# 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:** 801 ## 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. I notebook di Databricks rendono la collaborazione senza soluzione di continuità tra Python, SQL e Scala **Rating:** 5.0/5.0 stars **Reviewed by:** Joseph F. | Cloud Engineer, Mid-Market (51-1000 dip.) **Reviewed Date:** March 25, 2026 **Cosa Le piace di più di Databricks?** I notebook collaborativi di Databricks sono davvero utili e mi permettono di lavorare in qualsiasi linguaggio di cui ho bisogno per soddisfare efficacemente i miei requisiti. La possibilità di mescolare Python, SQL e persino Scala all'interno di una dashboard rende la collaborazione e il lavoro di squadra molto più fluidi. Apprezzo anche quanto facilmente si integri con altri strumenti e piattaforme cloud, quindi si adatta ai miei flussi di lavoro esistenti con pochissimo attrito. **Cosa non Le piace di Databricks?** Mi piace il loro supporto clienti e gli aggiornamenti frequenti sono una delle ragioni principali per cui è diventato il mio preferito per la gestione dei dati. Apprezzo anche quanto bene si integri con strumenti esterni come Power BI per la reportistica, è davvero buono. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Semplifica la collaborazione tra i team e ci aiuta a lavorare su grandi set di dati senza doverci preoccupare troppo dell'infrastruttura o del sovraccarico analitico. I calcoli e i report sono veloci, il che ha migliorato i nostri cicli di sviluppo e ridotto il continuo scambio tra i team di ingegneria e analisi. **Official Response from Janelle Glover:** > È fantastico sapere che Databricks sta semplificando la collaborazione tra team e migliorando i cicli di sviluppo per te. Ci impegniamo a fornire una piattaforma che riduca l'onere dell'infrastruttura e dell'analisi, permettendo ai team di concentrarsi sui loro obiettivi principali. ### 2. Elimina la tassa di frammentazione per i team di ML, ma la migrazione di Unity Catalog richiede pazienza **Rating:** 5.0/5.0 stars **Reviewed by:** Sachin G. | Machine Learning Engineer, Mid-Market (51-1000 dip.) **Reviewed Date:** June 03, 2026 **Cosa Le piace di più di Databricks?** Gestire pipeline di machine learning end-to-end, in particolare l'addestramento e il deployment di modelli multi-agente e motori di raccomandazione. Ciò che apprezzo di più di Databricks è come elimina completamente il sovraccarico di coordinamento—la tassa di frammentazione—tra i nostri team di ingegneria dei dati e scienza dei dati. Prima di Databricks, perdevamo ore ogni giorno a spostare dati tra data lake non gestiti, data warehouse proprietari e i nostri cluster di calcolo per il machine learning isolati. Avere MLflow gestito nativamente all'interno dello spazio di lavoro Databricks è un enorme vantaggio per il mio flusso di lavoro quotidiano. Non devo più preoccuparmi di configurare server di tracciamento o mantenere infrastrutture solo per registrare le mie metriche di addestramento, perché Databricks gestisce gli aggiornamenti automatici e la manutenzione senza problemi. Ogni esperimento è tracciato automaticamente e il registro dei modelli gestisce senza problemi il controllo delle versioni, rendendo il passaggio dall'esperimentazione al deployment in produzione incredibilmente fluido. Inoltre, gli aggiornamenti recenti a MLflow per la valutazione degli agenti GenAI, in particolare la capacità di utilizzare baseline derivate da tracce per generare script di valutazione eseguibili, mi hanno risparmiato innumerevoli ore di assemblaggio manuale. **Cosa non Le piace di Databricks?** Il passaggio a Unity Catalog è stato un ostacolo significativo per il nostro team. L'aggiornamento del nostro spazio di lavoro legacy per supportare il controllo centralizzato degli accessi e il tracciamento della lineage di Unity Catalog ha comportato una curva di apprendimento ripida, soprattutto quando si trattava di eredità dei privilegi e di garantire che i privilegi di schema corretti fossero concessi in tutto il sistema. Inoltre, mentre la piattaforma astrae magnificamente gran parte del lavoro DevOps, può oscurare i costi dell'infrastruttura sottostante. È fin troppo facile per un ingegnere avviare un cluster di calcolo sovradimensionato per un semplice compito di analisi esplorativa dei dati, portando a picchi improvvisi e severi nella nostra bolletta mensile del cloud. Devi essere estremamente disciplinato nel fissare politiche di auto-terminazione rigorose e regole di gestione dei cluster per mantenere i costi sotto controllo. L'interfaccia utente può anche sembrare un po' tediosa a volte, richiedendo di cliccare attraverso più livelli nel Catalog Explorer solo per visualizzare la pagina dei dettagli del modello e tracciare la lineage da tabella a modello. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Il problema principale che Databricks ha risolto per noi è stato il grande collo di bottiglia nel distribuire i modelli di machine learning in produzione. In passato, ci trovavamo a lottare con il classico problema in cui un modello funzionava perfettamente in un notebook locale ma falliva in produzione a causa di incompatibilità ambientali e della mancanza di un adeguato controllo delle versioni. Standardizzando su Databricks e sull'ambiente gestito MLflow, abbiamo stabilito una catena di approvazione rigorosa e documentata che soddisfa sia i nostri standard ingegneristici che i nostri severi requisiti di conformità. Un esempio reale di questo è stato quando abbiamo recentemente distribuito un sistema multi-agente per la prevenzione dell'abbandono dei clienti. Siamo stati in grado di eseguire l'inferenza, monitorare i metriche di sicurezza e rilevanza dell'agente utilizzando i giudici integrati di MLflow e tracciare continuamente gli output, tutto su un'unica piattaforma unificata. Questa architettura consolidata ha ridotto drasticamente i nostri tempi di distribuzione e ha significativamente ridotto il tempo che trascorrevamo a risolvere errori di produzione. ### 3. Prestazioni fenomenali di Spark, UX frustrante e bollette da capogiro **Rating:** 5.0/5.0 stars **Reviewed by:** Jagdish S. | Associate Data Scientist, Mid-Market (51-1000 dip.) **Reviewed Date:** June 02, 2026 **Cosa Le piace di più di Databricks?** Gestisco un team di data science in un'azienda di medie dimensioni dove ci occupiamo di tutto, dai pipeline di dati disordinati ai complessi lavori di machine learning. Databricks è il motore principale del nostro stack. Lo utilizziamo per acquisire la telemetria grezza dei clienti, ripulirla ed eseguire enormi lavori PySpark per addestrare i nostri modelli predittivi. Ci affidiamo anche pesantemente alla sua integrazione con MLflow per gestire il nostro registro dei modelli e gestire le distribuzioni. Essenzialmente, è il parco giochi infrastrutturale dove avviene tutto il nostro pesante lavoro sui dati. Le prestazioni pure sono ineguagliabili. Se stai gestendo set di dati enormi e gonfiati che soffocano le macchine locali o le istanze cloud standard, Databricks li gestisce come una bestia. L'ambiente Spark gestito elimina una grande parte dei problemi infrastrutturali coinvolti nella configurazione dei cluster da zero. Da una prospettiva puramente di data science, avere notebook collaborativi dove il mio team può intervenire, scrivere Python o SQL contemporaneamente e visualizzare istantaneamente i dati senza cambiare strumenti è un enorme vantaggio. Anche l'integrazione con MLflow è fantastica; poter tracciare iperparametri, registrare artefatti e registrare modelli nello stesso spazio di lavoro dove i dati effettivamente risiedono ci salva dalla frammentazione degli strumenti e mantiene i nostri pipeline MLOps incredibilmente stretti. **Cosa non Le piace di Databricks?** L'esperienza utente può essere profondamente frustrante e la piattaforma spesso sembra una raccolta di strumenti completamente diversi messi insieme con del nastro adesivo. L'interfaccia utente è goffa, non intuitiva e in costante cambiamento, il che significa che si perde tempo solo cercando di navigare nello spazio di lavoro. Il debug di un lavoro Spark fallito è anche un vero incubo: devi scavare attraverso infiniti strati di log complicati del driver e dell'esecutore solo per trovare un semplice errore di sintassi o di memoria insufficiente. Ma il mio problema più grande in assoluto è la struttura dei prezzi. La fatturazione è completamente opaca. Ti addebitano le Databricks Units (DBU) oltre ai costi di calcolo standard del tuo fornitore di cloud, e se un giovane sviluppatore lascia accidentalmente un cluster ad alta concorrenza in esecuzione durante il fine settimana senza che l'auto-terminazione sia configurata rigorosamente, ti troverai di fronte a una bolletta stratosferica il lunedì. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Prima di passare a Databricks, i nostri team di ingegneria dei dati e di data science erano completamente isolati. Gli ingegneri scaricavano file nello storage cloud e noi faticavamo a estrarre quei dati, mappare gli schemi e addestrare i modelli senza esaurire la memoria. Databricks ha risolto fondamentalmente questa frammentazione. Ad esempio, di recente abbiamo costruito un motore di raccomandazione in tempo reale in cui dovevamo elaborare milioni di eventi utente giornalieri. Con Databricks, abbiamo costruito una pipeline end-to-end che gestisce l'ingegneria dei dati, addestra il modello e espone il registro del modello al nostro ambiente di produzione sotto un unico tetto. Ha ridotto il nostro tempo di produzione da mesi a giorni, il che, nonostante i mal di testa dell'UX e i costi elevati, lo rende un male necessario per un'azienda che gestisce dati alla nostra scala. **Official Response from Jess Darnell:** > Siamo entusiasti di sapere che Databricks è stato fondamentale nel migliorare il flusso di lavoro e le prestazioni del tuo team di data science. Comprendiamo la tua frustrazione con l'esperienza utente e la struttura dei prezzi, e stiamo lavorando costantemente per migliorare questi aspetti della nostra piattaforma. Il tuo feedback è prezioso per noi e sarà condiviso con il nostro team per ulteriori considerazioni. ### 4. Piattaforma Unificata Scalabile per l'Elaborazione dei Dati e l'Apprendimento Automatico **Rating:** 4.0/5.0 stars **Reviewed by:** Anita P. | Business Intelligence Analyst, Mid-Market (51-1000 dip.) **Reviewed Date:** June 03, 2026 **Cosa Le piace di più di Databricks?** Come Data Scientist che lavora per un'azienda di medie dimensioni, il mio principale caso d'uso per Databricks è come motore centrale per tutto il nostro processo di elaborazione dati e pipeline di modellazione predittiva. Lo utilizzo ogni giorno per estrarre dati grezzi e sporchi dal nostro storage cloud, esplorarli con complicate query SQL e poi creare e addestrare modelli di machine learning con PySpark e Python. Fondamentalmente, offre ai nostri team di ingegneria dei dati e scienza dei dati un luogo comune per lavorare sugli stessi enormi set di dati contemporaneamente senza dover scambiare continuamente file o credenziali. Da una prospettiva di flusso di lavoro quotidiano, adoro la fluidità dell'ambiente collaborativo del notebook. La possibilità di lavorare con diversi linguaggi nello stesso ambiente di lavoro è un grande vantaggio. Posso eseguire una query SQL ottimizzata per estrarre un ampio set di dati in una cella, quindi elaborarlo nella successiva utilizzando PySpark e visualizzarlo con librerie Python subito dopo. Questo elimina completamente la necessità di passare costantemente tra diversi strumenti o IDE. Un altro grande vantaggio per il mio lavoro quotidiano è la connessione pronta all'uso con MLflow. Rende molto facile tornare a una versione precedente, traccia automaticamente la regolazione degli iperparametri, confronta diverse esecuzioni di modelli e gestisce l'intero ciclo di vita di un modello. Mi piace davvero come Databricks elimina lo sforzo di gestire i cluster Spark, puoi avviare un cluster distribuito con pochi clic e concentrarti sulla scrittura di algoritmi anziché giocare a DevOps. **Cosa non Le piace di Databricks?** E nonostante tutto il suo potenziale, lavorare con Databricks comporta alcune difficoltà quotidiane. Ciò che è più importante per un'azienda di medie dimensioni come la nostra è il modello di prezzo aggressivo per i costi di calcolo. Il pagamento mensile può sfuggire rapidamente al controllo, se non si monitorano compulsivamente le configurazioni del cluster e le impostazioni di auto-terminazione, specialmente se un cluster ad alta memoria viene lasciato in funzione involontariamente durante il fine settimana. Un altro punto dolente importante è l'integrazione Git integrata. Databricks Repos è stato utile, tuttavia gestire conflitti di merge complicati o la gestione dei branch risulta ancora inaspettatamente goffo rispetto a un normale IDE locale come VS Code. Infine, la curva di apprendimento è piuttosto ripida per i nuovi dipendenti. L'interfaccia utente potrebbe essere complicata e il debug dei fallimenti del calcolo distribuito può rappresentare un grande ostacolo per i giovani data scientist che cercano di mettersi al passo. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Il problema di base più grande che Databricks ha affrontato per la nostra azienda è stato abbattere i silos separati tra i nostri ingegneri dei dati e il team di data science. Abbiamo visto questo effetto nel mondo reale di recente quando stavamo lavorando a un progetto per costruire un algoritmo di rilevamento delle frodi. Nell'approccio precedente, avrei dovuto inviare un ticket all'ingegneria dei dati, aspettare giorni affinché estraessero e pulissero i dati, e poi cercare di addestrare il modello localmente. Ricevevo dati obsoleti nel momento in cui li ottenevo, e il mio computer si bloccava continuamente a causa dei limiti di memoria. Potevo connettermi immediatamente al nostro Delta Lake, utilizzare PySpark per elaborare la grande quantità di dati senza problemi di memoria e addestrare il modello su un cluster scalabile, tutto nello stesso ecosistema utilizzando Databricks. Questo sportello unico ha ridotto la durata del nostro deployment del modello da circa un mese a un paio di giorni, migliorando notevolmente la velocità con cui offriamo valore aziendale concreto. ### 5. Eccellente per il team di big data ma molto difficile da gestire in termini di costi e accesso **Rating:** 4.0/5.0 stars **Reviewed by:** Keshav R. | Senior System Engineer, Enterprise (> 1000 dip.) **Reviewed Date:** June 03, 2026 **Cosa Le piace di più di Databricks?