# Monte Carlo Reviews **Vendor:** Monte Carlo **Category:** [AI Agent Observability Software](https://www.g2.com/it/categories/ai-agent-observability) **Average Rating:** 4.3/5.0 **Total Reviews:** 514 ## About Monte Carlo Monte Carlo, il leader nell'osservabilità dei dati + AI, consente alle organizzazioni aziendali di portare avanti iniziative critiche con fondamenta affidabili. Nasdaq, Honeywell, Roche e centinaia di organizzazioni leader dipendono dalla piattaforma end-to-end di Monte Carlo per rilevare e risolvere facilmente i problemi di dati + AI su larga scala. Offrendo flussi di lavoro automatizzati con cura, strumenti di collaborazione intuitivi e agenti di osservabilità unici nel loro genere per il monitoraggio e la risoluzione, Monte Carlo estende la sua potente piattaforma a ogni livello dell'ecosistema dati + AI—dati, sistema, codice e modello—per aiutare i team a rilevare immediatamente i problemi, risolverli rapidamente e aumentare la copertura più velocemente. Costantemente classificato al primo posto nella sua categoria, Monte Carlo stabilisce lo standard del settore per l'affidabilità dei dati + AI, aiutando i team aziendali ovunque a ridurre il rischio, accelerare l'innovazione e ottenere più valore dai loro prodotti di dati + AI. ## Monte Carlo Pros & Cons **What users like:** - Gli utenti apprezzano l' **interfaccia utente intuitiva** di Monte Carlo, rendendo la configurazione e il monitoraggio dei dati estremamente semplici. (112 reviews) - Gli utenti apprezzano la **UI amichevole e gli avvisi utili** di Monte Carlo, migliorando la convalida dei dati e l'identificazione dei problemi. (107 reviews) - Gli utenti apprezzano la **profondità e la personalizzazione del monitoraggio** in Monte Carlo, consentendo una supervisione proattiva ed efficiente dei dati. (97 reviews) - Gli utenti apprezzano la **funzione di avviso personalizzato** in Monte Carlo, migliorando il monitoraggio della qualità dei dati e la comunicazione con gli stakeholder. (78 reviews) - Gli utenti apprezzano il **cruscotto di qualità dei dati facile da usare** di Monte Carlo per la sua facilità d'uso e le sue intuizioni. (53 reviews) - Gli utenti apprezzano l' **interfaccia intuitiva e le funzionalità diversificate** di Monte Carlo, migliorando la loro esperienza di monitoraggio dei dati. (53 reviews) - Data Lineage (51 reviews) - Easy Integrations (50 reviews) - Easy Setup (50 reviews) - Integrations (49 reviews) **What users dislike:** - Gli utenti trovano il **formato di gestione degli avvisi restrittivo** , portando a rumore e difficoltà nella configurazione e integrazione. (68 reviews) - Gli utenti sperimentano un **sovraccarico di avvisi** con avvisi rumorosi che complicano il monitoraggio e richiedono una migliore regolazione e guida. (62 reviews) - Gli utenti trovano il **sistema di allerta inefficiente** opprimente a causa degli avvisi rumorosi, complicando l'esperienza di monitoraggio e configurazione. (53 reviews) - Gli utenti trovano la **navigazione difficile** a Monte Carlo, suggerendo un'interfaccia più user-friendly per una personalizzazione più semplice. (49 reviews) - Gli utenti trovano la **funzionalità limitata** frustrante, in particolare per quanto riguarda gli avvisi rumorosi e le configurazioni dei monitor difficili. (44 reviews) - Gli utenti trovano le **funzionalità limitate** di Monte Carlo restrittive, richiedendo continui aggiustamenti per una migliore efficienza operativa. (34 reviews) - Not User-Friendly (30 reviews) - Poor UI (26 reviews) - Poor User Experience (25 reviews) - Noisy Alerts (23 reviews) ## Monte Carlo Reviews ### 1. Osservabilità Intuitiva dei Dati **Rating:** 4.0/5.0 stars **Reviewed by:** Marcin B. | Data Engineer, Enterprise (> 1000 dip.) **Reviewed Date:** April 22, 2026 **Cosa Le piace di più di Monte Carlo?** Mi piace la facilità d'uso di Monte Carlo, soprattutto per quanto riguarda la semplicità con cui si può impostare il monitoraggio. L'integrazione con strumenti esterni come Slack e Jira è di altissimo livello, a volte eliminando la necessità di andare sul sito di Monte Carlo per interagire con un avviso per l'intero ciclo di vita. L'interfaccia utente è generalmente molto intuitiva, con solo poche eccezioni minori. Amo anche la rapidità con cui il team di Monte Carlo risponde a problemi, bug, richieste di funzionalità e suggerimenti di miglioramento. **Cosa non Le piace di Monte Carlo?** Il problema più grande per me è la mancanza di possibilità di unire gli avvisi dai monitor metrici in un unico incidente. Spesso abbiamo un problema che attiva molti avvisi, e dobbiamo gestire ogni avviso separatamente, anche se tutti hanno la stessa causa principale. Poiché i monitor metrici sono la spina dorsale di Monte Carlo, è davvero frustrante. Questo è il caso da un anno e mezzo ormai. Un altro problema sono i cambiamenti troppo rapidi e troppo grandi; mi aspettavo più stabilità a questo punto. È davvero difficile tenere il passo con i cambiamenti di paradigma. Ad esempio, il cambiamento per i monitor delle tabelle ha causato confusione. Recentemente ho ingerito un grande set di dati solo per scoprire che le tabelle ora sono monitorate di default al momento dell'ingestione, il che era contrario al comportamento precedente in cui dovevi impostare il monitoraggio manualmente. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Monte Carlo aiuta a notare dati mancanti o impropri. È facile da usare, si integra con strumenti come Slack e Jira, e ha un'interfaccia utente intuitiva. Prima non avevamo un vero monitoraggio, quindi è una svolta per noi. ### 2. Monte Carlo lets you enforce your system's invariants **Rating:** 4.5/5.0 stars **Reviewed by:** Utente verificato in Servizi finanziari | Enterprise (> 1000 dip.) **Reviewed Date:** April 23, 2025 **Cosa Le piace di più di Monte Carlo?** I think they've tried to improve error messages and timeouts, and they've done so to some degree, but it could definitely be better. Also my team hasn't use the alerts-as-code system yet, but neighbor teams have, and that seems like a neat addition. The fact that you can generate the YAML in the web UI and just paste it into your codebase is a nice addition. **Cosa non Le piace di Monte Carlo?** I have not seen any new regressions lately, which is definitely better than average. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Ensures that our data is in the state we expect. For example, we have a table that's supposed to be in sync with another in a specific way, but that we need to maintain manually. Monte Carlo ensures that, if our code makes a mistake, we can fix it before our batch tasks run with incorrect data. We also have all kinds of SLAs with our partners that Monte Carlo helps us meet by checking daily that all our outputs have been created on time. ### 3. Monte Carlo Review **Rating:** 4.0/5.0 stars **Reviewed by:** Utente verificato in Servizi finanziari | Enterprise (> 1000 dip.) **Reviewed Date:** August 12, 2025 **Cosa Le piace di più di Monte Carlo?** Monte Carlo has a great support team that has been willing to help us with questions and improvement requests. Their product has easy to use out-of-the-box tools like machine learning thresholds that we've found to be helpful as well. We are also experimenting with their agent observability tools which allow you to have better insight into what is really happening in agentic workflows. **Cosa non Le piace di Monte Carlo?** My biggest frustration with Monte Carlo is that there isn’t a coding wrapper (Python) I can use. Right now it’s limited to out-of-the-box functionality or SQL, so it’s difficult to implement more in-depth checks. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** One of our ongoing challenges has been making sure all the different teams have proper coverage for our IP. We have a lot of squads under Analytics, and this has helped us keep the process moving so we can consistently ensure our products are covered appropriately. Also, in terms of Agent Observability, LLM interactions can be a bit of a black box for validation teams. We implemented an internal judge system for LLM-based projects, but Monte Carlo has also helped us get the big picture on how well our models are performing. ### 4. Centralized Monitoring with Excellent Adaptability **Rating:** 4.0/5.0 stars **Reviewed by:** Cairo T. | Mid-Market (51-1000 dip.) **Reviewed Date:** April 29, 2026 **Cosa Le piace di più di Monte Carlo?** I love how quickly Monte Carlo is adapting to a changing data world, especially with the rise of AI. They've worked closely with us to set up alerts on Snowflake agents, and I appreciate that they open up office hours for collaboration with their agent experts. It's a centralized location for monitoring our data and notifies us immediately if there's an issue. I really like the integration features, particularly with Slack. Monte Carlo also enables us to get a widescreen picture of how our agents are performing, highlighting areas for improvement. Their support team is easy to reach and quick to respond. **Cosa non Le piace di Monte Carlo?** I would love if you could tune models from Slack. It would be great if when you receive the alert you could open and tune the model from inside Slack instead of having to open up the Monte Carlo UI. There were some bumps getting access set up correctly. The error handling is a bit of a black box. You cannot get details on what is happening and why it's not working. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** I use Monte Carlo as a centralized location for monitoring and alerting data issues, replacing manual processes and fragmented tools across teams. ### 5. Comprehensive Features with Communication Gaps **Rating:** 1.5/5.0 stars **Reviewed by:** Utente verificato in Tecnologia dell'informazione e servizi | Mid-Market (51-1000 dip.) **Reviewed Date:** January 27, 2025 **Cosa Le piace di più di Monte Carlo?