelligent-integration-platform-iip/reviews) - [Snowflake](https://www.g2.com/it/products/snowflake/reviews) - [Spark](https://www.g2.com/it/products/apache-spark/reviews) - [Spark SQL](https://www.g2.com/it/products/spark-sql/reviews) - [SplashBI](https://www.g2.com/it/products/splashbi/reviews) - [Spotfire Analytics](https://www.g2.com/it/products/spotfire-analytics/reviews) - [Tableau](https://www.g2.com/it/products/tableau/reviews) - [ThoughtSpot](https://www.g2.com/it/products/thoughtspot/reviews) - [Visual Studio Code](https://www.g2.com/it/products/visual-studio-code/reviews) - [Workday HCM](https://www.g2.com/it/products/workday-hcm/reviews) ## Databricks Features **Rapporti** - Interfaccia dei Rapporti - Passaggi per rispondere - Grafici e Diagrammi - Schede di valutazione - Cruscotti **Amministrazione** - Modellazione dei dati - Raccomandazioni - Gestione del flusso di lavoro - Dashboard e Visualizzazioni **Gestione** - Segnalazione - Revisione contabile **Distribuzione** - Flessibilità linguistica - Flessibilità del Framework - Versionamento - Facilità di distribuzione - Scalabilità **Sistema** - Ingestione e Manipolazione dei Dati **Preparazione dei dati** - Connettori - Governance dei Dati **Gestione dei dati** - Integrazione dei dati - Compressione dei dati - Qualità dei dati - Analisi dei dati integrate - Apprendimento automatico in-database - Analisi del Data Lake **Gestione** - Dizionario dei dati - Replica dei dati - Linguaggio di interrogazione - Modellazione dei dati - Analisi delle prestazioni **Gestione** - Glossario Aziendale - Scoperta dei dati - Profilazione dei dati - Reportistica e Visualizzazione - Tracciabilità dei dati **Distribuzione** - Flessibilità linguistica - Flessibilità del Framework - Versionamento - Facilità di distribuzione - Scalabilità **Gestione dei dati** - Integrazione dei dati - Metadati - Self-service - Flussi di lavoro automatizzati **Scalabilità e Prestazioni - Infrastruttura di Intelligenza Artificiale Generativa** - Alta Disponibilità AI - Scalabilità dell'addestramento dei modelli di intelligenza artificiale - Velocità di inferenza dell'IA **Personalizzazione - Costruttori di Agenti AI** - Configurazione del linguaggio naturale - Personalizzazione del tono - Parapetti di Sicurezza **Piattaforme DataOps - AI Agente** - Esecuzione Autonoma dei Compiti - Pianificazione a più fasi - Integrazione tra sistemi - Apprendimento Adattivo - Prendere decisioni **Gestione del Traffico e Prestazioni - Gateway AI** - Limitazione della velocità consapevole del token - Caching Semantico - Instradamento multi-modello e fallback **Sviluppo del Modello** - Supporto Linguistico - Trascina e Rilascia - Algoritmi Pre-Costruiti - Addestramento del modello **Database** - Raccolta dati in tempo reale - Distribuzione dei dati - Lago di Dati **Trasformazione dei dati** - Analisi in tempo reale - Interrogazione dei dati **Conformità** - Conformità ai Dati Sensibili - Formazione e Linee Guida - Applicazione della politica - Monitoraggio della conformità **Funzionalità** - Estrazione - Trasformazione - Caricamento - Automazione - Scalabilità **Gestione** - Catalogazione - Monitoraggio - Governare - Registro Modelli **Sviluppo del modello** - Ingegneria delle caratteristiche **Modellazione e fusione dei dati** - Interrogazione dei dati - Filtraggio dei dati - Fusione dei dati **Integrazione** - Integrazione AI/ML - Integrazione dello strumento BI - Integrazione del data lake **Manutenzione** - Migrazione dei dati - Backup e Recupero - Ambiente multiutente **Sicurezza** - Controllo Accessi - Gestione dei Ruoli - Gestione della Conformità **Operazioni** - Metriche - Gestione delle infrastrutture - Collaborazione **Analitica** - Capacità di analisi - Visualizzazioni del cruscotto **Costo ed Efficienza - Infrastruttura di AI Generativa** - Costo dell'AI per chiamata API - Flessibilità nell'allocazione delle risorse AI - Efficienza Energetica dell'IA **Funzionalità - Costruttori di Agenti AI** - Supporto omnicanale - Branding dell'agente - Capacità di Risposta Proattiva - Escalation Umana Senza Soluzione di Continuità **Governance e Osservabilità - Gateway AI** - Privacy dei dati - Monitoraggio dei costi - Sicurezza centralizzata delle chiavi API **Servizi di Machine/Deep Learning** - Visione artificiale - Elaborazione del Linguaggio Naturale - Generazione del Linguaggio Naturale - Reti Neurali Artificiali **Integrazioni** - Integrazione di Hadoop - Integrazione Spark **Qualità dei dati** - Preparazione dei dati - Distribuzione dei dati - Unificazione dei dati **Servizi di Machine/Deep Learning** - Comprensione del linguaggio naturale - Apprendimento Profondo **Distribuzione** - In sede - Nuvola **Sicurezza** - Crittografia dei dati - Controllo di Accesso Utente **Manutenzione** - Gestione della Qualità dei Dati - Gestione