** Il principale vantaggio dal lato IT è che Databricks elimina il problema dell'infrastruttura. In passato i nostri ingegneri dei dati chiedevano sempre di configurare cluster Spark, gestire librerie e affrontare i guasti delle macchine virtuali. Databricks fa tutto questo automaticamente. L'auto-scaling è piuttosto fluido; aggiunge nodi quando il carico di lavoro è elevato e li rimuove successivamente, quindi l'utilizzo dell'infrastruttura è molto efficiente. Inoltre, l'integrazione con i ruoli IAM di AWS e Azure è molto solida. Possiamo facilmente collegarlo alla nostra directory attiva per il single sign-on SSO, il che rende l'onboarding degli utenti molto veloce. La funzione di condivisione dei notebook è anche apprezzata dai miei team perché possono collaborare senza condividere file di codice tramite email o Slack. **Cosa non Le piace di Databricks?** Il punto dolente più grande per le operazioni IT è il controllo dei costi. La fatturazione di Databricks utilizza le DBU, le Databricks Units, ed è molto difficile prevedere il budget mensile. Un altro problema è il tempo di avvio del cluster. Ci vogliono circa 4-7 minuti per avviare un nuovo cluster. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Stiamo usando Databricks per centralizzare l'intero processo di elaborazione dei dati e le pipeline di machine learning. Prima di questo, i dati erano sparsi in diversi silos e mantenere ambienti diversi per gli ingegneri dei dati e gli scienziati dei dati era un incubo operativo. Ora, Databricks offre una piattaforma unica. Da una prospettiva operativa, riduce il carico di ticket di supporto del mio team di almeno il 40% perché gli utenti possono gestire autonomamente i loro cluster entro i limiti che abbiamo impostato. Risparmia molte ore di ingegneria che usavamo per mantenere l'infrastruttura open-source di Apache Spark. ### 6. Cluster Spark gestiti e notebook collaborativi che funzionano perfettamente **Rating:** 4.5/5.0 stars **Reviewed by:** Ranjit P. | System Administrator, Mid-Market (51-1000 dip.) **Reviewed Date:** June 03, 2026 **Cosa Le piace di più di Databricks?** La cosa migliore di Databricks sono i cluster Spark gestiti. In passato, configurare manualmente Apache Spark su AWS o Azure era un grande problema. Ora, con Databricks, posso avviare un cluster con pochi clic. La funzione di auto-scaling funziona molto bene, quando si elaborano carichi di lavoro pesanti di dati, aggiunge automaticamente nodi e li riduce quando ha finito, il che consente di risparmiare sui costi del cloud. Inoltre, i notebook collaborativi sono fantastici. I miei colleghi di squadra ed io possiamo lavorare sullo stesso codice Python o SQL allo stesso tempo, proprio come Google Docs. L'integrazione con Delta Lake è anche un grande vantaggio perché offre transazioni ACID direttamente su cloud storage, quindi i problemi di corruzione dei dati sono ora molto rari. **Cosa non Le piace di Databricks?** Il problema più grande è il prezzo. Le Databricks DBUs (Databricks Units) sono piuttosto costose, e se non si presta attenzione alle configurazioni del cluster o si lascia un cluster in esecuzione per errore, la bolletta del cloud aumenterà rapidamente. Gli strumenti di gestione dei costi all'interno della piattaforma potrebbero essere molto migliori. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Stiamo risolvendo il grande problema dei silos di dati e delle pipeline ETL (Extract, Transform, Load) lente. Prima di Databricks, il nostro team di data science e il team di data engineering lavoravano in ambienti diversi, e spostare i dati tra di loro era un'operazione dolorosa. Ora, Databricks funge da unica Piattaforma di Analisi Unificata. Integriamo i dati grezzi in Azure/AWS, li puliamo utilizzando Spark SQL, e i ragazzi del machine learning usano la stessa piattaforma per addestrare i modelli. Ha ridotto il nostro tempo di elaborazione dei dati da ore a minuti, il che ci aiuta a consegnare i progetti ai clienti molto più velocemente. ### 7. Una grande piattaforma unificata per l'IA, ma fai attenzione ai costi del cluster **Rating:** 4.5/5.0 stars **Reviewed by:** Atul C. | Junior Data Scientist, Enterprise (> 1000 dip.) **Reviewed Date:** May 30, 2026 **Cosa Le piace di più di Databricks?** Annidato all'interno del nostro flusso di lavoro DevOps, ho scoperto che la cosa migliore di Databricks è che riunisce l'intero team. I nostri ingegneri dei dati e sviluppatori di AI possono quindi creare, collaborare e lavorare esattamente nello stesso ambiente senza dover continuamente scambiarsi file. È molto simile a lavorare su un documento di Google, tranne per il fatto che stai programmando. È anche un grande vantaggio avere MLflow integrato direttamente nello spazio di lavoro. Registra tutti gli esperimenti, i parametri e le versioni dei miei modelli senza alcuna configurazione aggiuntiva complicata. **Cosa non Le piace di Databricks?** Al contrario, ci sono alcune cose che possono essere fastidiose. La tariffazione è piuttosto complicata e se non si gestiscono con attenzione i cluster di calcolo o non si configura l'auto-terminazione, i costi possono aumentare rapidamente. Non mi piace nemmeno il tempo di attesa per avviare un nuovo cluster. Dopo essere rimasto lì per 5-10 minuti per testare una piccola modifica al codice, posso facilmente perdere la concentrazione. Inoltre, la piattaforma è un po' complessa da imparare e i nuovi ingegneri junior impiegano del tempo per ambientarsi. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** La nostra sfida più grande era la mancanza di un passaggio fluido tra la preparazione dei dati e il deployment del modello, e questo è stato risolto da Databricks. I nostri team lavoravano in isolamento prima di utilizzare questo software. Nello sviluppo attuale del nostro ultimo motore di raccomandazione per i clienti, ad esempio, siamo stati in grado di far sì che le nostre pipeline di dati pulissero automaticamente i dati in arrivo in tempo reale e poi eseguissero automaticamente i nostri script di riaddestramento del modello, tutto da un unico posto. Ha semplificato notevolmente il nostro flusso di lavoro e ridotto il tempo complessivo di deployment del progetto da alcune settimane a pochi giorni. **Official Response from Jess Darnell:** > Grazie per aver condiviso la tua esperienza con Databricks. Siamo lieti di sapere che è stata una grande piattaforma unificata per il tuo team, permettendo una collaborazione e un'integrazione senza problemi con MLflow. Comprendiamo le tue preoccupazioni riguardo ai costi dei cluster e ai tempi di attesa, e stiamo lavorando continuamente per migliorare l'esperienza utente e fornire opzioni di prezzo più trasparenti. ### 8. Databricks semplifica la rendicontazione finanziaria con approfondimenti rapidi e in tempo reale **Rating:** 5.0/5.0 stars **Reviewed by:** Eyal_ S. | Financial Advisor and Analyst , Costruzioni, Piccola impresa (50 o meno dip.) **Reviewed Date:** June 02, 2026 **Cosa Le piace di più di Databricks?** Mi piace molto come Databricks accelera il consolidamento dei dati provenienti da più fonti, così passo molto meno tempo a ripulire i fogli di calcolo. Con le query SQL e i notebook, posso eseguire analisi dei costi per progetto e monitorare i margini in tempo reale. Le dashboard rendono anche più facile presentare le tendenze finanziarie alla leadership e ai clienti durante le riunioni di revisione. Nel complesso, la piattaforma funziona bene con i nostri dati storici e li elabora rapidamente, il che aiuta a migliorare l'accuratezza e riduce i tempi di consegna dei rapporti. **Cosa non Le piace di Databricks?** Non ho alcuna antipatia da menzionare. Lo strumento è stato semplice da usare per l'analisi finanziaria e si adatta bene alle dimensioni e alle esigenze della nostra azienda. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Utilizzo Databricks per analizzare i costi dei progetti, le spese per i materiali e i dati sui ricavi estratti dai nostri sistemi di contabilità e gestione dei lavori. Consolida i nostri dati finanziari in un unico spazio di lavoro, il che rende più facile gestire il budgeting e le previsioni e produrre report chiari per i clienti. **Official Response from Jess Darnell:** > Siamo entusiasti di sapere che Databricks è stato fondamentale nel semplificare il tuo processo di reportistica finanziaria e nel fornire approfondimenti in tempo reale. Grazie per aver condiviso la tua esperienza positiva! ### 9. Prominente quando si scalano LLM e pipeline, ma si può essere attenti alla bolletta del cloud! **Rating:** 4.5/5.0 stars **Reviewed by:** Anupama J. | Junior Data Analyst, Enterprise (> 1000 dip.) **Reviewed Date:** June 02, 2026 **Cosa Le piace di più di Databricks?** Come ricercatore di IA, sembra che l'infrastruttura sia il problema numero 1, specialmente nell'impostare cluster, costruire driver e scalare l'addestramento distribuito. Databricks si occupa di tutto questo da solo. Posso facilmente e rapidamente distribuire un cluster di nodi per GPU con PyTorch e DeepSpeed preconfigurati in pochi clic. Questo MLflow integrato è un salvavita per tenere traccia degli esperimenti. Tutti gli iperparametri o i cambiamenti di architettura rispetto a un modello di embedding vengono automaticamente tracciati ogni volta. ESSENZIALE: Non devo più lottare per ottenere dataset puliti e versionati dagli ingegneri dei dati per scopi di addestramento quando lavoro con Delta Lake. Orientarsi tra quei feature store è anche molto facile con Unity Catalog. **Cosa non Le piace di Databricks?** Innanzitutto, è davvero costoso bhai. Su un cluster GPU A100 estremamente grande, se tu, o qualcuno del tuo team, dimenticate di configurare l'auto-terminazione, avrete una giornata molto cupa con le finanze domani. Le spese possono accumularsi rapidamente. Inoltre, sebbene siano troppo leggeri per essere una piattaforma ideale per l'apprendimento profondo distribuito, il flusso di lavoro di debug può essere tedioso. L'intersezione dei nodi di calcolo rende difficile trovare l'esatto errore PyTorch-Out-Of-Memory o CUDA-Out-Of-Memory che si verifica nei log di Spark. Inoltre, sento che l'interfaccia utente nativa di MLflow in Databricks non è così avanzata e specializzata come alcuni degli strumenti come Weights & Biases. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Colma il vuoto oceanico tra la ricerca nell'IA e l'ingegneria dei dati. Ottenere terabyte di dati di testo non strutturati pre-addestrati in passato era un incubo a più fasi in ambienti diversi. Posso fare una pesante preparazione dei dati usando Spark e passare immediatamente a Python per addestrare il mio modello nello stesso ecosistema. Aiuta a comunicare buona volontà tra l'intero team. Tutto è in un unico spazio di lavoro, quindi la mia transizione dai dati grezzi al tracciamento degli esperimenti fino alla registrazione finale del modello nel registro avviene in un'unica pipeline unificata. **Official Response from Jess Darnell:** > Grazie per il tuo feedback - apprezziamo la tua recensione! ### 10. Databricks è super veloce con i big data, ma lento da imparare. **Rating:** 4.0/5.0 stars **Reviewed by:** Khushi S. | Data Analyst Intern, Enterprise (> 1000 dip.) **Reviewed Date:** June 02, 2026 **Cosa Le piace di più di Databricks?** Lavoro come Data Analyst e ogni giorno utilizzo Databricks per completare i miei compiti di analisi dei dati. La cosa che mi piace di più è la velocità di elaborazione. Stavamo caricando grandi tabelle e ci voleva troppo tempo prima di poter caricare grandi tabelle utilizzando database normali. Le mie ricche query SQL sono molto veloci in Databricks grazie all'uso del backend Apache Spark. Inoltre, la funzione Notebook è molto utile per me. Posso creare codice SQL in una cella e nella cella successiva posso scrivere codice Python o Pandas per fare una particolare pulizia dei dati. È anche facile collegare Databricks ai nostri dashboard di Power BI. **Cosa non Le piace di Databricks?** Ci sono alcune cose con cui sto affrontando problemi. La prima è il tempo di avvio del cluster. Al mattino, ci vogliono 5-10 minuti per avviarsi, ma una volta che accedo. Quando la direzione richiede un rapporto urgente, devo sedermi e aspettare finché il cluster non diventa verde. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Il problema principale che sta risolvendo è la capacità di elaborare grandi volumi di dati aziendali senza che il sistema si blocchi. In precedenza, era un problema gestire milioni di righe. Ora posso facilmente interrogare, filtrare e aggregare grandi set di dati. Sta aiutando il mio team poiché gli ingegneri dei dati e gli analisti dei dati condividono lo stesso spazio di lavoro. Nel caso in cui gli ingegneri dei dati creino una nuova tabella, posso vederla immediatamente e interrogarla direttamente nel mio notebook. Usare i notebook per condividerli con altri membri del team per farli revisionare è simile all'uso di Google Doc, il che rende il mio lavoro di reportistica quotidiana incredibilmente veloce. **Official Response from Jess Darnell:** > Apprezziamo il tuo feedback sui vantaggi dell'utilizzo di Databricks per l'elaborazione di grandi set di dati e sulla collaborazione senza soluzione di continuità tra ingegneri dei dati e analisti dei dati. Riconosciamo il problema con il tempo di avvio del cluster e ci impegneremo a migliorare le prestazioni in quest'area. ### 11. Il miglior strumento per lavorare con grandi dati di concessionari, ma richiede un team tecnico. **Rating:** 4.5/5.0 stars **Reviewed by:** Dilkash N. | Assistant Sales Manager (Institutional Sales), Enterprise (> 1000 dip.) **Reviewed Date:** June 02, 2026 **Cosa Le piace di più di Databricks?** Abbiamo una rete molto grande di concessionari e distributori in tutta l'India nel nostro business di articoli sanitari. Ogni giorno vengono generati grandi dati di vendita. La velocità è la mia cosa preferita di Databricks. Ogni volta che usavamo semplici fogli Excel o vecchi software prima, si bloccavano sempre. E ora il nostro team dati aziendale sta elaborando milioni di righe in poco tempo. Come Senior Sales Specialist, mi assicuro di ricevere il mio cruscotto territoriale e i rapporti di previsione almeno ogni mattina. Sta riunendo tutti i dati dispersi in modo efficace. **Cosa non Le piace di Databricks?** La cosa peggiore è che si tratta di un software altamente tecnico. Come venditore, non posso applicarlo per localizzare i dati direttamente. Devo richiedere al team di ingegneria dei dati o IT di programmare o creare una query ogni volta che desidero un nuovo report personalizzato. L'interfaccia utente non tecnica sta diventando molto complicata. E la mia direzione continua a dire che questo costa molto. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Stiamo risolvendo il problema del tracciamento degli obiettivi e dell'abbinamento dell'inventario. Abbiamo una vasta gamma di prodotti, come piastrelle, rubinetti e lavabi, in Cera. Databricks sta assistendo la nostra azienda a capire quale regione sta vendendo di più quale prodotto e la tendenza del mercato. Il mio vantaggio è dovuto a questo, perché posso consigliare i miei rivenditori locali di conseguenza, per quanto riguarda l'ordine del mese prossimo. Sta fornendo previsioni di vendita altamente precise e mi sta risparmiando il tempo di reportistica manuale e sto chiudendo i miei obiettivi di vendita con facilità. **Official Response from Jess Darnell:** > Siamo lieti di sapere che Databricks ti sta aiutando con la velocità e la consolidazione dei dati. Comprendiamo le sfide della complessità tecnica e continueremo a lavorare per migliorare l'interfaccia utente per gli utenti non tecnici. ### 12. Databricks unifica l'ingegneria dei dati, l'analisi e il ML per una collaborazione più veloce **Rating:** 4.0/5.0 stars **Reviewed by:** Rudi T. | Cloud Platform Engineer, Enterprise (> 1000 dip.) **Reviewed Date:** June 02, 2026 **Cosa Le piace di più di Databricks?** Quello che mi piace di più è come Databricks unisce l'ingegneria dei dati, l'analisi e il machine learning in un unico ambiente. I nostri team non devono più passare da uno strumento all'altro per costruire pipeline, analizzare dati e addestrare modelli, il che rende il lavoro più coerente e snello. L'esperienza del notebook è veramente collaborativa e ci aiuta a passare dall'esplorazione allo sviluppo molto più velocemente. L'integrazione con Spark e Delta Lake ci facilita anche nell'elaborazione di grandi set di dati in modo efficiente e nel mantenere l'organizzazione man mano che i progetti crescono. **Cosa non Le piace di Databricks?** La piattaforma può sembrare opprimente per i nuovi utenti a causa del gran numero di funzionalità disponibili. Alcune delle configurazioni più avanzate richiedono anche una solida comprensione dell'infrastruttura cloud e della gestione dei cluster, il che può aumentare la curva di apprendimento. Anche il monitoraggio dei costi richiede un'attenzione particolare, soprattutto per i team che eseguono carichi di lavoro pesanti su base frequente. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Databricks ci ha aiutato a modernizzare la nostra piattaforma dati e a sostituire diversi strumenti disconnessi. Ora lo utilizziamo come unico luogo per l'elaborazione ETL, l'analisi e i carichi di lavoro di machine learning. Di conseguenza, la nostra complessità operativa è diminuita e la collaborazione tra ingegneri dei dati e analisti è migliorata. **Official Response from Jess Darnell:** > Siamo lieti di sapere che trovi utile l'ambiente unificato di Databricks e l'esperienza collaborativa dei notebook per i tuoi team. Comprendiamo che la piattaforma possa sembrare opprimente per i nuovi utenti e stiamo lavorando continuamente per migliorare l'esperienza utente e fornire più risorse per l'apprendimento e il supporto. ### 13. Ottimo per scalare i modelli di ML, nonostante la curva di apprendimento. **Rating:** 5.0/5.0 stars **Reviewed by:** Lokesh S. | Senior Data Scientist, Mid-Market (51-1000 dip.) **Reviewed Date:** May 28, 2026 **Cosa Le piace di più di Databricks?** Siamo un'azienda tecnologica di medie dimensioni, dove lavoro come Senior Data Scientist, e utilizziamo Databricks come nostra principale piattaforma per l'ingestione dei dati, nonché per l'addestramento e il deployment di modelli di machine learning. In precedenza, i nostri data scientist e ingegneri operavano in mondi separati, condividendo script avanti e indietro tra di loro, creando così un enorme collo di bottiglia. A questo punto, puliamo i nostri enormi dataset di data wrangling, eseguiamo pipeline avanzate di PySpark e registriamo ogni esperimento di modello su un'unica piattaforma basata su cloud. Ciò che mi piace di più di Databricks è che unisce veramente tutti i team di dati in un unico spazio di lavoro. È una grande caratteristica dei notebook collaborativi che possono essere utilizzati contemporaneamente da più membri del team, che saranno in grado di scrivere codice in Python, SQL o anche R contemporaneamente, rendendo le revisioni tra pari e il debugging molto più veloci. Il supporto integrato per MLflow è anche un enorme vantaggio per il mio lavoro. Tutti i parametri dei miei esperimenti e le metriche dei modelli sono monitorati automaticamente e non ho bisogno di fare supposizioni per scoprire quale versione di un modello ha funzionato meglio durante l'addestramento. Inoltre, quando ho bisogno di configurare un cluster di calcolo massiccio, posso farlo con un paio di clic e mi permette di concentrarmi sulla modellazione dei miei dati piuttosto che preoccuparmi di compiti DevOps, configurazione dell'infrastruttura e simili. **Cosa non Le piace di Databricks?** Ma il sito web non è privo di svantaggi. La ripida curva di apprendimento, in particolare quando si integrano nuovi dipendenti provenienti da un ambiente Python locale ben definito/panda esistente, è la parte più impegnativa. Imparare l'ecosistema Spark e il calcolo distribuito richiede molto tempo e sforzo. A volte è difficile comprendere i costi della struttura dei prezzi e si può finire per spendere troppo se non si è attenti. Poiché il calcolo viene addebitato in base all'uso, ogni volta che si lascia acceso per errore un grande cluster, si potrebbe intaccare il budget mensile e certamente non è un semplice cruscotto. Infine, ma non meno importante, l'interfaccia utente può diventare piuttosto affollata e lenta quando si ha un grande notebook con dozzine o addirittura centinaia di output in celle visive che vengono visualizzati contemporaneamente. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Nei problemi del mondo reale risolti, Databricks ha appena risolto la nostra pipeline di distribuzione del modello! In precedenza, ci volevano settimane di riscrittura del codice con il team di ingegneria per spostare un modello predittivo di abbandono dei clienti dal mio computer locale a un sistema di produzione. Sono anche recentemente coinvolto nello sviluppo e nella distribuzione di un motore di raccomandazione in tempo reale che sono stato in grado di addestrare, monitorare e passare come endpoint completamente sviluppato agli ingegneri in non più di pochi giorni. Ha praticamente eliminato i problemi di "funziona sul mio computer". Abbiamo notevolmente ridotto il tempo di immissione sul mercato per nuovi prodotti di dati e siamo stati in grado di gestire terabyte di dati dei clienti senza sovraccarico e senza che la nostra infrastruttura collassasse. **Official Response from Jess Darnell:** > Grazie per aver condiviso la tua esperienza con Databricks! Siamo lieti di sapere che ha trasformato i tuoi team di dati e fornito una piattaforma comune per la collaborazione. Apprezziamo il tuo feedback sulla facilità d'uso e sul controllo dei costi, e stiamo lavorando continuamente per migliorare in questi settori. È fantastico sapere che Databricks ha aiutato a standardizzare gli ambienti di runtime e a rimuovere i silos tra i dipartimenti, portando a un lavoro di squadra cross-funzionale più efficiente. ### 14. Databricks aumenta la produttività con uno spazio di lavoro unificato e uno sviluppo assistito dall'IA **Rating:** 5.0/5.0 stars **Reviewed by:** Utente verificato in Consulenza | Mid-Market (51-1000 dip.) **Reviewed Date:** May 27, 2026 **Cosa Le piace di più di Databricks?** Come ADE, ciò che mi piace di più di Databricks è che elimina l'attrito dell'infrastruttura, così posso concentrarmi esclusivamente sulla logica dell'ingegneria dei dati. Apprezzo anche molto lo spazio di lavoro unificato: posso scrivere PySpark per l'estrazione e la trasformazione dei dati, passare a SQL per l'analisi esplorativa e rivedere la provenienza dei dati, tutto all'interno di una singola scheda del browser, il che rappresenta un enorme incremento di produttività. Inoltre, le funzionalità AI integrate sono state incredibilmente utili perché mi permettono di preoccuparmi meno della sintassi e di dedicare più tempo alla logica stessa. Infine, con le integrazioni senza soluzione di continuità attraverso Lakehouse Federation e l'onboarding semplice, il mio lavoro è diventato molto più fluido. **Cosa non Le piace di Databricks?** Sebbene la piattaforma sia eccellente per lo sviluppo, il modello di consumo DBU e la gestione del cluster possono sembrare un po' intimidatori al mio livello. Come principiante, ho passato molto tempo a testare diversi pezzi di logica, ed è stato facile dimenticare di terminare il cluster multiuso in seguito, il che ha portato a un consumo di crediti minimo ma comunque non necessario. Fortunatamente, l'auto-terminazione esiste e ha aiutato a evitare che i crediti scomparissero. Tuttavia, un'impostazione di auto-terminazione più aggressiva o una funzione di pausa più intelligente renderebbero più facile evitare qualsiasi perdita di crediti in primo luogo. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Databricks aiuta a risolvere il caos dell'ambiente locale che spesso rallenta gli ingegneri junior. Fornendo un'architettura Lakebase pronta all'uso, mi permette di praticare l'ingegneria dei dati a livello aziendale senza dover connettermi a VPN o affrontare configurazioni Docker complesse. Nel mio progetto, ha affrontato l'intero flusso: l'ingestione dei dati grezzi, la loro trasformazione e la loro distribuzione per le query analitiche. Questo avvantaggia anche il mio team, perché posso integrarmi nei veri pipeline di dati molto più velocemente e iniziare a contribuire prima. Allo stesso tempo, sto imparando a costruire flussi di lavoro ETL pronti per la produzione senza che i miei colleghi senior debbano passare ore ad aiutarmi a risolvere i problemi del mio ambiente locale Python/Spark. Un vantaggio inaspettato è stata la collaborazione senza soluzione di continuità. Poiché i notebook sono basati su cloud e collegati allo spazio di lavoro, condividere il mio progetto con ingegneri senior per le revisioni del codice è stato semplice come inviare un link. Inoltre, il modo in cui Databricks gestisce i metadati mi ha fatto capire presto nella mia carriera quanto sia importante la governance dei dati. **Official Response from Jess Darnell:** > We're glad to hear that Databricks has been such a productivity boost for you! The unified workspace and AI-assisted development are indeed powerful features that many of our users appreciate. We understand your concerns about the DBU consumption model and cluster management. We're constantly working to improve the user experience, and your feedback will be taken into consideration for future enhancements. ### 15. Governance Centralizzata, Potente Strumento di Migrazione **Rating:** 5.0/5.0 stars **Reviewed by:** Jaswanth J. | Data Engineer, Mid-Market (51-1000 dip.) **Reviewed Date:** May 26, 2026 **Cosa Le piace di più di Databricks?** Mi piace il Unity Catalog come unico livello di governance che centralizza il controllo degli accessi e offre permessi dettagliati su risorse di dati. L'API del workspace e le funzionalità di automazione sono preziose per ottimizzare le operazioni. Apprezzo che i volumi sostituiscano i montaggi, migliorando la sicurezza con accesso senza credenziali. La Lakehouse Federation semplifica la consolidazione dei costi e riduce i costi di movimento dei dati. Avere Photon e ML Runtime sulla stessa piattaforma migliora l'efficienza operativa. L'installazione iniziale è stata user-friendly, grazie alla guida del portale Databricks. **Cosa non Le piace di Databricks?** * Gli strumenti di migrazione sono manuali e frammentati * La conversione del percorso da Mount a Volume non ha un percorso automatizzato * La modalità di sicurezza del cluster NESSUNA esiste ancora * Il metastore di Hive e UC coesistono in modo scomodo * Le librerie WHL personalizzate su mount mancano di un percorso di aggiornamento pulito **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Databricks fornisce un controllo degli accessi centralizzato con permessi dettagliati, accesso basato sull'identità senza esporre le credenziali di archiviazione, scoperta e tracciabilità dei dati unificata, e riduce il carico operativo consolidando le piattaforme e gestendo i dati in modo più efficiente. **Official Response from Jess Darnell:** > Siamo lieti di sapere che apprezzi il Catalogo Unity e l'API del workspace per semplificare le operazioni. Comprendiamo le tue preoccupazioni riguardo agli strumenti di migrazione manuali e frammentati, e stiamo lavorando continuamente per migliorare questo aspetto della nostra piattaforma. ### 16. Una piattaforma tutto-in-uno per dati, analisi e apprendimento automatico **Rating:** 5.0/5.0 stars **Reviewed by:** Utente verificato in Intrattenimento | Enterprise (> 1000 dip.) **Reviewed Date:** May 29, 2026 **Cosa Le piace di più di Databricks?** Apprezzo molto che questa piattaforma supporti tutto, dall'ingestione di dati grezzi e analisi SQL all'apprendimento automatico con notebook. Non è solo un altro strumento esterno; sembra una soluzione completamente integrata per un'intera organizzazione. Apprezzo anche che sia progettata per supportare sia gli utenti tecnici che quelli aziendali. **Cosa non Le piace di Databricks?** Gestire i costi e ottimizzare l'uso del cluster può a volte essere impegnativo e richiede una conoscenza interna dell'architettura sottostante, come la configurazione di CPU e RAM per i lavori. Questo può influire significativamente sul budget complessivo, specialmente per le piccole aziende. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Databricks ci aiuta a elaborare milioni di record ogni giorno in un tempo ragionevole mantenendo la scalabilità per le nostre soluzioni. Ci consente anche di costruire e integrare soluzioni non solo all'interno di Databricks stesso, ma anche distribuendo pacchetti esterni. Inoltre, gli strumenti da riga di comando forniscono flessibilità per integrarsi con il nostro attuale flusso di lavoro CI/CD, aiutandoci a ridurre i tempi di distribuzione. **Official Response from Jess Darnell:** > Apprezziamo il tuo feedback sui vantaggi di Databricks per l'elaborazione di grandi volumi di dati e l'integrazione con pacchetti esterni. Comprendiamo l'impatto della gestione dei costi sulle piccole aziende e siamo concentrati nel fornire soluzioni per affrontare questa preoccupazione. ### 17. Dashboard centralizzato con autoscaling fluido e conveniente **Rating:** 4.5/5.0 stars **Reviewed by:** Kimberly G. | Software Engineer, Mid-Market (51-1000 dip.) **Reviewed Date:** March 29, 2026 **Cosa Le piace di più di Databricks?