** I like Monte Carlo because it's a very complete tool. It provides everything in the platform from data quality alerts, volume, and schema monitoring, all the way to offering a summary of all the alerts within our tables. Additionally, you can set up alerts in different ways including automatic ones with volume freshness and schema monitoring. Plus, it's quite useful to be able to set up personalized alerts. **Cosa non Le piace di Monte Carlo?** There are two main issues I have with Monte Carlo. First, is the communication. Monte Carlo does a lot of changes, but we're not always aware of them. This can lead to us doing some work and then having to rework it because there has been a migration or changes in the project that we weren't aware of. The second issue is with their ML monitoring. They set thresholds for alerts based on machine learning, but it's not adjusting well. I can classify alerts as expected, but it doesn't adjust the threshold as much as needed, leading to a lot of false errors. I'm wondering about the point of having those ML thresholds. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** I use Monte Carlo for monitoring and data quality for my tables. ### 6. Avvisi tempestivi, navigazione facile, problemi minori con il conteggio delle righe **Rating:** 3.5/5.0 stars **Reviewed by:** Utente verificato in Servizi finanziari | Enterprise (> 1000 dip.) **Reviewed Date:** August 12, 2025 **Cosa Le piace di più di Monte Carlo?** Uso Monte Carlo per lavoro per garantire che i nostri tavoli siano corretti e accurati. Ci aiuta a convalidare i nostri tavoli/dati in modo tempestivo e automatico. Il vantaggio è che risparmiamo tempo ed è facile vedere un avviso. Mi piace che sia facile da usare e navigare anche per i principianti. Come qualcuno che non aveva mai usato uno strumento come Monte Carlo prima e stava eseguendo notebook, ora Monte Carlo aiuta davvero. Monte Carlo è il luogo dove si trovano tutti i nostri monitor e non abbiamo bisogno di guardare altrove. Riceviamo avvisi tempestivi. L'installazione iniziale è stata abbastanza facile, solo il tempo di attesa per il caricamento dei tavoli. **Cosa non Le piace di Monte Carlo?** Penso che a volte ci siano problemi con il numero corretto di righe restituite. Monte Carlo a volte sbaglia. Non sono molto sicuro, abbiamo anche sollevato la questione con il team di Monte Carlo. Ma a volte non popola tutte le righe segnalate. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Utilizzo Monte Carlo per garantire che le nostre tabelle siano corrette e accurate, convalidando i dati automaticamente e risparmiando tempo con avvisi tempestivi. ### 7. Aumenta la tracciabilità dei dati e il monitoraggio, necessita di un affinamento degli avvisi **Rating:** 3.5/5.0 stars **Reviewed by:** James R. | Data Operations Engineer III, Piccola impresa (50 o meno dip.) **Reviewed Date:** April 23, 2026 **Cosa Le piace di più di Monte Carlo?** Mi piace la funzione di lineage in Monte Carlo perché mi permette di tracciare i dati fino alla loro origine e vedere dove vengono alimentati e da dove provengono. Questa funzione mi offre quasi un diagramma di flusso di dove stanno andando i dati, rendendo più facile isolare vari tipi di flussi di dati. Apprezzo anche l'interfaccia utente comoda e accogliente che Monte Carlo offre, che mi aiuta a vedere quali tabelle si alimentano a vicenda o cosa è venuto prima. **Cosa non Le piace di Monte Carlo?** Spesso mi trovo a dover affrontare la fatica da allerta a causa di falsi allarmi con i monitor SQL a Monte Carlo. Controllo costantemente cose che si risolvono da sole o che non richiedono intervento, il che è un po' fastidioso. Si tratta principalmente di configurare e regolare i monitor per ridurre il numero di avvisi non necessari. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Utilizzo Monte Carlo per la tracciabilità dei dati e il monitoraggio degli avvisi, il che aiuta a tracciare il flusso dei dati e rilevare anomalie in Snowflake. La funzione di tracciabilità mi consente di risalire e visualizzare i percorsi dei dati, semplificando la risoluzione dei problemi e garantendo l'accuratezza dei dati. ### 8. Ossatura Proattiva di Osservabilità dei Dati con Rilevamento delle Anomalie nel Mondo Reale **Rating:** 4.5/5.0 stars **Reviewed by:** Utente verificato in Software per computer | Enterprise (> 1000 dip.) **Reviewed Date:** April 23, 2026 **Cosa Le piace di più di Monte Carlo?** Ciò che mi piace di più è come Monte Carlo sposta la qualità dei dati dal debugging reattivo all'osservabilità proattiva. Invece di aspettare dashboard rotte o lamentele degli stakeholder, possiamo rilevare anomalie a livello di dati in anticipo - specialmente su dataset partizionati e di serie temporali dove i problemi emergono rapidamente. Alcune cose si distinguono nella pratica: L'interfaccia utente è bella e chiara. Il prezzo è ragionevole, ma la differenza tra i livelli Scale ed Enterprise non è chiara. Il supporto di Monte Carlo è rapido e utile. La maggior parte dei problemi è stata risolta entro poche ore. Rilevamento delle anomalie che funziona effettivamente nei flussi di lavoro reali. La capacità di monitorare freschezza, volume e cambiamenti di distribuzione attraverso domini (Prodotto, Finanza, Business) ci aiuta a individuare i problemi prima che si propaghino nel processo decisionale. Scalabilità tramite monitor come codice. Integrare Monte Carlo in CI/CD (GitHub Actions, repository specifici di dominio) rende la qualità dei dati riproducibile, revisionabile e scalabile tra i team - non dipendente da configurazioni manuali nell'interfaccia utente. Visibilità cross-domain. In una configurazione come la nostra (Trino + S3/Glue + ClickHouse), avere un unico luogo per far emergere incidenti tra domini è fondamentale. Crea un linguaggio condiviso tra l'Ufficio Dati e altri team. Tuttavia, il nostro stack tecnologico è insolito per la piattaforma. Abilitazione di un modello di proprietà chiaro. Monte Carlo supporta il modello che miriamo a raggiungere: i team di dominio possiedono la qualità dei loro dati, mentre un team centrale fornisce governance, standard e osservabilità. Gli avvisi diventano azionabili perché possono essere indirizzati ai giusti proprietari. Indagine rapida sugli incidenti. Anche senza una perfetta tracciabilità ovunque, il contesto fornito da MC (segnali a monte/a valle, storia) riduce significativamente il tempo per capire "cosa è rotto e quando". Flessibilità pragmatica. Funziona attraverso diversi stadi di maturità - dal rapido rilevamento delle anomalie a processi di qualità dei dati più strutturati e guidati da SLA. Se dovessi riassumere in una riga: Monte Carlo è più prezioso non come strumento, ma come spina dorsale per costruire un modello operativo di qualità dei dati scalabile. **Cosa non Le piace di Monte Carlo?** Ciò che mi piace meno è che, sebbene Monte Carlo sia forte come livello di osservabilità, richiede ancora una notevole quantità di infrastruttura e processi circostanti per essere veramente efficace su larga scala. Nel nostro setup, la tracciabilità non è ugualmente matura su tutti i motori. Ad esempio, con Trino e ClickHouse la visibilità è limitata rispetto a Databricks e Snowflake, il che rende l'analisi delle cause principali meno affidabile e spesso richiede un'indagine manuale. C'è anche un po' di attrito nell'integrazione. Alcuni sistemi richiedono soluzioni alternative, come le versioni più vecchie di ClickHouse o le limitazioni nel controllo degli accessi di Tableau, il che aggiunge un sovraccarico operativo e rallenta l'adozione nei vari domini. Il supporto per Trino non è nativo. Usiamo Starburst per fare un'integrazione. La proprietà e l'instradamento degli avvisi non sono completamente risolti all'interno della piattaforma. Gli avvisi vengono generati bene, ma assegnare una responsabilità chiara e garantire il follow-up dipende ancora da processi esterni e dalla struttura del team. Meccanismi di proprietà e di escalation più forti integrati sarebbero utili. Inoltre, usiamo YouTrack come sistema di tracciamento dei bug, il che rende le cose meno tracciabili per noi. Da una prospettiva di usabilità, gestire un gran numero di monitor diventa più difficile nel tempo. Non è sempre facile comprendere la copertura del monitoraggio o gestire i monitor su larga scala senza fare affidamento su strumenti esterni o flussi di lavoro basati su codice. Il modello di prezzo è un'altra sfida. L'approccio basato sui crediti può essere difficile da prevedere e pianificare, specialmente quando si scala su più domini e team. Richiede un'ottimizzazione continua e un attento monitoraggio dell'uso. Infine, sebbene il rilevamento delle anomalie sia forte, l'intelligenza di livello superiore è ancora in evoluzione. Sarebbe utile avere più intuizioni azionabili, come una chiara raggruppamento degli incidenti o un miglior supporto per identificare le probabili cause principali. Nel complesso, Monte Carlo è molto bravo a rilevare che qualcosa non va, ma scalare il lato operativo della qualità dei dati richiede ancora uno sforzo aggiuntivo al di fuori della piattaforma. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Prima di Monte Carlo, ci trovavamo a lottare con un modello di qualità dei dati molto reattivo. I problemi venivano tipicamente scoperti attraverso dashboard interrotte o lamentele dei portatori di interesse, il che significava che i problemi avevano già avuto un impatto sul processo decisionale. Non c'era un modo coerente per monitorare i dati attraverso i domini, e l'indagine sugli incidenti era lenta e frammentata. Monte Carlo ci aiuta a passare a un modello proattivo. Ora possiamo rilevare anomalie nella freschezza, nel volume e nelle distribuzioni in anticipo, specialmente sui dataset partizionati nel tempo. Questo riduce significativamente il tempo tra il verificarsi del problema e la sua rilevazione. Uno dei principali problemi che risolve è la mancanza di visibilità tra i domini. Nel nostro ambiente, abbiamo più domini come Prodotto, Finanza e Business, e in precedenza non c'era un modo unificato per comprendere la salute dei dati tra di essi. Monte Carlo fornisce uno strato centrale dove i problemi possono essere evidenziati e monitorati. Migliora anche la risposta agli incidenti. Invece di iniziare le indagini da zero, ora abbiamo un contesto storico e segnali che ci aiutano a capire quando qualcosa si è rotto e cosa è cambiato. Questo riduce il tempo per diagnosticare i problemi e migliora la collaborazione tra i team. Un altro importante vantaggio è l'abilitazione di un modello di proprietà scalabile. Stiamo passando a una configurazione in cui i team di dominio sono responsabili dei loro dati, mentre un team centrale fornisce governance e strumenti. Monte Carlo supporta questo rendendo i problemi visibili e azionabili per i team giusti. In termini di impatto misurabile, vediamo una rilevazione più rapida dei problemi, un tempo ridotto speso per il debug manuale e meno casi in cui i problemi dei dati raggiungono i portatori di interesse aziendali. Aiuta anche a costruire maggiore fiducia nei dati, che è fondamentale per il processo decisionale in tutta l'azienda. Nel complesso, Monte Carlo risolve il problema della qualità dei dati invisibile e reattiva, sostituendola con rilevazione precoce, visibilità condivisa e un modello operativo più scalabile. ### 9. Rilevamento delle anomalie senza sforzo, sono necessari piccoli aggiustamenti di usabilità **Rating:** 4.5/5.0 stars **Reviewed by:** Eduard V. | Senior Data Engineer, Mid-Market (51-1000 dip.) **Reviewed Date:** April 22, 2026 **Cosa Le piace di più di Monte Carlo?** Apprezzo molto quanto sia facile usare Monte Carlo, il che rende semplice identificare cosa non va nei dati. Mi piace che fornisca un modo rapido per configurare il rilevamento delle anomalie predefinito su asset di dati su larga scala. L'installazione iniziale è stata molto facile e siamo stati in grado di iniziare a monitorare circa l'80% dei nostri asset subito. È anche fantastico che Monte Carlo si integri con strumenti come Looker e PagerDuty. **Cosa non Le piace di Monte Carlo?** Il modo in cui i monitor vengono definiti e modificati (la migrazione che è avvenuta di recente) è un po' confuso. La distinzione tra monitor integrati e quelli personalizzati è stata un po' difficile da comprendere per alcuni utenti. Inoltre, l'addestramento 'forzato' dei dati per il rilevamento delle anomalie è complicato, poiché molti utenti chiedono come addestrare meglio i dati affinché Monte Carlo possa modificare il rilevamento. Dovrebbe esserci un modo per configurare le soglie prima che i set di dati effettivi vengano addestrati correttamente. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Monte Carlo mi aiuta a identificare rapidamente le anomalie nei dati, rendendo facile configurare il rilevamento delle anomalie predefinito su larga scala. È molto facile da usare e semplifica l'identificazione dei problemi nei dati. ### 10. Soluzione per la Qualità dei Dati Alimentata dall'Intelligenza Artificiale con Margini di Miglioramento **Rating:** 4.0/5.0 stars **Reviewed by:** Vijay J. | Solutions Architect **Reviewed Date:** April 22, 2026 **Cosa Le piace di più di Monte Carlo?** Mi piace che Monte Carlo sia integrato con l'IA, che trovo davvero utile. È fantastico che possa suggerire automaticamente di aggiungere tabelle, monitor e impostare avvisi, oltre a raccomandare quali tabelle di avviso potrebbero mancare. Questa funzione guidata dall'IA è molto utile per me. Ho anche recentemente notato la funzione di anteprima dell'Agente, che mi permette di fare semplici domande in inglese, come riguardo alle tabelle che stanno consumando più risorse. Questo elimina la necessità di interrogare manualmente i database per queste statistiche, migliorando l'efficienza del nostro data warehouse attraverso ottimizzazioni di costo, lettura e scrittura. Inoltre, trovo Monte Carlo molto facile da usare. Chiunque può imparare le funzionalità ed esplorarle facilmente, tipicamente entro un paio di giorni. La documentazione e i video sono facilmente accessibili, rendendo l'installazione iniziale molto semplice. **Cosa non Le piace di Monte Carlo?** Vedo alcune funzionalità che potrebbero mancare quando si lavora in una grande query, come con i progetti su Google Cloud provider. Mi piacerebbe che Monte Carlo avesse l'integrazione con i bucket di Google. Sarebbe utile se potessi impostare avvisi per i file che non arrivano in tempo o se file vuoti arrivano nella posizione del bucket. Attualmente, devo usare script Python per gestire questo, e se Monte Carlo avesse questa funzionalità direttamente, sarebbe molto interessante. Ho una soluzione alternativa creando una tabella esterna sopra questi bucket e aggiungendola all'ingestione, ma un'integrazione diretta sarebbe molto meglio. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Monte Carlo previene i problemi di dati inviando avvisi per voci duplicate e cambiamenti di volume, garantendo la disponibilità dei dati e ottimizzando i processi di lettura e scrittura. Aiuta nella risoluzione proattiva dei problemi, mantenendo i dati pronti per gli utenti aziendali quotidianamente. ### 11. Potente strumento di osservabilità con margini di miglioramento **Rating:** 3.0/5.0 stars **Reviewed by:** Jean F. | Mid-Market (51-1000 dip.) **Reviewed Date:** April 21, 2026 **Cosa Le piace di più di Monte Carlo?** Mi piacciono le soglie automatiche nei monitor di Monte Carlo, che rendono più facile non preoccuparsi di impostare soglie dinamiche o fisse grazie alla funzione di soglia automatica ML. Apprezzo anche la sua integrazione con strumenti di orchestrazione come Airflow e DBT, poiché ciò ci consente di controllare specifici errori nei nostri flussi di lavoro. Queste funzionalità aiutano a risolvere i nostri problemi di osservabilità relativi alla qualità dei dati. **Cosa non Le piace di Monte Carlo?** Monte Carlo è un ottimo strumento ma è molto opprimente. Recentemente, ci sono stati molti cambiamenti che influenzano i nostri processi, come gli endpoint API, l'interfaccia utente, i contratti e le impostazioni di monitoraggio. Questi cambiamenti ci fanno lavorare troppo, e non condividono questi cambiamenti in anticipo. Inoltre, non mi piace che Monte Carlo non permetta di eseguire query SQL se la tabella non è abilitata per il monitoraggio. Ci sono alcune tabelle di cui abbiamo bisogno nelle query ma non necessitiamo dei monitor di default. L'installazione iniziale era abbastanza facile 4 anni fa, ma ora non è così semplice. Gli avvisi sono molto rumorosi, e sarebbe utile avere una vista dashboard per gestire questi avvisi. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Monte Carlo risolve la nostra osservabilità nella qualità dei dati, fungendo da punto centrale per implementare monitor di priorità attraverso gli ambienti. ### 12. Automatizza la convalida con piccoli intoppi di configurazione **Rating:** 3.5/5.0 stars **Reviewed by:** Zaina S. | Enterprise (> 1000 dip.) **Reviewed Date:** April 22, 2026 **Cosa Le piace di più di Monte Carlo?** Apprezzo la sezione delle richieste di indagine in Monte Carlo, che è particolarmente utile per eseguire controlli aggiuntivi per identificare la causa principale dei problemi. Mi piace la sezione del prodotto dati dove posso vedere tutti i monitor che ho impostato per un particolare progetto. Automatizza molti dei nostri processi di validazione, rendendo più facile gestire e analizzare i dati. **Cosa non Le piace di Monte Carlo?** Ogni volta che configuro un nuovo monitor, devo cliccare il pulsante di test un paio di volte perché dice che è fallito. Alla fine, passerà, ma è piuttosto lento e un po' fastidioso da gestire. All'inizio, ci è voluto un po' di tempo per capire e abituarmi perché dovevo comprendere le capacità, i diversi ruoli utente e come trovare le tabelle. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Monte Carlo automatizza i processi di validazione e aiuta a identificare le cause principali dei problemi con le query di indagine. ### 13. Ha buone caratteristiche ma necessita di alcuni miglioramenti UX **Rating:** 3.5/5.0 stars **Reviewed by:** Utente verificato in Tecnologia dell'informazione e servizi | Enterprise (> 1000 dip.) **Reviewed Date:** May 15, 2025 **Cosa Le piace di più di Monte Carlo?** Buone funzionalità, integrazioni facili con Slack/PagerDuty/Jira/ecc. L'interfaccia utente è buona, anche il design sembra buono. **Cosa non Le piace di Monte Carlo?** Ci sono altri modi che possiamo usare per ricevere avvisi e direi che hai bisogno di più elementi per differenziarti. Non mi piace la ricerca delle risorse, ma il problema più grande per me è che le visualizzazioni dei lavori sono terribili. Se un errore si verifica rapidamente, la barra sarà così piccola che non riesco nemmeno a cliccarci sopra. Inoltre, sarebbe molto meglio se potessi filtrare in base all'errore invece di guardare tutti i 1000 modelli che abbiamo ogni ora/giorno. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** ricevere avvisi in Slack, integrazione con altri software e una presentazione visiva dei nostri log dbt in modo che sia più facile fare riferimento agli errori in altri luoghi. L'integrazione con Jira è molto utile. Non sono sicuro se hai già un MCP, devo ancora provarlo. ### 14. AI-Powered Data Monitoring with Seamless Integration **Rating:** 4.0/5.0 stars **Reviewed by:** Akshat S. | Mid-Market (51-1000 dip.) **Reviewed Date:** May 02, 2026 **Cosa Le piace di più di Monte Carlo?** I use Monte Carlo for data freshness and custom SQL monitoring. It helps me reliably track my assets' health status in case of any data quality issues or data ingestion delays. I like the troubleshooting agent using AI, which helps debug anomalies in data. I also appreciate the integration with other platforms like Airflow for failure updates. It's also easy to set up with credentials. **Cosa non Le piace di Monte Carlo?** The free operating agent is not up to the standards of the troubleshooting agent, which has a limit. The alert summary and advice are usually repetitive of the alert description and don’t carry any new information. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** I use Monte Carlo to reliably track my assets' health status in case of any data quality issues or data ingestion delays. ### 15. Ottimo strumento per l'osservabilità dei dati aziendali **Rating:** 4.5/5.0 stars **Reviewed by:** Tirth S. | Data Engineer, Enterprise (> 1000 dip.) **Reviewed Date:** April 25, 2025 **Cosa Le piace di più di Monte Carlo?** I monitor di machine learning integrati che tracciano la freschezza, il volume e i cambiamenti dello schema sono fantastici. Apprezzo davvero come queste funzionalità funzionino immediatamente. **Cosa non Le piace di Monte Carlo?** Ad essere completamente onesto, questo è il miglior strumento che ho usato per l'osservabilità dei dati e i controlli di qualità dei dati su larga scala. Tuttavia, se dovessi menzionare un difetto, sarebbe le funzionalità extra che vengono con le integrazioni. Ad esempio, MC tenta di visualizzare le tracce dalla nostra integrazione Airflow in diverse aree, ma ho notato che le informazioni non sono sempre accurate in alcuni punti. Ho osservato un problema simile anche con l'integrazione dbt. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Questa è una delle mie tecnologie preferite che abbia mai usato. Amo davvero i suoi monitor ML pronti all'uso che ci forniscono avvisi ogni volta che viene rilevata un'anomalia e nella maggior parte dei casi è un vero positivo. La qualità dei dati è fondamentale per qualsiasi organizzazione e poterla gestire in tutta l'organizzazione senza spendere molto tempo è qualcosa di veramente eccezionale. Monte Carlo ci consente di farlo nel modo più efficiente e ottimizzato. Ha una vasta gamma di modelli di monitor standard con cui possiamo creare rapidamente monitor di tabelle e offre anche personalizzazioni al livello in cui possiamo definire monitor utilizzando il codice YAML! Ci aiuta a rilevare rapidamente eventuali problemi di qualità dei dati e fornisce anche una bella analisi della linea e dell'impatto. ### 16. Ottimo prodotto per qualsiasi organizzazione che valorizza gli standard e la qualità dei dati **Rating:** 4.5/5.0 stars **Reviewed by:** Larry F. | Analytics Engineer, Mid-Market (51-1000 dip.) **Reviewed Date:** April 28, 2025 **Cosa Le piace di più di Monte Carlo?** Ho trovato la tracciabilità dei campi molto più utile di quanto immaginassi. Anche la scala di importanza delle tabelle è molto piacevole da vedere. Ci ha permesso di anticipare gli avvisi di qualità dei dati prima che i nostri stakeholder siano consapevoli di eventuali problemi. Trovo particolarmente facile navigare e rintracciare i modelli più importanti. C'è una funzione che ti informa se una query è cambiata in base al numero di caratteri in una query, il che è davvero utile. **Cosa non Le piace di Monte Carlo?** Vorrei davvero che ci fosse un modo per posticipare i monitor e gli avvisi allo stesso modo, poiché a volte può diventare opprimente. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** È stato fondamentale essere un passo avanti rispetto ai nostri stakeholder quando si tratta di modifiche ai dati o di incongruenze nei dati. Essendo nel team della piattaforma dati, è nostra responsabilità garantire dati solidi e utilizzabili per tutti, loro si fidano dei dati che forniamo e dobbiamo mantenere alti standard per il nostro team e l'azienda affinché gli stakeholder possano prendere decisioni ad alto impatto. ### 17. Prodotto robusto che aumenta la qualità dei dati su larga scala **Rating:** 4.5/5.0 stars **Reviewed by:** Jonathan R. | Senior Data Engineer, Mid-Market (51-1000 dip.) **Reviewed Date:** November 19, 2024 **Cosa Le piace di più di Monte Carlo?** Monte Carlo ci ha permesso di monitorare i nostri flussi di dati con maggiore chiarezza. Una delle sue caratteristiche distintive è la capacità di rilevare errori prima che raggiungano la produzione, riducendo significativamente i tempi di inattività e garantendo l'integrità dei dati. Questo prodotto ha anche svolto un ruolo cruciale nel supportare il nostro nuovo prodotto dati rivolto ai clienti. Le sue robuste capacità di rilevamento degli errori e di reporting completo ci hanno permesso di lanciare con fiducia, sapendo che i nostri dati erano accurati e affidabili. **Cosa non Le piace di Monte Carlo?** La curva di apprendimento per configurare i monitor e comprendere il sistema è stata più ripida del previsto. Combinata con il gran numero di tabelle nel nostro magazzino, è stato un processo di implementazione laborioso. Alcuni di questi problemi sono inevitabili. In futuro sono curioso di sapere se esiste un modo più efficiente per configurare i monitor. Ad esempio, nel nostro caso abbiamo impostato le stesse regole esatte per più tabelle, con l'unica differenza nel nome del campo e alcune lievi variazioni nel SQL. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Cattura gli errori prima che colpiscano il nostro livello di produzione. Scopri i problemi di qualità dei dati che avrebbero richiesto uno sforzo considerevole al di fuori della piattaforma. ### 18. Migliora il monitoraggio della qualità dei dati con ML e Slack **Rating:** 3.5/5.0 stars **Reviewed by:** Willem B. | Mid-Market (51-1000 dip.) **Reviewed Date:** April 25, 2024 **Cosa Le piace di più di Monte Carlo?** Mi piace come Monte Carlo porti le intuizioni sulla qualità dei dati alle persone che possono correggerli, gli utenti delle fonti di dati. Trovo anche utili le soglie di ML perché permettono a Monte Carlo di gestire gli avvisi di errore, così il team della piattaforma dati non deve creare manualmente le soglie di errore. L'integrazione con Slack è un altro vantaggio, poiché offre un luogo centralizzato per gli avvisi e facilita l'invio agli stakeholder giusti. Monte Carlo è facile da usare, anche se non ho gestito l'installazione iniziale. **Cosa non Le piace di Monte Carlo?** Sto avendo difficoltà a integrare Monte Carlo con gli agenti AI. Sarebbe fantastico se gli agenti AI potessero interagire in modo più fluido con Monte Carlo. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Monte Carlo offre agli utenti approfondimenti sulla qualità dei dati che possono correggere. Gestisce gli avvisi di errore con soglie ML in modo che il team della piattaforma dati non debba impostarle. L'integrazione con Slack centralizza gli avvisi e li invia ai giusti stakeholder. ### 19. Monitoraggio Intelligente, Necessita di Navigazione Più Facile **Rating:** 4.0/5.0 stars **Reviewed by:** Lisa S. | Manager Data Analytics, Mid-Market (51-1000 dip.) **Reviewed Date:** April 19, 2024 **Cosa Le piace di più di Monte Carlo?** Mi piace Monte Carlo per le sue funzionalità di intelligenza artificiale che gestiscono automaticamente la creazione di confini quando si seleziona una fonte da monitorare. Anche il monitoraggio automatico delle modifiche dello schema, delle modifiche metriche e della freschezza è ottimo. Apprezzo la sua integrazione con Slack, che consente la creazione di flussi di lavoro automatizzati e mantiene tutti informati in modo proattivo. La funzionalità di intelligenza artificiale e il monitoraggio automatico fanno risparmiare molto tempo eliminando la necessità di pensare manualmente ai confini o di controllare costantemente le modifiche dello schema. L'installazione del sistema è stata molto facile, poiché tutti i sistemi sono stati collegati rapidamente tramite account amministrativi, impiegando meno di un giorno. **Cosa non Le piace di Monte Carlo?** La cosa principale che non mi piace di Monte Carlo è come devi selezionare i tavoli. Siamo davvero attenti a quali tavoli e fonti vogliamo monitorare, e questo richiede abbastanza tempo. Non è molto facile navigare e selezionare o deselezionare i tavoli da uno schema. Secondo me, questo potrebbe essere migliorato. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Monte Carlo ci fa risparmiare tempo eliminando la necessità di scrivere manualmente i test. Utilizza l'IA per regolazioni automatiche dei confini e si integra con Slack per una comunicazione proattiva. Il suo monitoraggio automatico ci avvisa dei cambiamenti di schema, il che aiuta a prevenire problemi. ### 20. Affidabilità dei dati migliorata con un monitoraggio potente **Rating:** 4.0/5.0 stars **Reviewed by:** Mahek . | Piccola impresa (50 o meno dip.) **Reviewed Date:** February 19, 2026 **Cosa Le piace di più di Monte Carlo?** Utilizzo principalmente Monte Carlo per monitorare la qualità e l'affidabilità dei dati nei nostri pipeline di dati. Mi piace che ci aiuti a rilevare rapidamente anomalie, tabelle rotte o cambiamenti inaspettati prima che influenzino le analisi a valle. Apprezzo molto il monitoraggio e l'allerta automatizzati dei dati—emerge i problemi senza richiedere controlli manuali costanti. La visibilità nella provenienza dei dati e nella salute del pipeline rende il debugging molto più veloce. Si integra senza problemi con gli strumenti di dati esistenti, rendendo l'adozione più facile per il team. Il monitoraggio e l'allerta automatizzati mi aiutano a rilevare rapidamente anomalie nei dati, risolvendo i problemi prima che influenzino dashboard o decisioni aziendali. La funzione di provenienza dei dati è particolarmente preziosa perché mostra come i dataset sono collegati, rendendo più facile rintracciare la causa principale di un problema. Insieme, queste caratteristiche risparmiano molto tempo di risoluzione dei problemi e migliorano la fiducia complessiva nei nostri dati. **Cosa non Le piace di Monte Carlo?** A volte gli avvisi possono sembrare un po' rumorosi, specialmente quando si attivano più problemi correlati contemporaneamente, quindi una migliore regolazione o raggruppamento degli avvisi sarebbe utile. L'impostazione iniziale e la configurazione hanno anche richiesto del tempo per essere completamente comprese. Migliorare la personalizzazione e rendere l'onboarding un po' più intuitivo renderebbe l'esperienza ancora più fluida. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Utilizzo Monte Carlo per monitorare la qualità e l'affidabilità dei dati, individuando le anomalie in anticipo e riducendo i controlli manuali. Migliora la fiducia nei nostri dati, aumenta la visibilità nei flussi di dati e si integra con gli strumenti esistenti, il che semplifica la risoluzione dei problemi e i tempi di risposta. ### 21. Facile Onboarding e Lineage AI Profondo, ma Esportazione e Avvisi Necessitano di Lavoro **Rating:** 3.5/5.0 stars **Reviewed by:** Abe F. | Data Analyst, Enterprise (> 1000 dip.) **Reviewed Date:** April 20, 2026 **Cosa Le piace di più di Monte Carlo?** L'onboarding è stato reso molto semplice, interfaccia utente e tracciamento dettagliato dalla fonte al target, e capacità di approfondire i problemi con l'intelligenza artificiale. **Cosa non Le piace di Monte Carlo?** Incapacità di esportare i metadati raccolti dall'analisi del nostro sistema, sono ancora i primi giorni ma un modo migliore per rendere le notifiche significative rispetto a qualcosa che viene trascurato, sembra mancare la linea completa in Tableau. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Capacità di vedere le notifiche in caso di guasti per asset critici per il business, approfondimenti sulla provenienza e approfondimenti sui problemi, porta a risparmiare tempo nell'identificazione e nella risoluzione dei tempi di inattività. ### 22. Revisione di Monte Carlo **Rating:** 4.5/5.0 stars **Reviewed by:** Narain A. | Data Engineer 3, Enterprise (> 1000 dip.) **Reviewed Date:** August 08, 2025 **Cosa Le piace di più di Monte Carlo?** La flessibilità e la ricezione di avvisi tempestivi e affidabili per Volume, Schema e Freschezza è utile. Essere in grado di regolare il modello è fantastico. **Cosa non Le piace di Monte Carlo?** Non dispiace, ma ci sono un paio di cose che potrebbero essere migliorate: 1) I dashboard potrebbero essere migliori nel fornire più approfondimenti azionabili come le tabelle che falliscono più frequentemente o le prime 5 tabelle che falliscono, sotto quale schema, per quale motivo falliscono, monitor che falliscono frequentemente, ecc. 2) Sarebbe fantastico se eventuali aggiornamenti effettuati sugli avvisi in Monte Carlo potessero fluire negli incidenti di ServiceNow. 3) Ulteriori integrazioni con i file sarebbero ottime, come se un file non è arrivato, ecc. 4) Se potessimo avere il modello ottimizzato per gli avvisi molto prima di 2 settimane sarebbe una mossa benvenuta. 5) Condurre workshop su un ambiente sandbox per i team aiuterebbe a coinvolgere più membri del team per comprendere e familiarizzare con Monte Carlo. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Problemi con la qualità dei dati ### 23. Rende il monitoraggio dei nostri pipeline GCP molto più facile **Rating:** 5.0/5.0 stars **Reviewed by:** Utente verificato in Assicurazioni | Enterprise (> 1000 dip.) **Reviewed Date:** February 08, 2026 **Cosa Le piace di più di Monte Carlo?** Il modo in cui Monte Carlo rileva anomalie nella freschezza dei dati e nel comportamento delle pipeline è estremamente utile. Permette al nostro team di individuare problemi di qualità prima che impattino sugli utenti a valle. Gli avvisi personalizzati delle query SQL sono molto precisi e mi fanno risparmiare molto tempo indicandomi direttamente dove le cose si stanno rompendo. **Cosa non Le piace di Monte Carlo?** La formattazione degli avvisi email è restrittiva — è difficile inserire tabelle pulite o layout più ricchi per gli utenti a valle. Un supporto di formattazione più simile a Outlook sarebbe un grande miglioramento. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Per me, il valore più grande è la forte integrazione con Google Cloud. Monte Carlo rileva problemi di freschezza e pipeline nel nostro stack GCP senza alcun sovraccarico aggiuntivo. Gli avvisi SQL personalizzati sono anche un grande vantaggio — mi permettono di monitorare esattamente ciò che è importante per i nostri dataset di ingegneria e di evidenziare i problemi in modo molto mirato. Insieme, questi mi aiutano a identificare i problemi in anticipo e a tenere informati gli utenti a valle. ### 24. Monitoraggio potente, configurazione complessa **Rating:** 4.5/5.0 stars **Reviewed by:** Chris A. | Lead Pricing and Actuarial Data Engineer **Reviewed Date:** February 08, 2026 **Cosa Le piace di più di Monte Carlo?** Apprezzo molto la funzione di monitoraggio in Monte Carlo. È fantastica perché possiamo scrivere avvisi personalizzati e email che sono integrati con Teams, rendendo davvero facile tenere informati i nostri stakeholder su eventuali problemi di qualità dei dati o aggiornamenti chiave che stanno cercando. È davvero potente per comprendere le eccezioni nei dati, anche quelle che non sono direttamente fallimenti o problemi di qualità dei dati importanti, che il nostro team trova molto prezioso. **Cosa non Le piace di Monte Carlo?** Sarebbe fantastico integrare più strettamente la sezione degli avvisi e del monitoraggio. Alcuni elementi dell'interfaccia utente potrebbero essere migliorati. Le parti standard nelle email potrebbero essere modificate poiché indicano sempre un fallimento o un avviso della pipeline, ma a volte sono solo informative. Vorrei anche che potesse essere integrato più vicino ai nostri dati per evitare di ripetere lo stesso codice in vari punti. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Utilizzo Monte Carlo per esporre avvisi DBT e monitorare le tendenze nel tempo, creare regole personalizzate per gli avvisi sui dati e informare le parti interessate sui problemi di qualità dei dati tramite l'integrazione con Teams. ### 25. Monte Carlo: One-Stop Observability Across Our Entire Data Stack **Rating:** 5.0/5.0 stars **Reviewed by:** Shreye S. | Senior Data Scientist, Mid-Market (51-1000 dip.) **Reviewed Date:** April 30, 2026 **Cosa Le piace di più di Monte Carlo?** Obervability in Monte Carlo oversees our whole data stack. No disparate solutions for different problems - Monte Carlo is our one stop shop for observability. **Cosa non Le piace di Monte Carlo?** There are a LOT of features, it's easy to get overwhelmed at first. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Monte Carlo solves the problem of getting visibility into our data pipelines, agentic workflows, and managing uptime of key reports. A single tool for our entire data org's health metrics is a compelling proposition. ### 26. Intuitive UI and Powerful AI Impact Analysis **Rating:** 4.5/5.0 stars **Reviewed by:** Elizabeth L. | Graduate Researcher, Department of Psychology, Enterprise (> 1000 dip.) **Reviewed Date:** May 13, 2026 **Cosa Le piace di più di Monte Carlo?** The UI is intuitive, with plenty of pre-built monitors and alerts. The AI-assisted impact analysis and the agent monitor are great additions. **Cosa non Le piace di Monte Carlo?** Setup can take a while, since the platform often needs an hour or two to ingest all the information from new integrations. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Proactive alerting and root-cause analysis, along with a clearer understanding of how our new agentic analytics capabilities are being leveraged. ### 27. Avvisi efficienti con un'ottima integrazione Slack **Rating:** 4.0/5.0 stars **Reviewed by:** jaidev j. **Reviewed Date:** February 03, 2026 **Cosa Le piace di più di Monte Carlo?** Mi piace l'integrazione di Monte Carlo con Slack, dove riceviamo avvisi tramite Slack, che funge da sportello unico per controllare tutti i problemi. Questa integrazione fa risparmiare molto tempo. La configurazione iniziale non è stata così difficile perché un rappresentante di Monte Carlo ci ha guidato attraverso il processo e ci ha fornito un trasferimento di conoscenze dettagliato su come utilizzare al meglio lo strumento. **Cosa non Le piace di Monte Carlo?** Alcune delle regole sono troppo sensibili, generando molti avvisi per i quali finiamo per non intraprendere alcuna azione. C'è spazio per miglioramenti qui. Forse dovrebbe esserci una correlazione tra i diversi avvisi delle tabelle, quindi se ci sono colonne simili in altre tabelle, allora le loro regole dovrebbero essere importate; piuttosto che addestrare il nuovo avviso da zero ogni volta. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Utilizzo Monte Carlo per impostare avvisi sui flussi di dati, rilevando attività insolite come tabelle che non si aggiornano o valori nulli che appaiono. L'integrazione con Slack indirizza gli avvisi in modo efficiente, facendoci risparmiare tempo fornendo un hub centrale per i controlli dei problemi di qualità dei dati. ### 28. Rilevamento efficiente delle anomalie con Monte Carlo **Rating:** 4.5/5.0 stars **Reviewed by:** Amit S. | Data Engineer **Reviewed Date:** February 04, 2026 **Cosa Le piace di più di Monte Carlo?** Utilizzo Monte Carlo per impostare avvisi se c'è qualche anomalia nei dati nelle nostre tabelle del database esistenti rispetto alle tendenze precedenti. Mi è piaciuto il sistema di avvisi perché supporta sia i trigger basati sul tempo che quelli basati sugli eventi. La sezione di monitoraggio e la sezione di indagine sono molto utili. Un grande vantaggio è la possibilità di creare avvisi basati sul nostro SQL personalizzato. **Cosa non Le piace di Monte Carlo?** Monte Carlo imposta l'allerta basandosi sulla soglia decisa dalla tendenza passata dei dati, ma non possiamo impostare alcuna soglia manuale per l'allerta. Dovrebbe avere entrambe le funzionalità, come l'allerta stessa che decide la soglia basandosi sulla tendenza dei dati precedenti che già possiede ed è molto utile. L'altra è impostare una soglia manuale per alcune delle allerte che non è presente. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Utilizzo Monte Carlo per impostare avvisi per anomalie nei dati, riducendo l'intervento manuale quotidiano perché controlliamo i dati solo se c'è un avviso. ### 29. Integrazione Monte Carlo per GCP DWH **Rating:** 3.5/5.0 stars **Reviewed by:** Steve L. | Data Engineer, Enterprise (> 1000 dip.) **Reviewed Date:** October 30, 2023 **Cosa Le piace di più di Monte Carlo?