delle politiche **Gestione** - Catalogazione - Monitoraggio - Governare **Monitoraggio e Gestione** - Osservabilità dei dati - Testare le capacità **Intelligenza Artificiale Generativa** - Generazione di Testo AI - Riassunto del testo AI **Integrazione ed Estensibilità - Infrastruttura di AI Generativa** - Supporto multi-cloud AI - Integrazione della pipeline di dati AI - Supporto e Flessibilità dell'API AI **Dati e Analisi - Costruttori di Agenti AI** - Analisi e Reportistica - Consapevolezza contestuale - Conformità alla Privacy dei Dati **Distribuzione** - Servizio gestito - Applicazione - Scalabilità **Piattaforma** - Scalabilità della macchina - Preparazione dei dati - Integrazione Spark **Connettività** - Integrazione di Hadoop - Integrazione Spark - Analisi Multi-Sorgente - Lago di Dati **Prestazione** - Scalabilità **Distribuzione su cloud** - Supporto cloud ibrido - Capacità di migrazione al cloud **Intelligenza Artificiale Generativa** - Generazione di Testo AI - Riassunto del testo AI **Intelligenza Artificiale Generativa** - Generazione di Testo AI - Riassunto del testo AI **Sicurezza e Conformità - Infrastruttura di Intelligenza Artificiale Generativa** - Conformità normativa e GDPR per l'IA - Controllo degli accessi basato sui ruoli AI - Crittografia dei dati AI **Integrazione - Costruttori di Agenti AI** - Automazione del flusso di lavoro - Utilizzo dell'API - Interoperabilità della piattaforma - Integrazione dei dati CRM **Piattaforme Analitiche - AI Agente** - Esecuzione autonoma dei compiti - Pianificazione a più fasi - Integrazione tra sistemi - Apprendimento Adattivo - Interazione in Linguaggio Naturale - Assistenza Proattiva - Prendere decisioni **Self Service** - Campi Calcolati - Filtraggio delle colonne di dati - Scoperta dei dati - Cerca - Collaborazione / Flusso di lavoro - Automodellazione **Elaborazione** - Elaborazione Cloud - Elaborazione del carico di lavoro **Operazioni** - Visualizzazione dei dati - Flusso di lavoro dei dati - Scoperta Governata - Analisi Incorporata - Quaderni **Sicurezza** - Governance dei dati - Sicurezza dei dati **Intelligenza Artificiale Generativa** - Generazione di Testo AI - Riassunto del testo AI - Testo-a-Immagine AI **Intelligenza Artificiale Generativa** - Generazione di Testo AI - Riassunto del testo AI **Usabilità e Supporto - Infrastruttura di AI Generativa** - Qualità della documentazione AI - Attività della Comunità AI **AI agentico - Governance dei dati** - Esecuzione autonoma dei compiti - Pianificazione a più fasi - Integrazione tra sistemi - Apprendimento adattivo - Interazione in Linguaggio Naturale - Prendere decisioni **Distribuzione e Integrazione - Piattaforme Analitiche** - Costruttore di Dashboard senza codice - Pianificazione e automazione dei report - Analisi incorporate e White-labeling - Connettività della fonte dati **Analisi Avanzata** - Analisi Predittiva - Visualizzazione dei dati - Servizi di Big Data **Intelligenza Artificiale Generativa** - Generazione di Testo AI - Riassunto del testo AI **Agentic AI - Piattaforme di Scienza dei Dati e Apprendimento Automatico** - Esecuzione autonoma dei compiti - Pianificazione a più fasi - Integrazione tra sistemi - Apprendimento Adattivo - Interazione in Linguaggio Naturale - Assistenza Proattiva - Prendere decisioni **Prestazioni e Scalabilità - Piattaforme Analitiche** - Gestione di grandi quantità di dati e velocità delle query - Supporto Utente Concorrenziale **Piattaforme di Analisi Avanzata e Modellazione - Piattaforme Analitiche** - Modellazione dei Dati e Governance - Integrazione di Notebook e Script - Modelli Predittivi e Statistici Integrati **Capacità di IA agentica - Piattaforme di analisi** - Approfondimenti e narrazioni generati automaticamente - Query di linguaggio naturale - Monitoraggio proattivo dei KPI e avvisi - Agenti AI per i seguiti analitici **Intelligenza Personalizzata - Piattaforme di Analisi** - Apprendimento comportamentale per il perfezionamento contestuale delle query - Personalizzazione dell'Insight Basata sul Ruolo - Analisi conversazionale e basata su prompt **Creare rapporti** - Trasformazione dei dati - Modellazione dei dati - Progettazione di Report WYSIWYG - API di integrazione **Piattaforma** - Supporto Utente Mobile - Personalizzazione - Gestione di Utenti, Ruoli e Accessi - Internazionalizzazione - Ambienti di prova / Sandbox - Prestazioni e Affidabilità - Ampiezza delle Applicazioni dei Partner ## Top Databricks Alternatives - [Cloudera Data Platform](https://www.g2.com/it/products/cloudera-cloudera-data-platform/reviews) - 4.1/5.0 (131 reviews) - [Snowflake](https://www.g2.com/it/products/snowflake/reviews) - 4.5/5.0 (706 reviews) - [Teradata Autonomous Knowledge Platform](https://www.g2.com/it/products/teradata-autonomous-knowledge-platform/reviews) - 4.3/5.0 (355 reviews)