** Tutto è centralizzato in un'unica dashboard: lavori Spark, notebook e pipeline di dati. L'autoscaling e la terminazione automatica aiutano davvero a mantenere i costi sotto controllo, ed è stata una piacevole sorpresa che entrambi funzionino senza alcun ritardo evidente. Condividere i notebook con il team è semplice e riduce notevolmente il tempo perso in comunicazioni avanti e indietro. **Cosa non Le piace di Databricks?** Trovare le query più vecchie è davvero doloroso. Qualsiasi cosa oltre poche settimane diventa difficile da rintracciare, il che rende difficile mantenere il mio lavoro quotidiano fluido e continuare a lavorare senza interruzioni costanti. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Eseguiamo carichi di lavoro ETL e ML senza doverci preoccupare troppo dell'infrastruttura sottostante. Posso anche gestire le informazioni sull'inventario, almeno in una certa misura, senza aprire un sacco di schede diverse. Trascorro meno tempo a risolvere problemi con i cluster e più tempo a lavorare effettivamente con i dati. **Official Response from Janelle Glover:** > È fantastico sapere che Databricks ti sta aiutando a eseguire carichi di lavoro ETL e ML senza problemi, permettendoti di concentrarti di più sul lavoro con i dati e meno sulla gestione dell'infrastruttura. Siamo entusiasti di far parte del tuo successo. ### 18. Consolidato il nostro stack di dati con Databricks che ha migliorato le prestazioni e la produttività **Rating:** 5.0/5.0 stars **Reviewed by:** Utente verificato in Vendita al dettaglio | Enterprise (> 1000 dip.) **Reviewed Date:** May 14, 2026 **Cosa Le piace di più di Databricks?** Provenendo da una configurazione Airflow + Snowflake, passare a Databricks ha rimosso uno strato di coordinamento che avevamo normalizzato, lavori che pianificano lavori, pipeline ETL inverse solo per riportare i risultati analitici nei sistemi operativi, e un archivio di funzionalità separato che si disallineava con i dati di addestramento. Le integrazioni sono state una parte importante del motivo per cui la transizione è stata più fluida del previsto: connettori nativi per l'archiviazione cloud, sincronizzazione del repository basata su Git per notebook con controllo di versione, e l'SDK di Databricks che si integra perfettamente nei nostri pipeline CI/CD esistenti significava che non stavamo ricostruendo tutto da zero. I Databricks Workflows hanno sostituito i nostri DAG di Airflow in modo pulito, Unity Catalog ci ha fornito tracciabilità e controllo degli accessi attraverso tutta la nostra architettura a medaglione senza uno strumento separato, e Lakebase ci ha permesso di ritirare completamente l'archivio delle funzionalità online poiché le funzionalità del modello ora risiedono dove i dati sono già. Le prestazioni su aggregazioni su larga scala attraverso i nostri dataset dei negozi fisici sono migliorate notevolmente, e l'interfaccia utente del workspace rende facile per l'intero team navigare tra notebook, pipeline e catalogo senza cambiare contesto. Le funzionalità assistite dall'IA nell'ambiente del notebook accelerano davvero lo sviluppo. L'autocompletamento e i suggerimenti di errore che comprendono il contesto dei dati sono più utili di quanto sembrino giorno per giorno. L'onboarding di nuovi ingegneri è stato anche più veloce del previsto data la profondità della piattaforma, con documentazione approfondita e un team di supporto reattivo durante la migrazione. Dal punto di vista del ROI, consolidare gli strumenti ha significato meno contratti con i fornitori, meno manutenzione delle pipeline e tempo di ingegneria reindirizzato verso il lavoro effettivo sul prodotto. **Cosa non Le piace di Databricks?** Il modello di costo è il punto di attrito più persistente: i costi di calcolo possono aumentare rapidamente se la gestione del ciclo di vita del cluster non è rigorosa, e per un team che sta ancora maturando la sua governance su chi avvia cosa, la visibilità della fatturazione potrebbe essere più granulare fin dall'inizio. L'interfaccia utente, sebbene generalmente pulita, diventa più difficile da navigare su larga scala; quando hai dozzine di flussi di lavoro, notebook e cataloghi, gli strumenti di organizzazione dello spazio di lavoro non riescono a tenere il passo con la proliferazione. Sul fronte delle integrazioni, alcuni connettori di terze parti sembrano essere stati aggiunti come un ripensamento: l'esperienza non è sempre fluida come quella dei connettori nativi, e occasionali problemi di compatibilità delle versioni hanno causato tempi di debug inaspettati. Le prestazioni su query molto grandi e non ottimizzate possono ancora sorprenderti con la latenza di avvio a freddo sul calcolo serverless, il che è importante quando stai iterando rapidamente durante lo sviluppo. Le funzionalità dell'assistente AI stanno migliorando ma sono ancora incoerenti: la consapevolezza del contesto diminuisce nei progetti complessi multi-file e i suggerimenti a volte mancano il bersaglio in modi che ti rallentano piuttosto che aiutarti. La qualità della risposta del supporto è stata buona per i problemi critici, ma per le domande tecniche sfumate la prima risposta è a volte generica, e arrivare a qualcuno con una profonda conoscenza del prodotto richiede un ulteriore giro di escalation. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Il problema principale che stavamo risolvendo era la dispersione operativa: avevamo dati analitici in un posto e dati operativi in un altro, con una serie di pipeline solo per mantenerli sincronizzati. Lavorando con dati di negozi fisici ad alto volume attraverso un'architettura a medaglione, i guadagni di prestazioni su grandi aggregazioni da soli giustificavano il cambiamento; le query che in precedenza richiedevano un'attenta dimensionamento del magazzino ora vengono gestite con grazia su calcolo autoscalante. Consolidare su un'unica piattaforma significava anche che i nostri flussi di lavoro AI e ML non erano più cittadini di seconda classe: l'ingegneria delle caratteristiche, l'addestramento dei modelli e il servizio ora avvengono nello stesso ambiente in cui vivono i dati, il che ha eliminato un'intera categoria di infrastruttura che stavamo mantenendo. L'interfaccia utente del workspace, sebbene non perfetta su larga scala, ha reso più facile l'inserimento del team più ampio senza che tutti avessero bisogno di una profonda competenza sulla piattaforma per essere produttivi fin dal primo giorno. **Official Response from Jess Darnell:** > Siamo entusiasti di sapere che Databricks ha avuto un impatto così positivo sul tuo stack di dati, migliorando le prestazioni e la produttività. È fantastico sapere che le integrazioni, i miglioramenti delle prestazioni e le funzionalità assistite dall'IA hanno fatto una tale differenza per il tuo team. Apprezziamo il tuo feedback e siamo impegnati a migliorare continuamente la nostra piattaforma. ### 19. Analisi ad Alte Prestazioni con Databricks SQL e Governance di Unity Catalog **Rating:** 4.0/5.0 stars **Reviewed by:** Arpit V. | Data Platform Engineer, Mid-Market (51-1000 dip.) **Reviewed Date:** June 02, 2026 **Cosa Le piace di più di Databricks?** Databricks offre prestazioni eccellenti quando si lavora con grandi volumi di dati. L'ambiente SQL di Databricks facilita anche agli utenti aziendali e agli analisti l'esplorazione di approfondimenti senza dover fare troppo affidamento sui team di ingegneria. Funzionalità come Unity Catalog rafforzano la governance e semplificano la gestione degli accessi tra i dipartimenti. **Cosa non Le piace di Databricks?** La curva di apprendimento può sembrare ripida, soprattutto per gli utenti che provengono da soluzioni tradizionali di data warehouse. Nella mia esperienza, l'ottimizzazione delle query può richiedere anche uno sforzo extra, poiché alcuni carichi di lavoro necessitano di ulteriori regolazioni per ottenere i migliori risultati. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Avevamo bisogno di una soluzione che potesse gestire sia il data warehousing che l'analisi avanzata senza creare nuovi silos di dati. Databricks ci ha aiutato a centralizzare i nostri asset di dati mantenendo comunque una forte governance. Di conseguenza, i team possono accedere ai dati affidabili più rapidamente e creare report con meno ritardi, il che ha migliorato il processo decisionale in tutta l'organizzazione. **Official Response from Jess Darnell:** > Siamo lieti di sapere che Databricks sta offrendo un'eccellente performance per i tuoi grandi volumi di dati e che l'ambiente SQL sta facilitando l'esplorazione di approfondimenti per gli utenti aziendali e gli analisti. ### 20. Piattaforma All-in-One per Ingegneria dei Dati, ML, AI e Gestione dei Dati **Rating:** 4.5/5.0 stars **Reviewed by:** Akanksh M. | Machine Learning Engineer, Enterprise (> 1000 dip.) **Reviewed Date:** April 01, 2026 **Cosa Le piace di più di Databricks?** Riunisce tutti gli stack tecnologici in un'unica piattaforma: ingegneria dei dati, apprendimento automatico, intelligenza artificiale e gestione dei dati, così tutto è in un unico posto. Include anche funzionalità avanzate che rendono la piattaforma completa e capace. **Cosa non Le piace di Databricks?** Abbiamo bisogno di più connettori open-source e diretti sia per le piattaforme legacy che per quelle di nuova generazione per consentire una migliore estrazione dei dati. Questi connettori dovrebbero supportare l'estrazione in tempo reale così come la visualizzazione dei dati in tempo reale. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Raccoglie tutti i tipi di dati in un unico posto, il che rende più facile la gestione dei dati e degli accessi. Posso costruire data warehouse e poi trasferire i dati a dashboard AI BI e modelli ML, il che è molto utile. Funzionalità speciali come il feature store, i punti di servizio, la dashboard AI BI e Genie mi aiutano a comprendere i dati, a lavorarci in modo più efficace e, in ultima analisi, a raggiungere i miei obiettivi. **Official Response from Janelle Glover:** > Grazie per aver condiviso ciò che ti piace di più di Databricks. Siamo felici che tu stia apprezzando il feature store, la dashboard AI BI e Genie. Comprendiamo l'importanza dei connettori open-source e dell'estrazione in tempo reale, e stiamo lavorando continuamente per migliorare la nostra piattaforma per soddisfare meglio le tue esigenze. ### 21. Potente Piattaforma di Analisi Unificata con Piccoli Intoppi **Rating:** 4.0/5.0 stars **Reviewed by:** mohammad Gufran j. | Senior Associate Engineer (Azure Platform and Databrick Engineer), Tecnologia dell'informazione e servizi, Mid-Market (51-1000 dip.) **Reviewed Date:** April 25, 2026 **Cosa Le piace di più di Databricks?** Quello che mi piace di più di Databricks è che riunisce l'ingegneria dei dati, l'analisi e il flusso di lavoro AI in un'unica piattaforma condivisa, il che rende la collaborazione molto più semplice. È prezioso per lavorare con grandi set di dati e notebook, e aiuta a impostare pipeline adeguate senza il fastidio di gestire troppi strumenti separati. **Cosa non Le piace di Databricks?** La visibilità dei costi e degli utenti delle risorse può essere difficile da monitorare, specialmente quando più team si raggruppano e i lavori iniziano a utilizzare la piattaforma. Mi piace anche sincronizzare la gestione dei permessi. Risoluzione dei problemi chiara per un fallimento del lavoro e un'esperienza più fluida intorno alla governance e configurazione dello spazio di lavoro. Il flusso del lago CDC è sempre bloccato per un ultimo tavolo e non fornisce ancora un quadro chiaro. I log serverless sono a volte molto difficili da tracciare, rendendo difficile comprendere la ragione dei fallimenti dei lavori. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Trovo che Databricks risolva la gestione dell'elaborazione e dell'analisi dei dati su larga scala unificando l'ingegneria dei dati, l'analisi e il flusso di lavoro AI in un'unica piattaforma. Semplifica la collaborazione sui notebook e i flussi di lavoro di automazione, consentendo un lavoro più veloce con grandi set di dati utilizzando Spark. **Official Response from Jess Darnell:** > Siamo lieti di sapere che trovi Databricks prezioso per unificare l'ingegneria dei dati, l'analisi e il flusso di lavoro AI in un'unica piattaforma, facilitando la collaborazione e semplificando l'elaborazione dei big data. ### 22. Piattaforma unificata con funzionalità potenti, necessita di avvii più rapidi dei cluster **Rating:** 4.0/5.0 stars **Reviewed by:** Yash P. | Software Developer, Mid-Market (51-1000 dip.) **Reviewed Date:** April 23, 2026 **Cosa Le piace di più di Databricks?** Apprezzo come Databricks abbia portato tutto su un'unica piattaforma unificata, permettendo ai nostri team di collaborare in notebook condivisi e garantendo la coerenza dei dati con le transazioni ACID di Delta Lake. La mia caratteristica preferita è Auto Loader, che acquisisce automaticamente nuovi file di dati man mano che arrivano nello storage cloud, risparmiando al nostro team 2-3 ore a settimana sul monitoraggio manuale delle pipeline. Unity Catalog è stato un punto di svolta per noi, fornendo un luogo centrale per la governance e il controllo degli accessi, che prima era un disastro. L'installazione iniziale è stata semplice, e abbiamo collegato il nostro primo cluster e i notebook a S3 in un giorno, il che è stato impressionante dato il potere della piattaforma. Le guide per la configurazione dello spazio di lavoro e l'integrazione cloud sono solide da seguire. **Cosa non Le piace di Databricks?** Il tempo di avvio del cluster è qualcosa che ancora ci coglie di sorpresa. Un avvio a freddo può richiedere da 3 a 5 minuti, il che diventa frustrante quando sei nel bel mezzo di una sessione di debug iterativa e hai solo bisogno di testare una rapida correzione. Anche la gestione dei costi necessita di alcuni miglioramenti, poiché attualmente i cruscotti di fatturazione stanno migliorando, ma ci vuole ancora un po' di ricerca per individuare esattamente quale lavoro o utente sta aumentando la spesa. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Utilizzo Databricks per unificare il nostro processamento dei dati e il machine learning, riducendo i ritardi nella consegna delle pipeline del 40%. Consente la collaborazione del team con dati coerenti, risparmiando ore con l'autoloader, e semplifica la governance con Unity Catalog. **Official Response from Jess Darnell:** > Siamo felici di sapere che stai apprezzando la piattaforma unificata e le potenti funzionalità di Databricks, come l'Auto Loader e l'Unity Catalog. Comprendiamo la tua frustrazione riguardo al tempo di avvio del cluster e alla gestione dei costi, e stiamo lavorando continuamente per migliorare questi aspetti e offrire un'esperienza utente migliore. ### 23. Elaborazione dei dati semplificata con velocità senza pari **Rating:** 5.0/5.0 stars **Reviewed by:** Antarix K. | AI Architect, Mid-Market (51-1000 dip.) **Reviewed Date:** April 22, 2026 **Cosa Le piace di più di Databricks?** Utilizzo Databricks per l'ingestione e l'elaborazione dei dati in tempo reale, oltre che per l'elaborazione batch. Lo trovo facile da usare con PySpark e apprezzo che serva come piattaforma unica sia per l'elaborazione in tempo reale che per quella batch. L'elaborazione in memoria riduce drasticamente i tempi di elaborazione e lavorare con i dataframe rende la gestione dei dati strutturati semplice. Mi piace l'esecuzione veloce e la possibilità di pulire, modificare e manipolare i dati tutto sulla stessa piattaforma. È anche facile da distribuire e apprezzo la fluidità della pipeline CI con un solo clic. L'installazione iniziale è stata piuttosto semplice e il supporto del prodotto l'ha resa una passeggiata. **Cosa non Le piace di Databricks?** Databricks dovrebbe sviluppare un framework agentico integrato, rendendolo un unico punto di riferimento per Dati e AI. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Databricks offre una piattaforma facile da usare sia per l'elaborazione in tempo reale che per quella batch. Si integra facilmente con PySpark e supporta l'elaborazione in memoria, riducendo significativamente i tempi di elaborazione. I dataframe rendono più semplice la gestione dei dati strutturati. **Official Response from Jess Darnell:** > Siamo lieti di sapere che Databricks ha reso più semplice l'elaborazione in tempo reale e batch per te, e che ha ridotto significativamente i tempi di elaborazione. Siamo impegnati a fornire un'esperienza senza interruzioni e continueremo a lavorare sull'integrazione di nuove funzionalità per avvantaggiare i nostri utenti. ### 24. Piattaforma potente per l'analisi dei dati **Rating:** 4.0/5.0 stars **Reviewed by:** Aditya Y. | Student, Piccola impresa (50 o meno dip.) **Reviewed Date:** June 01, 2026 **Cosa Le piace di più di Databricks?** Per me e il mio team, Databricks unisce l'ingegneria dei dati, l'analisi e il machine learning in un'unica piattaforma. A dire il vero, rende il nostro lavoro più facile con grandi set di dati. Anche i loro prezzi sono buoni. **Cosa non Le piace di Databricks?** Onestamente, alcune funzionalità avanzate di Databricks possono essere difficili da configurare inizialmente o, semplicemente, dovrei dire che la configurazione iniziale può essere complessa per i principianti. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Per il nostro team, aiuta a gestire e analizzare grandi set di dati in modo efficiente. Devo dire che migliora la collaborazione tra i team e rende più facile generare intuizioni per le decisioni aziendali. **Official Response from Jess Darnell:** > Siamo lieti di sapere che Databricks è stata una piattaforma potente per le tue esigenze di analisi dei dati, combinando ingegneria dei dati, analisi e apprendimento automatico in un unico posto. Apprezziamo anche il tuo feedback sui prezzi. ### 25. Architettura dei dati semplificata e soluzioni AI **Rating:** 4.0/5.0 stars **Reviewed by:** Siddhesh S. | Business Intelligence Developer, Mid-Market (51-1000 dip.) **Reviewed Date:** September 12, 2024 **Cosa Le piace di più di Databricks?** Amo quanto sia facile integrare più carichi di lavoro di dati come Data Warehouse, Data Lakes e Model Registry per l'organizzazione in un'unica interfaccia con Databricks. **Cosa non Le piace di Databricks?** Penso che lavorare con Catalog richieda ancora un'altra scheda aperta. Se possiamo integrarlo nella sezione delle schede multiple all'interno dell'interfaccia utente di Databricks, ridurrebbe il cambio di contesto e aiuterebbe gli utenti a rimanere concentrati e produttivi. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Utilizzo Databricks per creare flussi di lavoro per l'architettura dei dati e soluzioni AI, risolvendo il problema di mantenere più carichi di lavoro. È facile integrare data warehouse, laghi e registri in un'unica interfaccia. **Official Response from Janelle Glover:** > Grazie per aver condiviso la tua esperienza positiva con la piattaforma Databricks Data Intelligence. Comprendiamo la frustrazione con l'aggiornamento di singole tabelle da più thread e lavoreremo per affrontare questo problema nei futuri aggiornamenti. ### 26. Ingegneria dei dati unificata, analisi e ML su una piattaforma Databricks scalabile **Rating:** 5.0/5.0 stars **Reviewed by:** Syed F. | Data Engineer, Enterprise (> 1000 dip.) **Reviewed Date:** March 27, 2026 **Cosa Le piace di più di Databricks?** Quello che mi piace di più di Databricks è come unisce l'ingegneria dei dati, l'analisi e il machine learning in un'unica piattaforma. Semplifica l'intero flusso di dati—dall'ingestione e trasformazione fino alla distribuzione—così non devo fare affidamento su più strumenti separati per completare i flussi di lavoro end-to-end. La sua integrazione con Spark e Delta Lake è un altro grande vantaggio, rendendolo sia scalabile che affidabile quando si lavora con grandi set di dati. **Cosa non Le piace di Databricks?** Una sfida con Databricks è la gestione e la visibilità dei costi. Poiché il calcolo è astratto attraverso cluster e lavori, a volte può essere difficile tracciare e ottimizzare i costi senza un monitoraggio o una governance aggiuntivi in atto. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Risolve il problema degli ecosistemi di dati frammentati, dove l'ingegneria dei dati, l'analisi e il machine learning sono gestiti in strumenti separati. **Official Response from Janelle Glover:** > Siamo felici di sapere che trovi Databricks prezioso per l'ingegneria dei dati, l'analisi e il machine learning. Grazie per aver condiviso il tuo feedback! ### 27. Elaborazione dati su larga scala, conveniente e facile da usare, con supporto rapido **Rating:** 5.0/5.0 stars **Reviewed by:** nanda m. | Junior data engineer , Piccola impresa (50 o meno dip.) **Reviewed Date:** May 27, 2026 **Cosa Le piace di più di Databricks?** Ha un'interfaccia intuitiva e si integra facilmente con altri cloud. Possiamo elaborare TB di dati senza molto sforzo. Rispetto ad altri strumenti di elaborazione dati, il suo prezzo è inferiore. Include anche Ginee AI, e utilizzandolo possiamo gestire l'elaborazione dei dati con molta più facilità. Se affrontiamo qualsiasi problema, lo risolvono in meno tempo. **Cosa non Le piace di Databricks?** è molto difficile da usare per i nuovi utenti **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** sono un ingegnere dei dati quindi lo sto usando per elaborare i TB di dati. per i flussi di ML. integrare con il team di data science e analisi **Official Response from Jess Darnell:** > We're glad to hear that you find Databricks user-friendly, affordable, and supportive for processing large amounts of data. We appreciate your feedback and are continuously working to improve the user experience for new users. ### 28. Piattaforma Dati Unificata, Sfide Minori di Costo e Complessità **Rating:** 4.5/5.0 stars **Reviewed by:** Abiola O. | DevOps Engineer **Reviewed Date:** April 16, 2026 **Cosa Le piace di più di Databricks?** Mi piace che Databricks fornisca una piattaforma unificata per l'ingegneria dei dati e la scienza dei dati, eliminando attriti tra i team e migliorando la capacità di accelerare lo sviluppo e le implementazioni. Funziona particolarmente bene per le pipeline CICD end-to-end. **Cosa non Le piace di Databricks?** Bene, per quanto riguarda ciò che può essere migliorato, penso, forse, la gestione dei costi. Se questo può essere esaminato per renderlo più efficiente in termini di costi per gli utenti, sarà un grande passo avanti. E oltre a ciò, la complessità operativa a volte presenta una piattaforma complessa per i nuovi utenti da navigare facilmente. Quindi, se questo può essere affrontato, allora penso che dovrebbe essere molto più facile per gli ingegneri lavorarci. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Utilizzo Databricks per flussi di lavoro scalabili in ambienti multi-cloud, risolvendo l'unificazione dei silos di dati e minimizzando i colli di bottiglia nell'elaborazione complessa dei dati. Ottimizza i costi e la governance fornendo uno spazio di lavoro collaborativo, l'ingestione dei dati in tempo reale e una maggiore affidabilità e prestazioni del sistema. **Official Response from Jess Darnell:** > È fantastico sapere che Databricks ti sta aiutando con flussi di lavoro scalabili, unificazione dei dati e minimizzazione dei colli di bottiglia nell'elaborazione complessa dei dati. Apprezziamo i tuoi approfondimenti sui benefici che offre. ### 29. Risolvi i problemi degli sviluppatori con Genie, Lakeflow Connect e DLT **Rating:** 5.0/5.0 stars **Reviewed by:** Shreeram P. | MIS & Customer Retention, Mid-Market (51-1000 dip.) **Reviewed Date:** April 30, 2026 **Cosa Le piace di più di Databricks?** Questa piattaforma risolve i problemi degli sviluppatori offrendo funzionalità come Genie, Lakeflow Connect e DLT. **Cosa non Le piace di Databricks?** Prima di usarlo, voglio capire il calcolo e le spese, e come usarlo correttamente. Fondamentalmente, devo imparare molto prima. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Ha risolto le nostre sfide nella creazione di pipeline di dati e dashboard. Con SDP e AI/BI Genie, siamo passati dalla gestione manuale della pipeline di dati a dichiararla semplicemente in SQL e avere tutto gestito per noi. Invece di passare tanto tempo a costruire dashboard, ora possiamo semplicemente fare domande in linguaggio naturale e ottenere le risposte di cui abbiamo bisogno senza perdere molto tempo. **Official Response from Jess Darnell:** > Siamo felici di sapere che Databricks è stato in grado di risolvere le tue sfide nella creazione di pipeline di dati e dashboard con funzionalità come Genie, Lakeflow Connect e DLT. ### 30. Gestione dei dati senza sforzo con capacità di ML **Rating:** 4.5/5.0 stars **Reviewed by:** Shweta T. | Procurement Officer, Ospedali e assistenza sanitaria, Enterprise (> 1000 dip.) **Reviewed Date:** May 31, 2026 **Cosa Le piace di più di Databricks?** Mi piace come Databricks ha gestito parabyte di informazioni grezze senza sforzo, combinando archiviazione e calcolo in un modo che ha eliminato i silos di dati e i conflitti di versione. Le capacità di machine learning integrate hanno trasformato progetti di più settimane in qualcosa che potevo prototipare in pochi giorni, completo di tracciamento e sviluppo del modello senza soluzione di continuità che mi ha dato fiducia negli ambienti di produzione. L'installazione iniziale e l'integrazione con gli strumenti è stata più fluida del previsto. **Cosa non Le piace di Databricks?** Spesso trovavo l'interfaccia opprimente durante esplorazioni più approfondite con così tante opzioni stratificate. Ho dovuto fare affidamento sulla base di conoscenza per superare le difficoltà. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Databricks ha eliminato i silos di dati e i conflitti di versione, gestendo grandi volumi di informazioni senza sforzo. Ha trasformato progetti di machine learning lunghi in prototipi rapidi con un tracciamento e uno sviluppo dei modelli senza soluzione di continuità, aumentando la mia fiducia negli ambienti di produzione. **Official Response from Jess Darnell:** > È fantastico sapere che Databricks ti ha aiutato a eliminare i silos di dati e i conflitti di versione, rendendo i tuoi progetti di machine learning più efficienti e aumentando la tua fiducia negli ambienti di produzione. ### 31. Integrazione senza soluzione di continuità e prestazioni scalabili con margine di miglioramento dell'interfaccia utente **Rating:** 4.0/5.0 stars **Reviewed by:** Ashley F. | Senior Executive, Piccola impresa (50 o meno dip.) **Reviewed Date:** April 20, 2026 **Cosa Le piace di più di Databricks?** Uso Databricks per costruire pipeline ETL e processare dati su larga scala con Spark. Mi piace Databricks soprattutto per la sua integrazione senza soluzione di continuità con Apache Spark, i notebook collaborativi e la sua capacità di gestire il processamento di dati su larga scala in modo efficiente su una piattaforma unificata. L'integrazione senza soluzione di continuità con Apache Spark mi permette di elaborare enormi set di dati rapidamente senza preoccuparmi della configurazione del cluster, mentre i notebook collaborativi rendono facile lavorare con il mio team in tempo reale. L'architettura scalabile garantisce prestazioni affidabili anche con carichi di lavoro pesanti di dati. L'installazione iniziale di Databricks è stata abbastanza semplice, soprattutto con l'integrazione nel cloud. **Cosa non Le piace di Databricks?** L'interfaccia utente può sembrare un po' disordinata a volte, i tempi di avvio del cluster possono essere lenti e i prezzi possono diventare costosi per progetti più piccoli o per un uso prolungato. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Utilizzo Databricks per elaborare in modo efficiente dati su larga scala, semplificare i flussi di lavoro ETL e collaborare con il mio team in un ambiente unificato, ottenendo più rapidamente intuizioni basate sui dati. **Official Response from Jess Darnell:** > Siamo felici di sapere che stai apprezzando l'integrazione senza soluzione di continuità con Apache Spark e le funzionalità collaborative di Databricks. Apprezziamo il tuo feedback sull'interfaccia utente e sui tempi di avvio del cluster, e stiamo lavorando continuamente per migliorare queste aree. Per quanto riguarda i prezzi, offriamo varie opzioni per adattarci a diverse dimensioni di progetto e durate di utilizzo. Grazie per aver condiviso la tua esperienza con noi! ### 32. BI e Ingegneria dei Dati in un unico posto, con Assistente AI **Rating:** 4.0/5.0 stars **Reviewed by:** Corrado P. | Service Designer and Workshop Facilitator, Enterprise (> 1000 dip.) **Reviewed Date:** April 23, 2026 **Cosa Le piace di più di Databricks?