** Monte Carlo ci aiuta a tenere sotto controllo il nostro data warehouse. Gli esempi includono la notifica di cambiamenti significativi nel volume o nella freschezza, che ci aiuta a prevenire potenziali problemi, e la tracciabilità delle tabelle/colonne, che ci permette di vedere l'impatto di eventuali modifiche sulle tabelle/report dipendenti. Sono sicuro che ci sono altre funzionalità utili che non abbiamo ancora esplorato. **Cosa non Le piace di Monte Carlo?** Il costo è aumentato considerevolmente, il che significa che abbiamo dovuto monitorare meno tabelle per rimanere nel budget. Vorremmo più personalizzazione sulle notifiche poiché possono essere piuttosto verbose e la possibilità di interagire con le notifiche in GChat come facevamo in Slack. Forse sarebbero utili anche alcune opzioni in più sui rapporti Insight. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Cambiamenti e problemi giornalieri del magazzino. Valutazione dell'impatto. Campi e tabelle vecchi/non utilizzati. ### 30. Avvisi chiari e attuabili che rilevano i problemi di dati in anticipo **Rating:** 4.0/5.0 stars **Reviewed by:** Utente verificato in Software per computer | Piccola impresa (50 o meno dip.) **Reviewed Date:** February 14, 2026 **Cosa Le piace di più di Monte Carlo?** Quello che mi piace di più di Monte Carlo è quanto sia efficace nel rilevare i problemi di dati prima che diventino problemi reali. Gli avvisi sono chiari e attuabili, il che fa risparmiare molto tempo. Ci ha dato molta più fiducia nell'affidabilità dei nostri dashboard e report. **Cosa non Le piace di Monte Carlo?** Mi piacerebbe vedere un supporto approfondito per Spark su Databricks, quando si tratta di catturare la lineage a livello di colonna per alcuni dei nostri lavori di trasformazione più complessi. Mentre la lineage a livello alto è buona, ottenere quel dettaglio granulare a volte richiede più configurazione manuale di quanto preferirei per uno strumento. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Risolve il problema dei dati inaffidabili e delle esercitazioni antincendio che si verificano con dashboard difettosi o pipeline fallite. Invece di reagire ai problemi dopo che gli stakeholder li hanno notati, possiamo rilevare e affrontare proattivamente le anomalie in anticipo, aiutandoci a fornire dashboard critici per il business in modo più fluido. ### 31. Flessibilità nel monitoraggio e miglioramenti proattivi dei dati **Rating:** 4.5/5.0 stars **Reviewed by:** Utente verificato in Tecnologia dell'informazione e servizi | Enterprise (> 1000 dip.) **Reviewed Date:** April 21, 2026 **Cosa Le piace di più di Monte Carlo?** I monitor preconfigurati garantiscono che tu sia operativo con approfondimenti rapidamente, i monitor personalizzati garantiscono che tu possa adattare le esigenze individuali per essere tanto specifiche o ampie quanto necessario, e MC si integra praticamente con tutto ciò di cui hai bisogno per integrarti. **Cosa non Le piace di Monte Carlo?** L'adozione da parte delle unità aziendali può essere difficile ed è facile allertare su troppe cose. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Individuare i problemi di qualità dei dati prima che i dati e le intuizioni arrivino ai nostri stakeholder. Ci permette di essere più proattivi nel trovare e risolvere le incoerenze dei dati, il che aiuta i nostri dati e intuizioni a essere affidabili. ### 32. Best data observability platfotm **Rating:** 5.0/5.0 stars **Reviewed by:** Aleksei S. | Junior Data Engineer, Mid-Market (51-1000 dip.) **Reviewed Date:** September 20, 2023 **Cosa Le piace di più di Monte Carlo?** Still the best Data Quality Management Product for me **Cosa non Le piace di Monte Carlo?** So far all good from my end, don’t have any issues **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** It helps us see data lineage to understand if there is an issue downstream or upstream. We need less data analysts to actively monitor the reports ### 33. Rileva automaticamente le anomalie nei dati con facilità **Rating:** 4.0/5.0 stars **Reviewed by:** Pankaj K. | Business Analyst, Enterprise (> 1000 dip.) **Reviewed Date:** April 23, 2026 **Cosa Le piace di più di Monte Carlo?** Rileva automaticamente le anomalie nei dati. **Cosa non Le piace di Monte Carlo?** Potrebbe includere più funzionalità e a volte sembra un po' complesso per qualcuno che è nuovo. Inoltre, sembra che ci siano meno opzioni per le azioni che puoi intraprendere durante un avviso. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Mi aiuta a vedere gli avvisi di qualità dei dati, insieme alle informazioni correlate. ### 34. Qualità dei dati robusta con alcune limitazioni SQL **Rating:** 4.5/5.0 stars **Reviewed by:** RAHUL B. | Senior Engineer (data platform) **Reviewed Date:** February 04, 2026 **Cosa Le piace di più di Monte Carlo?** Mi piace il rilevamento delle anomalie basato su ML e la facilità di configurare i monitor di qualità dei dati in Monte Carlo. L'integrazione con i web hook e le funzionalità di tracciamento dei dati sono preziose, soprattutto per aiutare il mio team di operazioni sui dati a risolvere i problemi esaminando le discrepanze nei dati. Il processo di configurazione è stato abbastanza semplice. **Cosa non Le piace di Monte Carlo?** La tracciabilità delle colonne è un po' limitata con SQL complessi e può essere migliorata. Un esempio è se c'è un'istruzione switch case in cui i dati di origine potrebbero essere ottenuti in base a una condizione, non è ancora supportata. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Utilizzo Monte Carlo per l'osservabilità e la governance dei dati. Risolve problemi di qualità dei dati, validazione e rilevamento delle anomalie. Il rilevamento delle anomalie basato su ML aiuta a trovare volumi di dati inaspettati, e la tracciabilità dei dati aiuta a risolvere le discrepanze tracciando i dati attraverso il loro ciclo di vita. ### 35. Grande risparmio di tempo per il nostro team **Rating:** 4.0/5.0 stars **Reviewed by:** Utente verificato in Beni di consumo | Enterprise (> 1000 dip.) **Reviewed Date:** December 17, 2025 **Cosa Le piace di più di Monte Carlo?** Mi piace che non dobbiamo scrivere le nostre regole DQ da zero e che sia organizzato in un'interfaccia utente intuitiva. Il cruscotto della qualità dei dati è uno strumento molto utile per mostrare ai dirigenti e dimostrare il ROI del software. **Cosa non Le piace di Monte Carlo?** Può essere complicato e travolgente comprendere l'intero processo su cosa monitorare, quando allertare e quale priorità assegnare. Il punteggio di popolarità non corrisponde sempre a ciò che l'azienda considera i nostri dati più importanti e l'uso del tag di risorsa chiave non consente la granularità necessaria per regolare quanto sia importante una risorsa. Le funzionalità di intelligenza artificiale potrebbero essere migliorate poiché spesso offrono suggerimenti che non sono del tutto utili. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** La capacità di testare la qualità dei dati in diverse dimensioni sui nostri livelli bronzo e oro senza doverlo fare manualmente in Snowflake rappresenta un enorme risparmio di tempo per il nostro team. Il monitoraggio proattivo ci ha aiutato a individuare errori nello sviluppo dei dati prima che raggiungano il nostro utente finale. Avere tutto questo riassunto in un dashboard con un punteggio complessivo di qualità dei dati è un punto di riferimento molto utile. ### 36. Osservabilità avanzata dei dati con configurazione semplice **Rating:** 4.0/5.0 stars **Reviewed by:** Song An L. **Reviewed Date:** December 17, 2025 **Cosa Le piace di più di Monte Carlo?** Mi piace la funzione avanzata di Monte Carlo nell'osservabilità dei dati, che viene fornita con strumenti predefiniti utili come il monitor di freschezza e volume. Apprezzo anche la possibilità di personalizzarli con SQL personalizzato. Il monitor di freschezza ci aiuta a garantire che riceviamo dati dai nostri sistemi a monte/sorgente e che i nostri prodotti di dati a valle siano aggiornati come previsto. In caso contrario, riceviamo un avviso che ci consente di risolvere i problemi e apportare correzioni tempestivamente. Configurare Monte Carlo è stato facile con la documentazione ufficiale, utilizzando il metodo Monitor-as-code con configurazioni YAML, che è utile per gli sviluppatori da mantenere in un repository Git. **Cosa non Le piace di Monte Carlo?** Vorrei che ci fosse più personalizzazione con gli avvisi di Monte Carlo per scrivere i nostri messaggi personalizzati, in modo che quando vengono inviati a stakeholder come i proprietari dei prodotti di dati o i proprietari dei sistemi di origine, possano ottenere un contesto migliore dell'avviso. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Monte Carlo ci aiuta a monitorare, identificare, gestire e correggere le anomalie dei dati. Garantisce che i nostri dati siano aggiornati avvisandoci se i dati dalle fonti a monte non vengono aggiornati, permettendoci di risolvere rapidamente i problemi. ### 37. Ottimo strumento per il rilevamento automatico e monitor personalizzati **Rating:** 3.5/5.0 stars **Reviewed by:** Utente verificato in Petrolio ed energia | Enterprise (> 1000 dip.) **Reviewed Date:** January 31, 2025 **Cosa Le piace di più di Monte Carlo?** La profondità dei monitor è eccellente. Le funzionalità di ML preconfigurate sono ottime e individuano cambiamenti che normalmente passerebbero completamente inosservati. Inoltre, possiamo impostare i nostri monitor personalizzati per regole aziendali molto specifiche che dobbiamo verificare. È un ottimo mix di rilevamento automatico e controllo manuale. **Cosa non Le piace di Monte Carlo?** Poiché vogliamo copertura su tutti i nostri asset, gli avvisi che riceviamo possono diventare piuttosto rumorosi. Sembra che stiamo scambiando una copertura completa per un canale molto occupato. Penso che questo potrebbe essere migliorato rendendo la configurazione del monitor un po' più intuitiva. Può essere difficile capire come impostare al meglio le tolleranze per evitare falsi positivi, e alcuni esempi in linea o guide migliori sarebbero di grande aiuto nel ridurre il rumore. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Monte Carlo ci aiuta a individuare i problemi di qualità dei dati nel nostro magazzino prima che esplodano e impattino i nostri utenti. In passato, spesso scoprivamo un problema solo dopo che un utente si lamentava o un rapporto chiave era rotto. Ora, siamo quasi sempre i primi a saperlo e possiamo intervenire immediatamente per risolverlo. Il vantaggio più grande è stato un vero aumento della fiducia che i nostri utenti—e il nostro stesso team—hanno nei dati. ### 38. Monitoraggio senza sforzo con approfondimenti automatizzati **Rating:** 4.0/5.0 stars **Reviewed by:** Isaac D. | CPO **Reviewed Date:** December 15, 2025 **Cosa Le piace di più di Monte Carlo?** Mi piace che Monte Carlo funzioni subito senza bisogno di configurazioni. Una volta collegato il dataset, lo monitora automaticamente per problemi di base, il che è già un grande aiuto per individuare errori. Apprezzo anche la possibilità di creare monitoraggi personalizzati per prevenire regressioni su problemi scoperti. Aiuta a scoprire problemi prima che influenzino i clienti o altri sistemi. È prezioso poter monitorare un gran numero di dataset contemporaneamente e ricevere segnali sui problemi tramite Slack o email. La possibilità di indagare direttamente all'interno di Monte Carlo è fantastica. Inoltre, la configurazione iniziale è stata super facile. **Cosa non Le piace di Monte Carlo?** Monte Carlo è un po' costoso e potrebbe fornire più indicazioni su come migliorare la copertura del monitoraggio per guidare i junior. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Utilizzo Monte Carlo per rilevare problemi di qualità dei dati nei data warehouse, svelando approfondimenti automatizzati su potenziali problemi e prevenendo problemi che potrebbero influire sui clienti. Monitora automaticamente i set di dati per errori e consente un monitoraggio personalizzato per prevenire regressioni, il che è molto efficace. ### 39. Flexible UI and Excellent Support for Model Validators **Rating:** 4.0/5.0 stars **Reviewed by:** Utente verificato in Servizi finanziari | Enterprise (> 1000 dip.) **Reviewed Date:** April 29, 2026 **Cosa Le piace di più di Monte Carlo?** I really like the UI of Monte Carlo and the flexibility it provides for building and managing model validators. Their support is also excellent—always available to help push through updates or fixes when needed. **Cosa non Le piace di Monte Carlo?** Their new AI evaluation monitoring agent architecture could still use some improvement, and it sounds like they’re actively working on it. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** It helps us evaluate our data metrics against defined thresholds. For AI, it also lets us assess the performance of our agents and keep track of token usage. ### 40. Monitoraggio dei dati senza sforzo con potenti funzionalità di ML **Rating:** 4.0/5.0 stars **Reviewed by:** Zoe L. **Reviewed Date:** December 12, 2025 **Cosa Le piace di più di Monte Carlo?** Mi piace che Monte Carlo sia relativamente facile da configurare e si integri bene con le piattaforme dati esistenti. I monitor alimentati da ML sono estremamente preziosi per rilevare anomalie nei dati inaspettate, e le funzionalità di allerta ci aiutano a risolvere proattivamente i problemi prima che influenzino i nostri stakeholder aziendali. **Cosa non Le piace di Monte Carlo?** I monitor basati su ML pronti all'uso possono essere un po' rumorosi all'inizio, richiedendo tempo e sforzo per regolare la sensibilità degli avvisi. È necessario silenziare tabelle o monitor specifici per evitare di ricevere notifiche per anomalie minori e falsi positivi. Inoltre, sebbene il valore del prodotto sia evidente, il modello di prezzo può essere un po' elevato, specialmente per i team più piccoli che stanno appena iniziando il loro percorso con i dati. Sarebbe utile vedere strutture di prezzo più flessibili o livelli per aziende di piccole e medie dimensioni. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Utilizzo Monte Carlo per l'osservabilità dei dati. Monitora la qualità dei dati con un'installazione minima, si integra con le piattaforme esistenti e i suoi monitor basati su ML rilevano anomalie sconosciute. Gli avvisi consentono correzioni proattive, risparmiando le nostre risorse ingegneristiche. ### 41. Monitoraggio Proattivo della Qualità dei Dati che Risparmia Tempo **Rating:** 5.0/5.0 stars **Reviewed by:** Utente verificato in Beni di consumo | Enterprise (> 1000 dip.) **Reviewed Date:** December 12, 2025 **Cosa Le piace di più di Monte Carlo?** Monte Carlo ci offre una visibilità completa sulla qualità dei dati attraverso le pipeline senza dover costruire manualmente il monitoraggio per ogni tabella. Mi piace la rapidità con cui individua anomalie, cambiamenti di schema e problemi di freschezza, e il fatto che si integri bene con Snowflake. Risparmia un sacco di tempo notificandoci proattivamente prima che i team a valle siano impattati. **Cosa non Le piace di Monte Carlo?** Alcune aree di configurazione sembrano ancora un po' "scatola nera", il che significa che può essere difficile capire esattamente perché certi monitor si attivano o perché certe tabelle non sono coperte automaticamente. L'interfaccia utente può anche sembrare un po' disordinata a volte, e gli avvisi possono diventare rumorosi finché non si ottimizza tutto completamente. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Monte Carlo ci aiuta a rilevare rapidamente le interruzioni dei dati causate da cambiamenti a monte, fallimenti nell'ingestione, deriva dello schema e cali o picchi inaspettati nei conteggi dei record. Centralizza anche la visibilità della qualità dei dati nel nostro ambiente Snowflake, così il team non passa più ore a riconciliare manualmente i problemi di dati o ad aspettare che i team a valle segnalino problemi. Questo porta a un'analisi delle cause principali più veloce, meno dashboard interrotte e mantiene la fiducia nei nostri prodotti di dati. ### 42. Intuitive Interface and Helpful Documentation Make It a Standout **Rating:** 4.0/5.0 stars **Reviewed by:** Utente verificato in Bancario | Mid-Market (51-1000 dip.) **Reviewed Date:** December 15, 2025 **Cosa Le piace di più di Monte Carlo?** The user interface is highly intuitive, which makes it easy to navigate, and the documentation offers valuable guidance when needed. I also appreciate the ongoing enhancements and the efficient support. **Cosa non Le piace di Monte Carlo?** At the moment, nothing specific comes to mind. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** We have noticed improvements in reducing the time required for reconciliations by validating in advance that all necessary information is available. Additionally, we have identified downtime in system integrations and have received alerts about delays in data being sent by our data providers. ### 43. Monitoraggio e avvisi dei dati senza sforzo **Rating:** 4.5/5.0 stars **Reviewed by:** prateek k. | data engineer, Enterprise (> 1000 dip.) **Reviewed Date:** February 04, 2026 **Cosa Le piace di più di Monte Carlo?** Utilizzo Monte Carlo per gli avvisi e le convalide dei dati, e trovo che abbia un'interfaccia utente amichevole che lo rende facile da usare. Apprezzo le evoluzioni dello schema e i controlli di freschezza dei dati perché garantiscono che i miei carichi incrementali funzionino come previsto e mi aiutano a identificare eventuali problemi con il volume dei dati o le modifiche dello schema. Anche la configurazione è stata piuttosto semplice, il che è un grande vantaggio per me. **Cosa non Le piace di Monte Carlo?** per ora non trovo problemi che non mi piacciono a Monte Carlo **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Utilizzo Monte Carlo per gli avvisi e le convalide dei dati sui nostri carichi di dati giornalieri. Sostituisce l'esecuzione manuale delle query, gestisce i nostri SQL personalizzati, controlla la freschezza e il volume dei dati e ci notifica i cambiamenti di schema, migliorando notevolmente l'accuratezza dei nostri dati. ### 44. Configurazione senza sforzo e integrazione senza soluzione di continuità con supporto eccezionale **Rating:** 4.5/5.0 stars **Reviewed by:** Utente verificato in Beni di consumo | Enterprise (> 1000 dip.) **Reviewed Date:** December 17, 2025 **Cosa Le piace di più di Monte Carlo?** Apprezzo quanto sia facile configurare le cose. La capacità della piattaforma di gestire più casi d'uso all'interno di un unico sistema è molto utile. La sua integrazione con gli strumenti che già utilizziamo mi consente di sfruttare le funzionalità di allerta direttamente nel mio flusso di lavoro quotidiano. Il supporto clienti e l'interazione con il nostro team di Monte Carlo sono stati fantastici. **Cosa non Le piace di Monte Carlo?** Alcuni aspetti amministrativi possono essere difficili quando si gestiscono i diversi tipi di monitor. Essere in grado di vedere la nostra qualità olistica e gestirli da un unico luogo centrale può essere complicato a volte. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Utilizziamo Monte Carlo per monitorare e avvisarci di eventuali problemi che potrebbero verificarsi nella nostra complessa architettura. Il nostro obiettivo è che un utente finale non rilevi mai problemi con i nostri dati, ma abbiamo impostato proattivamente dei monitor per gestirli in anticipo. ### 45. Improves Data Quality with Helpful Outcome Scenarios **Rating:** 4.0/5.0 stars **Reviewed by:** Vipin K. | Data Analyst, Enterprise (> 1000 dip.) **Reviewed Date:** May 01, 2026 **Cosa Le piace di più di Monte Carlo?** Helps improve data quality and makes it easier for the user **Cosa non Le piace di Monte Carlo?