Recensioni e Dettagli del Prodotto Datagaps DataOps Suite

Quello che mi piace di più della suite Datagaps DataOps è la flessibilità che offre quando si lavora con fonti di dati eterogenee, e con quanta facilità lo fa. Fornisce facilità di implementazione insieme a un'integrazione senza soluzione di continuità con altre piattaforme, come Databricks, ADO e GIT. Il modo in cui gestisce grandi volumi di confronto dati è impressionante. È uno strumento con un ottimo pacchetto di funzionalità ed è in grado di eseguire qualsiasi tipo di automazione. Un altro aspetto importante è il supporto clienti, che è molto tempestivo e rapido nel risolvere i blocchi. Recensione raccolta e ospitata su G2.com.

Non ho particolari antipatie per lo strumento. Attualmente, puliamo manualmente i lavori di lunga durata che sono molto vecchi ma ancora mostrati come occupati. Sarebbe utile se ci fosse un'opzione per pulire automaticamente questi lavori. Inoltre, sarebbe utile avere la possibilità di creare dipendenze tra i flussi di dati, in modo che l'output di un flusso di dati possa essere utilizzato come input per un altro. Recensione raccolta e ospitata su G2.com.

Migliora la fiducia nell'analisi e nei report

Consente migrazioni e aggiornamenti più rapidi con un rischio minore

Standardizza i processi dei dati tra team e piattaforme

Supporta il processo decisionale basato sui dati con dati affidabili

Riduce i controlli manuali e gli script personalizzati.

Raggiunto il 98,5% di precisione dei dati tra le tabelle migrate.

Miglioramenti misurabili nella qualità dei dati e nelle capacità decisionali.

La DataOps Suite consente operazioni sui dati affidabili, automatizzate e scalabili integrando qualità, osservabilità e governance direttamente nel flusso di dati—riducendo il rischio, accelerando la consegna e aumentando la fiducia nei dati. Recensione raccolta e ospitata su G2.com.

La gestione del cambiamento è necessaria per passare dai controlli manuali all'automazione. Curva di apprendimento per i team nuovi alle pratiche di DataOps. Recensione raccolta e ospitata su G2.com.

La suite Datagaps DataOps si integra perfettamente con ScalaDB, automatizzando i controlli di qualità dei dati e la validazione senza codice Scala aggiuntivo. Accelera i test ETL, garantisce pipeline di dati accurate e riduce lo sforzo manuale, aiutandoci a mantenere dati affidabili e di alta qualità in modo efficiente attraverso gli ambienti. L'integrazione è buona con facilità d'uso e implementazione. Recensione raccolta e ospitata su G2.com.

A volte, l'installazione e la configurazione iniziali possono richiedere tempo. Tuttavia, una volta avviato, Datagaps DataOps Suite rende i controlli di qualità dei dati semplici e affidabili, aiutandoci a mantenere dati affidabili con uno sforzo continuo minimo. Lo usiamo molto frequentemente poiché è eccellente nel supporto clienti. Recensione raccolta e ospitata su G2.com.

Mi piacciono particolarmente i recenti miglioramenti nel Datagaps DataOps Suite che rafforzano il mapping manager, la data lineage, sfruttano l'IA in modo più ampio e semplificano la validazione della migrazione dei dati complessi. Recensione raccolta e ospitata su G2.com.

moduli di formazione autogestiti, video dimostrativi e percorsi di certificazione Recensione raccolta e ospitata su G2.com.

DataGaps come strumento ha caratteristiche vaste e molto complete. Una comprensione estrema del test della qualità dei dati con lo strumento aggiunge un beneficio tangibile ai controlli dati end-to-end complessivi. Eccellente supporto tecnico che è molto necessario per qualsiasi strumento. Facilità d'uso e implementazione da parte di qualsiasi risorsa junior è un vantaggio aggiunto. Recensione raccolta e ospitata su G2.com.

Non ho alcuna grande antipatia al momento, solo un suggerimento: avere più casi d'uso per le varie funzionalità darebbe più fiducia all'utente finale. Recensione raccolta e ospitata su G2.com.

Sebbene siamo stati clienti del prodotto ETL Validator (ETL V) di Datagaps per oltre sette anni, di recente siamo passati da ETL V alla suite DataOps (con ETL V e Data Quality) - per sfruttare la piattaforma più avanzata basata su Apache Spark, la capacità di scripting Python integrata e l'estensibilità. Sebbene ci siano state certamente sfide durante la migrazione (come ci si aspetterebbe con cambiamenti architetturali sottostanti), abbiamo avuto un supporto superlativo durante tutto questo processo.

L'interfaccia web è abbastanza facile da usare - anche per gli utenti aziendali per definire le regole dei dati all'interno dell'applicazione. La pianificazione (di Pipeline, Regole DQ, Fonti di Dati, ecc.) e gli avvisi email sono altre cose che utilizziamo quotidianamente.

Il modulo Data Quality (DQ) ci sta aiutando a sfidare/affrontare il vecchio detto "garbage in/garbage out" nello spazio dell'Ingegneria dei Dati con la sua Osservabilità dei Dati, il punteggio DQ e altre metriche. Non vediamo l'ora di condividere questi KPI e metriche più ampiamente nella nostra organizzazione. Recensione raccolta e ospitata su G2.com.

Passare da un acquisto una tantum (di ETL V) a un modello di costo basato su abbonamento (di DataOps) ha sicuramente richiesto di convincere il nostro management.

La possibilità di aggiungere logica al tipo di differenze nei dati in modo più granulare e di avvisare solo in determinati scenari sarebbe fantastica. Recensione raccolta e ospitata su G2.com.

BI Validator per Tableau ci ha permesso di eseguire efficacemente: test di regressione automatizzati per accelerare le nostre migrazioni di database da Netezza a Teradata, test di regressione automatizzati per i nuovi contenuti sviluppati in Tableau e test di prestazioni/stress dei contenuti di Tableau su varie piattaforme di database. Questo set di strumenti client/server è facile da installare, configurare e aggiornare poiché abbiamo eseguito più aggiornamenti da quando lo abbiamo acquistato. L'interfaccia utente è pulita e facile da navigare. Recensione raccolta e ospitata su G2.com.

Abbiamo richiesto e l'ingegneria di Datagaps sta lavorando su due importanti miglioramenti che abbiamo richiesto: (1) integrare le capacità del client nella piattaforma Web per eliminare la necessità di installare/utilizzare l'app client, (2) creare la possibilità di utilizzare/selezionare i Test Funzionali esistenti come test di Prestazione/Stress poiché c'è più funzionalità nella definizione dei Test Funzionali rispetto ai test di Prestazione/Stress. Recensione raccolta e ospitata su G2.com.

L'ho usato per la convalida dei dati dei report di Tableau rispetto al database. Sta svolgendo il lavoro in modo efficiente. È molto facile da imparare e implementare. Nomina la fonte di dati, Datagaps ha supporto per essa. Offre la flessibilità di installare l'app sia on-premise che su cloud. Anche il supporto clienti è buono. Anche se non ho fatto alcuna integrazione, si dice che possa essere integrato facilmente nei tuoi pipeline. Consiglierei di usarlo almeno una volta per l'automazione BiTest. Recensione raccolta e ospitata su G2.com.

Inizialmente sembra confuso, ma una volta fatto un POC, lo troverai molto facile da usare. Recensione raccolta e ospitata su G2.com.