** Possibilità di combinare data warehousing e data lakes in un "lakehouse". Così posso fare BI e data engineering tutto in un unico posto invece di unire più sistemi. Usare l'IA per migliorare e velocizzare la scrittura e l'esecuzione di SQL. **Cosa non Le piace di Databricks?** Unity Catalog è potente, ma configurare il controllo degli accessi a grana fine su dati, schemi e spazi di lavoro può diventare complicato, specialmente nelle organizzazioni più grandi. L'UX/UI di alcune parti della piattaforma sembra raffinata, altre meno. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Databricks sta essenzialmente risolvendo la frammentazione e l'inefficienza lungo il ciclo di vita dei dati e i benefici derivano dalla rimozione di molte frizioni tra team, strumenti, sistemi e dati. **Official Response from Jess Darnell:** > È fantastico sapere che Databricks sta risolvendo la frammentazione e l'inefficienza lungo il ciclo di vita dei dati per te, e che sta eliminando l'attrito tra team, strumenti, sistemi e dati. ### 33. Trasforma i dati delle tabelle in visualizzazioni affidabili con un utile debug **Rating:** 4.5/5.0 stars **Reviewed by:** Aruthra L. | Data Engineer, Logistica e catena di fornitura, Enterprise (> 1000 dip.) **Reviewed Date:** April 02, 2026 **Cosa Le piace di più di Databricks?** Mi piace il concetto di trasformare i dati in visualizzazioni per ogni tabella. Genie Code aiuta anche con il debugging e la validazione dei dati, il che rende più facile fidarsi di ciò con cui sto lavorando. **Cosa non Le piace di Databricks?** Come piattaforma proprietaria costruita su fondamenta open-source, può comunque introdurre rischi di lock-in del fornitore, in particolare attraverso componenti come Unity Catalog e le sue API personalizzate. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Databricks risolve principalmente le sfide di lunga data delle architetture di dati frammentate introducendo il paradigma del Lakehouse. Combina l'archiviazione scalabile e a basso costo dei data lake con l'affidabilità, le transazioni ACID e le prestazioni dei tradizionali data warehouse. Questo elimina i silos di dati, riduce la duplicazione costosa di ETL e fornisce una piattaforma unificata per dati strutturati, semi-strutturati e non strutturati. **Official Response from Janelle Glover:** > Grazie per aver condiviso il tuo feedback! Siamo lieti di sapere che Databricks ti sta aiutando a risolvere le sfide associate alle architetture di dati frammentate e che trovi utile Genie Code per il debug e la convalida dei dati. ### 34. Databricks ha semplificato la nostra migrazione ETL con Delta Lake e Unified Analytics **Rating:** 3.5/5.0 stars **Reviewed by:** Yuvi M. | Data Engineer, Enterprise (> 1000 dip.) **Reviewed Date:** April 02, 2026 **Cosa Le piace di più di Databricks?** Databricks ha trasformato il mio flusso di lavoro quotidiano, portandomi dai continui mal di testa con SQL Server/ADF ad analisi scalabili e unificate. Migrare le stored procedure nei notebook Spark SQL è stato sorprendentemente semplice, e utilizzare Delta Lake MERGE invece della complicata logica UPDATE mi ha risparmiato settimane di riscrittura. Le caratteristiche più utili per me sono state le transazioni ACID di Delta Lake e l'evoluzione dello schema, che gestiscono molto bene i miei carichi di spedizione sparsi. Anche Unity Catalog è stato un grande vantaggio perché elimina il continuo scambio di ticket di accesso RDS abilitando la condivisione governata delle tabelle. Inoltre, Genie trasforma le richieste in linguaggio naturale in Spark SQL pronto per la produzione quasi istantaneamente. In positivo, i cluster autoscaling hanno ridotto i costi di circa il 70% rispetto alle pipeline sempre attive di ADF. Mi piace anche poter combinare PySpark e SQL in un unico notebook, il che rende molto più facile gestire join complessi e sottoquery. E non mi mancano i vecchi dibattiti sul suggerimento NOLOCK—le ottimizzazioni integrate se ne occupano. Se stai migrando pipeline ETL, Databricks rimuove gran parte dell'attrito SQL-to-cloud pur scalando a volumi aziendali senza rompere il budget. **Cosa non Le piace di Databricks?** Il cluster si riconnette abbastanza spesso, il che può essere dirompente durante le sessioni di lavoro attive. Inoltre, quando eseguo query complesse o pesanti, noto un chiaro ritardo nei tempi di risposta, e quel rallentamento può danneggiare la produttività. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Databricks ci ha aiutato a centralizzare i nostri flussi di lavoro di ingegneria dei dati e analisi in un'unica piattaforma unificata. Affronta la sfida di gestire pipeline di dati su larga scala consentendo al nostro team di elaborare e trasformare enormi set di dati in modo efficiente con Spark. L'ambiente collaborativo dei notebook ha anche aumentato la produttività, rendendo più facile per gli ingegneri dei dati e gli analisti lavorare insieme. Nel complesso, ha ridotto significativamente il tempo che dedichiamo alla preparazione dei dati e ci ha permesso di concentrarci maggiormente sull'ottenere approfondimenti. **Official Response from Janelle Glover:** > Grazie per aver condiviso la tua esperienza positiva con Databricks, in particolare riguardo al processo di migrazione fluido, ai risparmi sui costi con i cluster autoscaling e alla tua esperienza con Genie e Unity Catalog. Comprendiamo le tue preoccupazioni riguardo ai riconnessioni dei cluster e ai tempi di risposta delle query, e stiamo lavorando attivamente per migliorare le prestazioni della piattaforma per tutti gli utenti. ### 35. Potenza scalabile con compromessi gestibili **Rating:** 4.5/5.0 stars **Reviewed by:** Janani D. | Senior Data Engineer, Enterprise (> 1000 dip.) **Reviewed Date:** April 02, 2026 **Cosa Le piace di più di Databricks?** I notebook collaborativi sono senza dubbio la mia parte preferita di Databricks. Adoro poter entrare in un notebook con il mio team, modificare le query Spark SQL in tempo reale su quei giganteschi dataset di spedizione e vedere tutto sincronizzarsi istantaneamente, senza alcun controllo di versione. Supera l'invio di notebook via email avanti e indietro o la lotta con i conflitti di merge; sembra come fare pair programming, ma per le pipeline di dati. E quando lo abbini all'affidabilità di Delta Lake per mantenere i miei lavori ETL solidi sui dati delle corsie intermodali, finisce per essere un enorme risparmio di flusso di lavoro. I principali vantaggi del notebook per me sono la modifica e la condivisione in tempo reale che mantengono tutti allineati durante il debugging, la cronologia delle versioni integrata che mi permette di annullare rapidamente gli errori e l'integrazione senza soluzione di continuità con Spark, così non devo continuamente cambiare contesto quando eseguo trasformazioni di big data. **Cosa non Le piace di Databricks?** Uno svantaggio principale è la gestione dei costi: le spese possono accumularsi rapidamente se i cluster vengono lasciati in esecuzione, richiedendo un attento monitoraggio dell'uso dei DBU e delle impostazioni di auto-terminazione. Il debug dei fallimenti intricati dei lavori Spark nei notebook spesso comporta il setacciamento di un'ampia quantità di output di log, il che prolunga notevolmente il tempo di risoluzione. Inoltre, l'interfaccia utente sperimenta occasionalmente ritardi nelle prestazioni sotto carichi di lavoro elevati, influenzando l'efficienza quando la reattività è essenziale. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Databricks affronta le sfide principali nella gestione dell'elaborazione di dati su larga scala, come le limitazioni di scalabilità nei database tradizionali e la complessità di integrare strumenti disparati per i flussi di lavoro ETL. Consente l'elaborazione distribuita di Spark su cluster per gestire set di dati massicci in modo efficiente, mentre Delta Lake fornisce uno storage conforme agli ACID per garantire l'integrità dei dati in mezzo a schemi in evoluzione o aggiornamenti concorrenti. Questo mi avvantaggia semplificando le pipeline che alimentano gli strumenti di BI, riducendo i tempi di elaborazione da giorni a ore e minimizzando la supervisione manuale dell'infrastruttura. I notebook collaborativi migliorano ulteriormente la produttività del team attraverso l'editing in tempo reale, eliminando i problemi di controllo delle versioni e accelerando i cicli di sviluppo. **Official Response from Janelle Glover:** > Siamo felici di sapere che stai apprezzando i notebook collaborativi e l'integrazione senza soluzione di continuità di Spark in Databricks. Comprendiamo le tue preoccupazioni riguardo alla gestione dei costi e alle prestazioni dell'interfaccia utente, e stiamo lavorando continuamente per migliorare questi aspetti per una migliore esperienza utente. ### 36. Databricks unifica dati e AI per un ML senza sforzo su larga scala **Rating:** 5.0/5.0 stars **Reviewed by:** Utente verificato in Tecnologia dell'informazione e servizi | Mid-Market (51-1000 dip.) **Reviewed Date:** April 02, 2026 **Cosa Le piace di più di Databricks?** Quello che mi piace di più di Databricks è come unisce dati e AI in un unico posto, così non devi saltare tra diversi strumenti. Rende la costruzione e la scalabilità dei modelli di ML molto più semplice, specialmente con il tracciamento degli esperimenti integrato. L'integrazione con Apache Spark aiuta a gestire grandi set di dati senza configurazioni aggiuntive. In generale, riduce semplicemente l'attrito tra i dati grezzi e l'ottenimento di risultati utili dall'AI. **Cosa non Le piace di Databricks?** Una cosa che trovo impegnativa con Databricks è la visibilità dei costi: può scalare rapidamente e prevedere la spesa non è sempre semplice. C'è anche un po' di curva di apprendimento, specialmente quando si lavora tra notebook, lavori e configurazioni di cluster. E per casi d'uso più semplici, può sembrare eccessivo rispetto a soluzioni più leggere. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Databricks risolve il problema dei flussi di lavoro frammentati di dati e AI riunendo tutto - ingegneria dei dati, analisi e ML - in un'unica piattaforma. Elimina la necessità di spostare i dati tra più sistemi, riducendo così la latenza e la complessità delle pipeline. Per me, ciò significa sperimentazione più veloce e distribuzione più fluida dei modelli di AI senza preoccuparsi dell'infrastruttura. In generale, aiuta a concentrarsi maggiormente sulla risoluzione dei problemi aziendali piuttosto che sulla gestione degli strumenti. **Official Response from Janelle Glover:** > Grazie per aver condiviso come Databricks ha aiutato a semplificare i tuoi flussi di lavoro di dati e AI, riducendo la latenza e la complessità delle pipeline. Siamo impegnati a fornire una piattaforma che consenta agli utenti di concentrarsi sulla risoluzione dei problemi aziendali piuttosto che sulla gestione degli strumenti. ### 37. ETL efficiente e convalida dei dati guidata dall'IA **Rating:** 4.5/5.0 stars **Reviewed by:** Dinesh Kumar D. | Senior Data Analyst, Mid-Market (51-1000 dip.) **Reviewed Date:** April 01, 2026 **Cosa Le piace di più di Databricks?** Mi piace l'ambiente supportato dall'IA in Databricks, che utilizzo ampiamente per compiti ETL e dashboard sperimentali AIBD. È davvero utile per risolvere problemi di codice e gestire l'implementazione logica in modo efficiente. La funzione DLT è anche un'ottima aggiunta per supportare i dati in streaming. Trovo Delta Lake molto utile per la gestione affidabile dei dati con le sue transazioni ACID, l'applicazione dello schema e i dati versionati affidabili. I notebook rendono facile sviluppare, testare e fare debug della logica dei dati in modo interattivo. Apprezzo anche i flussi di lavoro per l'automazione e la pianificazione delle pipeline, che migliorano l'affidabilità e riducono lo sforzo manuale. Databricks è conveniente rispetto ad altre piattaforme come Synapse e Snowflake, ed è facile tracciare le versioni e gestire i fallimenti. L'installazione iniziale è stata semplice, con la creazione dello spazio di lavoro e la configurazione del cluster abbastanza facili per il mio team. **Cosa non Le piace di Databricks?** Il DLT, una delle mie esperienze personali, quando impostato su DLT per un flusso, non potevo creare un altro flusso con la stessa tabella usata in precedenza. Da un punto di vista aziendale, è normale utilizzare una tabella per diversi aspetti di reporting come tabella base e richiedere tempi di aggiornamento diversi. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Eseguo attività ETL e reportistica con Databricks. Aiuta a configurare dati in streaming utilizzando DLT, e funzionalità come Delta Lake migliorano la qualità dei dati. I notebook supportano lo sviluppo logico interattivo, mentre i flussi di lavoro automatizzano la pianificazione delle pipeline, riducendo lo sforzo manuale. **Official Response from Janelle Glover:** > Grazie per aver condiviso la tua esperienza positiva con Databricks. Siamo lieti di sapere che l'ambiente supportato dall'IA, Delta Lake e la convenienza economica siano stati utili per i tuoi compiti ETL e di reporting. Abbiamo preso nota del tuo feedback sulle limitazioni con Delta Live Tables e lo terremo in considerazione per miglioramenti futuri. ### 38. Potenzia la scienza dei dati collaborativa con una curva di apprendimento minima **Rating:** 4.5/5.0 stars **Reviewed by:** Arman M. | Software Developer, Software per computer, Piccola impresa (50 o meno dip.) **Reviewed Date:** April 01, 2026 **Cosa Le piace di più di Databricks?** Uso Databricks per molte cose. Le principali sono dare un senso ai dati, esaminare porzioni di dati e fare machine learning. Databricks rende questi compiti molto facili e utili, specialmente per i progetti di dati. È ottimo per collaborare con gli amici e sviluppare il mio codice Python nei notebook. Mi piace Databricks perché ha buone capacità per gestire grandi quantità di dati ed è eccellente per lavorare con i dati e il machine learning. È anche facile da usare quando si lavora con altre persone, poiché molti possono lavorare su un progetto e condividere le loro scoperte. **Cosa non Le piace di Databricks?** Databricks è molto potente, ma ci sono alcune cose che necessitano di miglioramento. È difficile da imparare per i principianti quando si lavora con Spark e si configurano i cluster, poiché all'inizio era confuso. A volte l'interfaccia e le impostazioni possono sembrare complicate. Penso che sarebbe utile se ci fossero istruzioni chiare per la configurazione in modo che i nuovi utenti possano iniziare facilmente con Databricks. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Utilizzo Databricks per dare un senso ai dati, collaborare con gli altri e sviluppare codice Python. Semplifica l'ingegneria dei dati, l'apprendimento automatico e la gestione dei dati, consentendo a più persone di lavorare contemporaneamente sui notebook. **Official Response from Janelle Glover:** > Grazie per aver condiviso le tue esperienze positive con Databricks, comprese le sue capacità di gestione dei big data e del machine learning. Comprendiamo le sfide dell'apprendimento per lavorare con Spark e della configurazione dei cluster, e siamo impegnati a migliorare le nostre risorse per rendere il processo di onboarding più semplice per i principianti. ### 39. Piattaforma versatile con una solida governance dei dati **Rating:** 4.5/5.0 stars **Reviewed by:** Harthika S. | Senior Data Engineer, Software per computer, Mid-Market (51-1000 dip.) **Reviewed Date:** March 31, 2026 **Cosa Le piace di più di Databricks?** Personalmente mi piace l'interfaccia utente di Databricks, soprattutto la modalità scura. Tecnicamente, trovo molto preziosa la tracciabilità e la governance integrate di Unity Catalog. Il processamento incrementale dei file di Auto-loader con garanzie di esecuzione esattamente una volta e l'affidabilità ACID di Delta Lake sono i miei preferiti personali. Le transazioni ACID di Delta Lake assicurano che le nostre pipeline di dati abbiano successo completo o vengano completamente annullate, il che previene scritture parziali che potrebbero corrompere le tabelle. Il time travel in Delta Lake ci permette di interrogare versioni precedenti della nostra tabella per audit senza bisogno di snapshot separati. La capacità di Unity Catalog di tracciare automaticamente la tracciabilità attraverso l'intera pipeline è fondamentale per gli audit normativi, e il suo controllo degli accessi basato sui ruoli e il mascheramento delle colonne assicurano che l'accesso ai dati sia gestito correttamente tra i team. L'impostazione dello spazio di lavoro e del notebook è stata semplice, rendendo l'installazione iniziale relativamente facile. **Cosa non Le piace di Databricks?** La migrazione da hive_metastore a Unity Catalog è difficile con strumenti limitati - UCX aiuta ma è comunque un lavoro pesante. L'orchestrazione da Databricks a dbt cloud manca di un passaggio nativo pulito, costringendo a utilizzare codice di polling API personalizzato che è fragile e difficile da debug. La visibilità dei costi per il magazzino SQL Serverless potrebbe essere più dettagliata - è difficile attribuire la spesa DBU a pipeline specifiche o modelli dbt senza scavare manualmente nelle tabelle di sistema. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Databricks ha sostituito il nostro stack di dati frammentato con una piattaforma unica per l'ingestione, ETL, analisi e governance. Unity Catalog gestisce le esigenze di tracciabilità normativa tracciando automaticamente la provenienza dei dati. **Official Response from Janelle Glover:** > Grazie per aver condiviso la tua esperienza positiva con Databricks! Siamo lieti di sapere che trovi le funzionalità dell'interfaccia utente, Unity Catalog e Delta Lake preziose per le tue esigenze di governance e affidabilità dei dati. ### 40. Una piattaforma tutto-in-uno **Rating:** 4.0/5.0 stars **Reviewed by:** Pang L. | Machine Learning Engineer, Enterprise (> 1000 dip.) **Reviewed Date:** March 18, 2026 **Cosa Le piace di più di Databricks?** È una piattaforma tutto-in-uno per ingegneri dei dati, analisti, data scientist e utenti aziendali. **Cosa non Le piace di Databricks?** È facile spendere troppo ed è un vincolo del fornitore. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Ingegneria dei dati, addestramento e inferenza dei modelli, GenAI. Databricks risolve il problema degli strumenti frammentati nel ciclo di vita dei dati e dell'AI. Tradizionalmente, i team avrebbero bisogno di piattaforme separate per l'ingegneria dei dati, l'analisi, il machine learning e l'AI, portando a silos, lavoro duplicato e sfide di governance. Con Databricks, le pipeline di ingegneria dei dati, l'addestramento e l'inferenza dei modelli e lo sviluppo di GenAI vivono tutti in un ambiente unificato. Ciò significa che gli ingegneri dei dati possono costruire e orchestrare pipeline, gli scienziati dei dati possono addestrare e distribuire modelli, e i team possono sviluppare e servire applicazioni GenAI, senza dover spostare costantemente i dati o cambiare contesto tra gli strumenti. **Official Response from Janelle Glover:** > Grazie per aver condiviso i problemi specifici che Databricks sta risolvendo per te. Siamo impegnati a semplificare il ciclo di vita dei dati e dell'IA per eliminare i silos, il lavoro duplicato e le sfide di governance. ### 41. Unifica l'elaborazione dei dati con l'affidabilità di Delta Lake **Rating:** 5.0/5.0 stars **Reviewed by:** Tan Suong N. | Cloud Engineer, Enterprise (> 1000 dip.) **Reviewed Date:** March 29, 2026 **Cosa Le piace di più di Databricks?** Utilizzo Databricks nel mio ambiente aziendale e nei progetti per acquisire dati da più fonti, trasformarli e pulirli su larga scala, e preparare dataset affidabili per analisi e reportistica. Mi permette di costruire e gestire pipeline di dati in modo efficiente utilizzando Spark, SQL e notebook. Amo avere l'ingestione dei dati, l'elaborazione su larga scala, l'analisi e la collaborazione tutto in un unico posto, rendendo il mio flusso di lavoro molto più snello ed efficiente. Valorizzo davvero l'affidabilità e la fiducia che ottengo da funzionalità come Delta Lake, che rendono la versioning dei dati, il recupero e la gestione dei cambiamenti molto più sicuri, economici e facili nei miei progetti. Delta Lake è uno dei motivi principali per cui Databricks è così prezioso per me perché affronta direttamente l'affidabilità e la fiducia, che sono sfide costanti nei progetti di dati reali. La possibilità di tornare a una versione precedente se qualcosa va storto mi rende molto più sicuro quando sviluppo, testo o distribuisco cambiamenti alle pipeline di produzione. Inoltre, la configurazione iniziale è stata relativamente semplice perché Databricks si integra bene con la nostra infrastruttura cloud esistente. **Cosa non Le piace di Databricks?** La curva di apprendimento può essere piuttosto ripida all'inizio, specialmente per gli utenti che sono nuovi a Spark o ai concetti di elaborazione dati su larga scala. Il debug di pipeline complesse o di errori nei job può a volte richiedere molto tempo, quando i messaggi di errore non sono molto intuitivi. Man mano che i flussi di lavoro e gli ambienti crescono, la governance e la gestione dell'ambiente possono richiedere uno sforzo extra per mantenere tutto ben organizzato e coerente. La gestione dei costi è un'altra sfida, poiché l'uso delle risorse può aumentare rapidamente se i cluster e i job non sono configurati o monitorati con attenzione. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Utilizzo Databricks per risolvere la frammentazione e l'inefficienza nel mio flusso di dati, gestendo l'ingestione, la trasformazione, l'analisi e la collaborazione su un'unica piattaforma. Riduce il sovraccarico operativo, garantisce la qualità dei dati e offre scalabilità, migliorando l'elaborazione di grandi quantità di dati senza preoccupazioni infrastrutturali. **Official Response from Janelle Glover:** > Grazie per aver condiviso la tua esperienza positiva con Databricks! Siamo lieti di sapere che la nostra piattaforma ha aiutato a semplificare il tuo flusso di lavoro e a fornire affidabilità e fiducia nei tuoi progetti di dati. Comprendiamo le sfide legate alla curva di apprendimento e al debugging, e stiamo lavorando continuamente per migliorare l'esperienza utente e fornire messaggi di errore migliori. Apprezziamo il tuo feedback e siamo impegnati a affrontare queste sfide. ### 42. Piattaforma scalabile e unificata con una ripida curva di apprendimento **Rating:** 4.5/5.0 stars **Reviewed by:** Nitin P. | Mid-Market (51-1000 dip.) **Reviewed Date:** March 29, 2026 **Cosa Le piace di più di Databricks?** Uso Databricks per i miei progetti d'ufficio e mi piace molto la sua capacità di unificare l'intero flusso di lavoro dei dati in un'unica piattaforma. Mi permette di collaborare senza problemi con data scientist e analisti, rendendo facile l'ingestione, la pulizia, l'analisi e la modellazione dei dati. Apprezzo le sue caratteristiche di scalabilità e automazione, che mi fanno risparmiare tempo e riducono la complessità quando lavoro con grandi set di dati. Mi piace anche che offra una soluzione di calcolo e archiviazione scalabile, riducendo il carico di gestione dell'infrastruttura. L'integrazione di notebook condivisi e strumenti come Databricks Genie aiuta a migliorare la collaborazione e accelerare lo sviluppo. **Cosa non Le piace di Databricks?** Non ho affrontato problemi importanti con Databricks in sé, ma durante la mia fase iniziale di utilizzo della piattaforma, non è stato molto facile prendere confidenza con tutte le funzionalità, gli strumenti e le configurazioni. Databricks si evolve rapidamente e all'inizio è stato un po' difficile tenere il passo con gli aggiornamenti e sfruttare appieno tutte le sue capacità. La configurazione iniziale è stata moderatamente impegnativa. Sebbene la piattaforma sia ben documentata e user-friendly, familiarizzare con tutte le funzionalità, configurare i cluster e integrarla con i nostri flussi di lavoro esistenti ha richiesto un po' di apprendimento e sperimentazione. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Databricks risolve problemi di scalabilità e prestazioni, centralizzando i dati da più fonti e riducendo i silos. Semplifica la collaborazione tra i professionisti dei dati, offre calcolo scalabile e integra analisi avanzate, risparmiando tempo e riducendo la complessità con grandi set di dati. **Official Response from Janelle Glover:** > È fantastico sapere che Databricks e Genie sono stati utili per centralizzare i dati e migliorare la collaborazione per il tuo team. Comprendiamo che la configurazione iniziale e la curva di apprendimento possono essere impegnative, e stiamo lavorando continuamente per affrontare queste preoccupazioni. ### 43. Piattaforma Dati Versatile con Integrazione Senza Soluzione di Continuità **Rating:** 4.0/5.0 stars **Reviewed by:** Ayobami A. | Senior Consultant - BI, Data & Analytics, Enterprise (> 1000 dip.) **Reviewed Date:** March 28, 2026 **Cosa Le piace di più di Databricks?** Quello che mi piace di più di Databricks è che è integrabile con altre piattaforme. Posso letteralmente configurare uno spazio di lavoro Databricks utilizzando i servizi dati di Azure dal portale Azure, e posso anche usare Databricks all'interno di AWS. Mi dà l'opportunità di integrare i miei notebook Databricks in altri ambienti e strumenti di orchestrazione o strumenti ETL, come Azure Data Factory. **Cosa non Le piace di Databricks?** Per ora, ho notato che quando utilizzo Azure Databricks, in particolare il cluster di Azure Databricks, di solito si disconnette, ed è piuttosto frustrante per me. La maggior parte delle volte, quando sto lavorando, passo semplicemente a un'altra scheda. Ogni volta che torno dopo un minuto o due, si è disconnesso e devo accedere di nuovo. Questa esperienza può essere frustrante. Mi piacerebbe che fosse esaminata. Non so se sia un problema di Databricks o se sia un problema dal lato di Azure per quanto riguarda la parte di autenticazione intraident. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Uso Databricks per unificare i miei dati gestendo la governance all'interno del catalogo Unity, semplificando l'accesso degli utenti e la condivisione dei report. **Official Response from Janelle Glover:** > È fantastico sapere che Databricks ti sta aiutando a unificare i tuoi dati, gestire la governance all'interno del catalogo Unity e semplificare l'accesso degli utenti e la condivisione dei report. Ci scusiamo per la frustrazione che hai provato con il timeout del cluster di Azure Databricks. Puoi contattare il nostro team tramite www.databricks.com/support così possiamo aiutarti a esaminare ulteriormente la questione? Grazie! ### 44. Databricks unifica eccezionalmente bene l'ingegneria dei dati, la scienza e l'analisi. **Rating:** 5.0/5.0 stars **Reviewed by:** Naveena P. | Data Engineer, Mid-Market (51-1000 dip.) **Reviewed Date:** March 27, 2026 **Cosa Le piace di più di Databricks?** La capacità di convergere ingegneria dei dati, scienza dei dati e analisi su un'unica piattaforma senza compromettere la governance, le prestazioni o la flessibilità è ancora rara nel settore. Databricks lo esegue eccezionalmente bene. **Cosa non Le piace di Databricks?** Ridurre il tempo di avvio dei cluster multiuso e dei cluster di lavoro. Sarebbe più utile e d'aiuto se iniziasse rapidamente come serverless. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Nel settore bancario aziendale, dove la conformità normativa, l'accuratezza dei dati e la resilienza operativa sono imprescindibili, Databricks sta risolvendo alcune delle nostre sfide più critiche. Come Lead Data Engineer che gestisce pipeline ETL end-to-end, la consegna di dashboard, il monitoraggio degli avvisi e la governance dei dati per un importante cliente bancario, la piattaforma è diventata la spina dorsale della nostra moderna architettura dei dati. Databricks unifica il nostro paesaggio dati frammentato attraverso Delta Lake e Unity Catalog, offrendoci transazioni conformi a ACID per ETL affidabili, tracciabilità automatizzata per una governance pronta per l'audit e controlli di accesso dettagliati per proteggere i dati PII e finanziari sensibili, il tutto consentendo un'evoluzione dello schema senza soluzione di continuità per gestire i cambiamenti costanti nei sistemi di origine. Questo si traduce direttamente in reportistica più veloce e affidabile: i nostri dashboard in Power BI e Tableau ora attingono da un'unica fonte di verità, eliminando le dispute metriche tra i team di Rischio, Finanza e Conformità. Sul lato operativo, l'allerta nativa integrata con Slack e PagerDuty, combinata con le System Tables di Databricks per l'osservabilità, ci permette di individuare proattivamente problemi di qualità dei dati o violazioni SLA prima che influenzino le decisioni aziendali, riducendo il tempo di risoluzione degli incidenti di oltre il 60%. In definitiva, Databricks non sta solo migliorando la nostra efficienza ingegneristica; ci sta permettendo di innovare responsabilmente in un ambiente altamente regolamentato, fornendo intuizioni affidabili su larga scala mantenendo fiduciosi gli auditor e allineati gli stakeholder. **Official Response from Janelle Glover:** > Grazie per aver condiviso la tua esperienza positiva con Databricks! Siamo lieti di sapere che la nostra piattaforma ti sta aiutando a unificare l'ingegneria dei dati, la scienza e l'analisi mantenendo governance, prestazioni e flessibilità. ### 45. Piattaforma completa con margini di miglioramento **Rating:** 4.0/5.0 stars **Reviewed by:** Sathya R. | Data Engineer, Mid-Market (51-1000 dip.) **Reviewed Date:** March 27, 2026 **Cosa Le piace di più di Databricks?