** sometimes the process is a bit complex for the one who is new to this **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** It makes the data cleaner and more relaible. ### 46. Automated Monitoring and Anomaly Resolution Powerhouse **Rating:** 5.0/5.0 stars **Reviewed by:** Todd A. | Senior Data Analyst, Enterprise (> 1000 dip.) **Reviewed Date:** April 28, 2026 **Cosa Le piace di più di Monte Carlo?** I like that the automation in Monte Carlo enables monitoring in the background. The features that support drilling into anomalous conditions really expedite resolutions. Rerunning or modifying queries behind the monitors helps illustrate current data conditions. **Cosa non Le piace di Monte Carlo?** Data lineage diagrams can be challenging to scale for effective browsing. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** I use Monte Carlo for monitoring database conditions, summarizing data changes, and tracing data lineage. It alerts out of range conditions and organizes responses to new data conditions. ### 47. Controlli di qualità dei dati **Rating:** 5.0/5.0 stars **Reviewed by:** Lukasz W. | Data Engineer, Enterprise (> 1000 dip.) **Reviewed Date:** January 30, 2025 **Cosa Le piace di più di Monte Carlo?** Il montecarlo mi sta offrendo molte possibilità in termini di qualità dei dati. Posso impostare le notifiche, creare gruppi di persone e inviare loro una notifica se qualcosa fallisce. **Cosa non Le piace di Monte Carlo?** Come utente di Google Chat, sono davvero infastidito dal fatto di dover usare le email. Per me, il modo migliore per ricevere avvisi sarebbe un messaggio diretto a un gruppo di Google Chat. Il modo migliore sarebbe utilizzare i webhook che Google fornisce. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Il montecarlo può confrontare pochi set di dati e può inviarmi una notifica se ho meno dati o più. Mi aiuta a non commettere grandi errori, ad esempio mi invierà un avviso se i dati dalla tabella sono stati eliminati. ### 48. Strumento essenziale per la qualità e l'affidabilità dei dati negli ambienti aziendali **Rating:** 3.5/5.0 stars **Reviewed by:** Koushik T. | Senior Data Engineer, Enterprise (> 1000 dip.) **Reviewed Date:** December 13, 2025 **Cosa Le piace di più di Monte Carlo?** Monte Carlo è fantastico perché offre eccellenti funzionalità di osservabilità dei dati che ci aiutano a monitorare le metriche di qualità dei dati e a identificare rapidamente i problemi. Il cruscotto è intuitivo e facile da navigare per i membri del team. **Cosa non Le piace di Monte Carlo?** Il prezzo può essere elevato per i team più piccoli e la curva di apprendimento per le funzionalità avanzate è piuttosto ripida. La documentazione potrebbe essere migliorata in alcune aree. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Monte Carlo sta risolvendo i nostri problemi di qualità e affidabilità dei dati. Ci aiuta a individuare le anomalie nei dati prima che influenzino le nostre analisi e decisioni aziendali. Questo ha ridotto significativamente il tempo che dedichiamo al debug delle pipeline di dati e ha migliorato la fiducia del nostro team di dati nei nostri asset di dati. ### 49. Rende molto facile rilevare problemi e dati obsoleti **Rating:** 4.0/5.0 stars **Reviewed by:** Josna C. | Data Engineer II, Mid-Market (51-1000 dip.) **Reviewed Date:** August 08, 2025 **Cosa Le piace di più di Monte Carlo?** Il modello di apprendimento automatico. È buono nel trovare anomalie. Mi piacciono anche gli agenti AI incorporati. **Cosa non Le piace di Monte Carlo?** A volte non avvisa in tempo e impiega ore per avvisare per i monitor metrici **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Problema di dati obsoleti Anomalie freschezza ### 50. Monitoraggio dei dati senza sforzo, affidabile e accurato **Rating:** 4.5/5.0 stars **Reviewed by:** Utente verificato in Assicurazioni | Enterprise (> 1000 dip.) **Reviewed Date:** August 31, 2025 **Cosa Le piace di più di Monte Carlo?** Apprezzo molto il monitoraggio ML per la freschezza e il volume. È fantastico perché è molto facile da configurare e funziona con un alto grado di precisione. La dashboard della qualità dei dati è un'altra caratteristica che mi piace. Permette ai clienti di vedere lo stato attuale a colpo d'occhio, il che è molto utile. Monte Carlo ci fa anche risparmiare tempo con il suo rapido processo di configurazione, e avere tutti i nostri test di qualità dei dati in un unico posto è sicuramente un vantaggio. **Cosa non Le piace di Monte Carlo?** Mi piacerebbe vedere più opzioni di personalizzazione disponibili a livello di dashboard e la possibilità di inserire i risultati dei test dbt al suo interno. **Quali problemi sta risolvendo Monte Carlo e in che modo La sta aiutando?** Monte Carlo consolida i nostri test di qualità dei dati, li persiste e cattura rapidamente problemi di volume e freschezza. Il dashboard di qualità dei dati pronto all'uso offre ai clienti una visione immediata dello stato attuale dei dati, mentre la sua facile configurazione ci fa risparmiare tempo significativo. ## Monte Carlo Discussions - [Che cos'è il software Monte Carlo?](https://www.g2.com/it/discussions/what-is-monte-carlo-software) - 1 comment - [View Monte Carlo pricing details and edition comparison](https://www.g2.com/it/products/monte-carlo/reviews?section=pricing&secure%5Bexpires_at%5D=2026-05-14+23%3A57%3A19+-0500&secure%5Bsession_id%5D=57db7416-8d6c-4018-9f59-41761d954831&secure%5Btoken%5D=cf42810af5498fb87c5ec854c668acc97bfb9ee86da6aaa1e54ee58e36f74b78&format=llm_user) ## Monte Carlo Integrations - [Alation](https://www.g2.com/it/products/alation/reviews) - [Amazon Athena](https://www.g2.com/it/products/amazon-athena/reviews) - [Amazon Redshift](https://www.g2.com/it/products/amazon-redshift/reviews) - [Apache Airflow](https://www.g2.com/it/products/apache-airflow/reviews) - [Astro by Astronomer](https://www.g2.com/it/products/astro-by-astronomer/reviews) - [Atlan](https://www.g2.com/it/products/atlan/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) - [Coalesce Catalog (formerly CastorDoc)](https://www.g2.com/it/products/castor-doc/reviews) - [Collibra](https://www.g2.com/it/products/collibra/reviews) - [Databricks](https://www.g2.com/it/products/databricks/reviews) - [dbt](https://www.g2.com/it/products/dbt/reviews) - [dbt + Tableau](https://www.g2.com/it/products/dbt-tableau/reviews) - [Fivetran](https://www.g2.com/it/products/fivetran/reviews) - [Git](https://www.g2.com/it/products/git/reviews) - [GitHub](https://www.g2.com/it/products/github/reviews) - [Google Cloud BigQuery](https://www.g2.com/it/products/google-cloud-bigquery/reviews) - [Hex](https://www.g2.com/it/products/hex-tech-hex/reviews) - [Jira](https://www.g2.com/it/products/jira/reviews) - [Looker](https://www.g2.com/it/products/looker/reviews) - [Microsoft Outlook](https://www.g2.com/it/products/microsoft-outlook/reviews) - [Microsoft Power BI](https://www.g2.com/it/products/microsoft-microsoft-power-bi/reviews) - [Microsoft Teams](https://www.g2.com/it/products/microsoft-teams/reviews) - [Opsgenie](https://www.g2.com/it/products/opsgenie/reviews) - [PagerDuty](https://www.g2.com/it/products/pagerduty/reviews) - [Paradime](https://www.g2.com/it/products/paradime/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) - [Slack](https://www.g2.com/it/products/slack/reviews) - [Snowflake](https://www.g2.com/it/products/snowflake/reviews) - [Splunk Enterprise](https://www.g2.com/it/products/splunk-enterprise/reviews) - [Tableau](https://www.g2.com/it/products/tableau/reviews) - [Webex Suite](https://www.g2.com/it/products/cisco-webex-suite/reviews) ## Monte Carlo Features **Funzionalità** - Monitoraggio - Allertando - Registrazione - Tempo di risposta - Segnalazione - Visualizzazione dei dati **Gestione dei dati** - Integrazione dei dati - Metadati - Self-service - Flussi di lavoro automatizzati **Funzionalità** - Analisi in tempo reale - Monitoraggio della qualità dei dati - Automazione - Visibilità end-to-end **Piattaforme DataOps - AI Agente** - Esecuzione Autonoma dei Compiti - Pianificazione a più fasi - Integrazione tra sistemi - Apprendimento Adattivo - Prendere decisioni **Tracing & Debugging** - Agent Debugging - Trace Visualization - End-to-End Agent Tracing **Analitica** - Capacità di analisi - Visualizzazioni del cruscotto **Gestione** - Identificazione delle anomalie - Vista a pannello singolo - Avvisi in tempo reale - Tracciabilità dei dati - Integrazioni **AI agentico - Monitoraggio del database** - Esecuzione Autonoma dei Compiti - Pianificazione a più fasi - Integrazione tra sistemi - Apprendimento Adattivo - Interazione in Linguaggio Naturale - Assistenza Proattiva - Prendere decisioni **Evaluation & Quality** - Regression Testing - Hallucination Detection - Automated Output Evaluation **Monitoraggio e Gestione** - Osservabilità dei dati - Testare le capacità **Intelligenza Artificiale Generativa** - Generazione di Testo AI **Production Monitoring** - Alerts & Notifications - Latency Monitoring - Token Usage & Cost Tracking **Funzionalità** - Identificazione - Correzione - Normalizzazione - Pulizia preventiva - Corrispondenza dei dati **Distribuzione su cloud** - Supporto cloud ibrido - Capacità di migrazione al cloud **Agentic AI - Osservabilità dei Dati** - Esecuzione autonoma dei compiti - Pianificazione a più fasi - Integrazione tra sistemi - Interazione in Linguaggio Naturale - Assistenza Proattiva **Agent Discovery & Governance** - Audit Logging - Agent Discovery - Policy Compliance Monitoring **Gestione** - Segnalazione - Automazione - Audit di Qualità - Cruscotto - Governance **Intelligenza Artificiale Generativa** - Generazione di Testo AI - Riassunto del testo AI **Intelligenza Artificiale Generativa** - Generazione di Testo AI - Riassunto del testo AI ## Top Monte Carlo Alternatives - [Acceldata](https://www.g2.com/it/products/acceldata/reviews) - 4.4/5.0 (53 reviews) - [Anomalo](https://www.g2.com/it/products/anomalo/reviews) - 4.4/5.0 (41 reviews) - [Datadog](https://www.g2.com/it/products/datadog/reviews) - 4.4/5.0 (689 reviews)