** Trovo che Databricks sia una soluzione completa perché incorpora varie funzionalità come l'orchestrazione di pipeline. Ha anche un'IA integrata chiamata Genie, che aiuta nella creazione di lavori e in altre attività legate all'IA. Apprezzo che, rispetto ad altri fornitori come AWS e Azure, Databricks offra funzionalità specifiche che mancano a loro, permettendomi di utilizzare il database in modo semplice e di accedere a tutto in un unico posto. L'installazione iniziale è stata piuttosto facile perché ho potuto utilizzare un unico punto per implementare e aggiornare direttamente le tabelle utilizzando il data lakehouse, che è più semplice rispetto ad altri. **Cosa non Le piace di Databricks?** Penso che Databricks potrebbe migliorare nella parte di orchestrazione. Anche se ha capacità di orchestrazione per pipeline e lavori, manca la facilità di accesso che qualcosa come Airflow fornisce, che è specificamente progettato per l'orchestrazione. Sarebbe utile se Databricks adottasse un modello simile a quello di Airflow per una migliore orchestrazione e collegamento dei lavori. Inoltre, penso che la parte di Genie potrebbe essere migliorata. Anche se il Genie funziona bene, la durata dell'output può essere lunga, solitamente richiedendo più di cinque o dieci minuti per eseguire compiti specifici. Quindi, mi piacerebbe vedere miglioramenti anche in quell'area. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Uso Databricks come soluzione unica per vari compiti. Orquestra pipeline e utilizza un'IA integrata, rendendolo più ricco di funzionalità rispetto ad alternative come AWS o Azure. Questo mi permette di ottimizzare i flussi di lavoro senza dover fare affidamento su più fornitori. **Official Response from Janelle Glover:** > Grazie per aver condiviso il tuo feedback su Databricks. Siamo lieti di sapere che trovi la nostra piattaforma una soluzione completa con funzionalità preziose come Genie. Apprezziamo il tuo contributo sulle aree da migliorare e prenderemo in considerazione i tuoi suggerimenti per i futuri aggiornamenti. ### 46. Integrazione senza soluzione di continuità, necessita di ottimizzazione delle prestazioni **Rating:** 4.0/5.0 stars **Reviewed by:** Pandi A. | Lead Data Engineer, Mid-Market (51-1000 dip.) **Reviewed Date:** March 27, 2026 **Cosa Le piace di più di Databricks?** Penso che la parte più utile di Databricks sia la sua architettura unica dove puoi avere tutto, come un database e una dashboard, tutto in uno. Rispetto ad altri fornitori come Azure o AWS, dove avrei bisogno di più servizi, Databricks offre tutto in un unico servizio. Questo semplifica il mio lavoro perché non devo gestire l'integrazione o i dettagli a livello di rete tra diversi servizi. La comodità di avere tutto all'interno di Databricks significa che posso evitare aggiornamenti di rete multipli quando mi connetto con strumenti come Power BI, il che lo rende una caratteristica distintiva per me. Inoltre, la configurazione iniziale dopo la migrazione da Snowflake è stata piuttosto facile poiché Databricks ci consente di gestire l'accesso e la sicurezza all'interno di un unico servizio. **Cosa non Le piace di Databricks?** Sì, quindi una cosa che deve essere aggiornata è il codice Genie. Se lo guardo, il codice Genie è utile per generare codice, ma quando lo fa nel back end, consuma molta memoria. Ad esempio, se apro Databricks in Chrome, ci vorranno almeno uno o due GB di memoria nel back end, e questo richiede anche molto tempo per generare la risposta. Quindi, se potessimo ridurre questo, sarebbe fantastico. Inoltre, per quanto riguarda il pipeline, ad esempio, se prendi Airflow, Airflow è specificamente progettato per la nostra posizione. Usiamo Airflow e posso vedere, ad esempio, se ho migliaia di lavori, posso vedere ogni singolo lavoro e cosa sta succedendo. Ma con Databricks, è un lavoro difficile per me vedere i successi e i fallimenti e gestire i grafici. Abbiamo molte opzioni per monitorarlo in Databricks, ma è difficile rispetto ad Airflow. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Databricks ci aiuta a consolidare i dati da diverse località in un unico database, semplificando la gestione dei dati master e rendendo l'accesso ai dati più facile con dashboard integrate, migliorando il nostro monitoraggio delle vendite e dei potenziali clienti potenziato dall'IA. **Official Response from Janelle Glover:** > Grazie per aver dedicato del tempo a fornire il tuo feedback. Siamo lieti di sapere che Databricks ha contribuito a semplificare la gestione dei tuoi dati e a migliorare il monitoraggio delle vendite e dei potenziali clienti potenziato dall'IA. Abbiamo preso nota del tuo feedback su Genie e sulla gestione dei pipeline, e esploreremo modi per migliorare queste funzionalità per un'esperienza utente migliore. ### 47. Databricks: Una piattaforma unificata e scalabile per una collaborazione e innovazione più rapide **Rating:** 5.0/5.0 stars **Reviewed by:** Jananisree T. | Software Engineer, Enterprise (> 1000 dip.) **Reviewed Date:** March 27, 2026 **Cosa Le piace di più di Databricks?** Databricks si distingue perché offre una piattaforma unificata che combina senza soluzione di continuità ingegneria dei dati, apprendimento automatico e analisi, rendendo la collaborazione tra i team molto più semplice. Apprezzo particolarmente come semplifica il lavoro con i big data integrandosi con strumenti popolari come Apache Spark, offrendo scalabilità e consentendo esperimenti più rapidi. I notebook collaborativi, il forte supporto per più linguaggi di programmazione e le funzionalità di sicurezza integrate lo rendono sia potente che facile da usare. Nel complesso, aiuta ad accelerare l'innovazione riducendo la complessità e migliorando la produttività in tutto il ciclo di vita dei dati. **Cosa non Le piace di Databricks?** Uno svantaggio di Databricks è che può sembrare opprimente per i nuovi utenti a causa della sua complessità e della ripida curva di apprendimento. La piattaforma offre una vasta gamma di funzionalità potenti, ma navigarle efficacemente richiede spesso una notevole competenza tecnica. Inoltre, i costi possono aumentare rapidamente se i cluster non vengono gestiti con attenzione, e l'ottimizzazione delle prestazioni a volte richiede una conoscenza approfondita degli aspetti interni di Spark. L'integrazione con alcuni strumenti esterni può anche essere meno fluida rispetto ad altre piattaforme. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Databricks sta risolvendo la sfida di gestire e analizzare enormi quantità di dati fornendo una piattaforma unificata per l'ingegneria dei dati, l'apprendimento automatico e l'analisi. Elimina la necessità di destreggiarsi tra più strumenti, rendendo i flussi di lavoro più snelli e collaborativi. Per me, questo significa un accesso più rapido alle intuizioni, una sperimentazione più semplice con i modelli e una riduzione della complessità nella gestione dei big data. Il vantaggio è chiaro: maggiore produttività, migliore collaborazione tra i team e decisioni più rapide supportate da dati affidabili. **Official Response from Janelle Glover:** > Apprezziamo il tuo feedback sui vantaggi dell'utilizzo di Databricks per gestire e analizzare enormi quantità di dati. È fantastico sapere che la nostra piattaforma ha contribuito a migliorare la produttività, facilitare la sperimentazione con i modelli e migliorare la collaborazione tra i team. Riconosciamo le sfide legate alla curva di apprendimento e alla gestione dei costi, e siamo impegnati a risolvere queste preoccupazioni per servire meglio i nostri utenti. ### 48. Architettura unificata Lakehouse per ETL, analisi e ML in un unico stack **Rating:** 4.5/5.0 stars **Reviewed by:** Charumathi A. | Technical Lead- Data Engineering, Enterprise (> 1000 dip.) **Reviewed Date:** March 27, 2026 **Cosa Le piace di più di Databricks?** Architettura unificata del lakehouse: Databricks mi permette di trattare il mio data lake più come un "lakehouse", combinando la flessibilità del data lake con caratteristiche simili a quelle di un data warehouse, come le transazioni ACID, l'applicazione degli schemi e il time travel sui tavoli Delta. Di conseguenza, posso gestire ETL, analisi ad hoc e ML su un'unica piattaforma, invece di destreggiarmi tra magazzini separati, laghi e cluster Spark. **Cosa non Le piace di Databricks?** La piattaforma può sembrare pesante ed è a volte lenta, specialmente quando si lavora con notebook di grandi dimensioni o si eseguono lavori lunghi. Databricks può anche essere costoso da gestire, in particolare se i cluster vengono lasciati inattivi o non sono ben ottimizzati. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Flussi di lavoro più veloci e collaborativi Databricks semplifica la complessità dei big data astrattando gran parte della gestione di Spark e dei cluster, così posso concentrarmi più sulla logica e meno sull'infrastruttura. I notebook integrati, i lavori e il versioning rendono facile prototipare rapidamente, collaborare con analisti e DS, e spostare il codice dall'esperimento alla produzione con meno rifacimenti. Piattaforma unificata per dati e AI Databricks riduce la necessità di strumenti separati per data-lake, data-warehouse e ML fornendo una singola piattaforma lakehouse dove puoi memorizzare, trasformare e analizzare i dati, ed eseguire carichi di lavoro ML nello stesso posto. Questo aiuta a ridurre la proliferazione degli strumenti e rende più facile condividere dati e modelli tra i team di ingegneria, analisi e data science. **Official Response from Janelle Glover:** > Grazie per aver condiviso ciò che ti piace di più di Databricks! Apprezziamo il tuo feedback e stiamo lavorando continuamente per migliorare le prestazioni e ottimizzare i costi per offrire un'esperienza migliore ai nostri utenti. ### 49. Semplifica l'ingegneria dei dati, ha bisogno di una migliore integrazione degli strumenti **Rating:** 4.0/5.0 stars **Reviewed by:** Aladdin A. | Senior Solutions Engineer - Cloud & AI Data, Mid-Market (51-1000 dip.) **Reviewed Date:** March 26, 2026 **Cosa Le piace di più di Databricks?** Mi piacciono le caratteristiche di Genie, soprattutto il nuovo codice junior, che rende possibile ottenere script pronti per SQL semplicemente chattando usando il linguaggio naturale. Questo è affascinante, soprattutto con il livello di governance sopra di esso con Unity. Accelera il lavoro sia degli analisti che degli ingegneri aiutando a costruire report e a prepararli in modo efficiente, soprattutto poiché ha accesso alla maggior parte dei metadati. La documentazione è anche utile, suggerendo codice SQL che può essere fornito al volo. Collegare Genie con funzioni AI come ai_query lo rende un superpotere. **Cosa non Le piace di Databricks?** Onestamente, ci sono molte funzionalità che possono essere migliorate, specialmente la connettività con altri strumenti, come gli strumenti cloud, in particolare come Azure. Come dipendente Microsoft, promuovo Databricks, ma molti dei nostri clienti utilizzano ampiamente gli stack Microsoft. A volte, questi strumenti sembrano isolati dall'intero stack. C'è ancora molto lavoro da fare per connettere i modelli forniti in Azure e cose come i cataloghi di unità o la governance che possono trovarsi al di fuori di Databricks e dello stack Microsoft. Questo sembra un disconnettersi, specialmente in ambienti altamente regolamentati dove le cose on-prem devono interagire con le capacità di Databricks. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Databricks semplifica la fornitura di servizi, snellisce l'ingegneria dei dati e accelera la creazione di flussi di lavoro. Combina strumenti in un'unica piattaforma regolamentata, rendendo la gestione dei big data più facile e veloce. Il suo strato di intelligenza artificiale si integra bene, riducendo la necessità di più strumenti. **Official Response from Janelle Glover:** > Siamo felici di sapere che stai apprezzando le funzionalità di Genie. Comprendiamo le tue preoccupazioni riguardo alla connettività con altri strumenti, in particolare Azure, e stiamo lavorando continuamente per migliorare le integrazioni al fine di offrire un'esperienza senza interruzioni su diverse piattaforme. ### 50. Esperienza eccezionale con questo software **Rating:** 4.0/5.0 stars **Reviewed by:** Kriti K. | CFO, Mid-Market (51-1000 dip.) **Reviewed Date:** January 09, 2026 **Cosa Le piace di più di Databricks?** 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. **Cosa non Le piace di Databricks?** 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. **Quali problemi sta risolvendo Databricks e in che modo La sta aiutando?** Questo software ci aiuta a garantire che tutti i dati dei diversi dipartimenti siano integrati in un unico software, in modo che l'accesso possa essere più facile e le decisioni possano essere prese molto più rapidamente. Con l'aiuto di questo strumento, i dati di tutti i dipartimenti come finanza, operazioni, vendite e marketing vengono esaminati contemporaneamente e controllati accuratamente. **Official Response from Janelle Glover:** > È fantastico sapere come la piattaforma Databricks Data Intelligence stia beneficiando la tua azienda semplificando l'accesso ai dati da diversi dipartimenti e facilitando decisioni più rapide. Apprezziamo il tuo feedback sull'investimento finanziario e lo prenderemo in considerazione mentre continuiamo a migliorare l'esperienza utente e a garantire che la nostra piattaforma sia accessibile a tutti gli utenti. ## 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?page=2§ion=pricing&secure%5Bexpires_at%5D=2026-06-05+04%3A34%3A52+-0500&secure%5Bsession_id%5D=becbd6e4-728c-44b8-8bf7-fcd0c92a617c&secure%5Btoken%5D=5313b8a001e028a3c015cfbc36f00b57999faa5fa7ff9086f20738e8e4a94842&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 (707 reviews) - [Teradata Autonomous Knowledge Platform](https://www.g2.com/it/products/teradata-autonomous-knowledge-platform/reviews) - 4.3/5.0 (355 reviews)