Avaliações e Detalhes do Produto Databricks Data Intelligence Platform

Os notebooks colaborativos são bastante úteis. Minha equipe consegue escrever tanto Python quanto SQL no mesmo notebook, o que realmente ajuda a acelerar nosso ciclo de desenvolvimento. A integração com o MLflow é, na minha opinião, o recurso de destaque. Análise coletada por e hospedada no G2.com.

Não houve nada que eu não gostasse; tudo funcionou como esperado. Análise coletada por e hospedada no G2.com.

O que mais gosto no SnapLogic é que, ao realizar a transformação de dados em notebooks, ele oferece muitas linguagens para usar, como SQL, PySpark e R. Isso me permite usar qualquer linguagem e completar efetivamente meus requisitos. O Databricks possui muitos recursos, como AI, catálogo Unity e gerenciamento de fluxos de trabalho, o que torna minha implementação de ETL e integração de dados fácil e rápida. Análise coletada por e hospedada no G2.com.

Sob uso intenso, a interface do usuário para algumas implementações, como rastreamento de tarefas e versionamento de cadernos, é um pouco lenta na web. Análise coletada por e hospedada no G2.com.

O Unity Catalog agrupa tipos de dados úteis, como Tabelas (delta), Modelos, Visualizações, Funções e Volumes (para dados não estruturados). Além disso, a aba de Workflows otimiza a eficiência para executar trabalhos e pipelines, atualizando e interagindo com big data. Análise coletada por e hospedada no G2.com.

A pior funcionalidade vem com os modos de computação e as habilidades restritas. Por exemplo, o modo de acesso dedicado para um único usuário é essencial para utilizar os tempos de execução de ML e algum acesso ao contexto Spark; no entanto, o modo de acesso compartilhado padrão é fundamental para a funcionalidade mais recente do UC, como interagir adequadamente com Clones Rasos. Análise coletada por e hospedada no G2.com.

A plataforma da Databricks é uma ferramenta colaborativa poderosa que permite que as equipes trabalhem juntas de forma contínua em projetos de dados. O ambiente integrado para processamento e análise de dados, juntamente com sua interface amigável, facilita a visualização de insights e o compartilhamento de descobertas em tempo real. Análise coletada por e hospedada no G2.com.

A complexidade ocasional na gestão de múltiplos clusters e ambientes, que pode levar a confusão em relação à alocação de recursos. Além disso, a curva de aprendizado para novos usuários pode ser íngreme, tornando-se um desafio para a adoção organizacional. Análise coletada por e hospedada no G2.com.

Eu participei para explorar como o Databricks unifica engenharia de dados, análises e IA. A integração da plataforma com ferramentas de BI e o suporte para o Delta Lake funcionaram bem. Os recursos de desempenho e colaboração se destacaram. No entanto, a curva de aprendizado e algumas complexidades da interface do usuário poderiam ser melhoradas para novos usuários que estão fazendo a transição de plataformas tradicionais. Análise coletada por e hospedada no G2.com.

Eu participei da sessão da Plataforma de Inteligência de Dados da Databricks, mas achei-a bastante sem graça. As funcionalidades e o desempenho não foram nem excepcionais nem decepcionantes. Pareceu genérico, com melhorias vagas e inovação mínima. No geral, estou incerto sobre suas vantagens distintas, tornando minha avaliação nem particularmente informativa nem acionável para usuários potenciais. Análise coletada por e hospedada no G2.com.

O que mais aprecio no Databricks é sua abordagem unificada para engenharia de dados e ciência de dados. A plataforma elimina os silos tradicionais entre nossos engenheiros de dados e cientistas de dados, proporcionando um espaço de trabalho colaborativo onde ambas as equipes podem trabalhar nos mesmos conjuntos de dados usando suas ferramentas preferidas - seja Spark, Python, R ou SQL. A tecnologia Delta Lake tem sido particularmente valiosa para garantir a qualidade e a confiabilidade dos dados em nossos pipelines. Os clusters de auto-escalonamento significam que não precisamos nos preocupar com a gestão de infraestrutura, e a interface de notebook facilita a documentação e o compartilhamento do nosso trabalho. A integração com o MLflow para rastreamento de experimentos e implantação de modelos tem simplificado significativamente nosso ciclo de vida de aprendizado de máquina. Análise coletada por e hospedada no G2.com.

Os principais desafios que encontramos estão relacionados à curva de aprendizado e à gestão de custos. Para os membros da equipe que vêm de um histórico tradicional de SQL, a transição para análises baseadas em Spark requer um aprimoramento significativo. O modelo de precificação pode ser complexo de prever, especialmente com clusters de autoescalonamento, e os custos podem aumentar rapidamente se não forem monitorados cuidadosamente. A interface do usuário, embora funcional, pode parecer opressiva para novos usuários com tantas funcionalidades e opções. Também experimentamos inconsistências ocasionais de desempenho durante os horários de pico, e alguns dos recursos mais avançados exigem um conhecimento técnico profundo para serem implementados de forma eficaz. A documentação, embora abrangente, pode ser densa e pressupõe um alto nível de expertise técnica. Análise coletada por e hospedada no G2.com.

A plataforma de inteligência de dados Databricks é um produto muito único e interessante, é muito eficiente e torna a execução de programas muito mais rápida e fácil. O preço econômico e os usos desta plataforma são tão atraentes que foi o que me fez escolher este produto. Análise coletada por e hospedada no G2.com.

Algo que eu não gostei sobre a Plataforma de Inteligência de Dados do Databricks é que ela pode ser um pouco lenta às vezes quando vários usuários estão a utilizá-la, o que poderia ser melhorado. Análise coletada por e hospedada no G2.com.

Honestamente, é como transforma o caos dos dados brutos em algo lindamente orquestrado—como jazz, mas com menos saxofone e mais Spark.

Adoro que não seja apenas uma ferramenta—é um ecossistema inteiro. Ele traz engenharia de dados, análises e IA em um ambiente unificado. Isso significa que não preciso juntar uma dúzia de ferramentas apenas para avançar um pipeline. Menos silos, mais fluxo. E o fato de ser construído em padrões abertos como Delta Lake e Apache Spark? Beijo do chef.

Os recursos colaborativos também são enormes. Poder trabalhar perfeitamente entre equipes em notebooks, compartilhar insights e iterar em tempo real? É como o Google Docs para nerds de dados, mas mais inteligente e com menos dores de cabeça de formatação.

Ah, e o Unity Catalog? Revolucionário. Ele me dá visibilidade e governança sem me fazer sentir que preciso de um segundo emprego em segurança.

Então, sim—o que mais gosto é que faz com que fazer coisas complexas pareça, bem... menos complexo. Não se trata apenas de gerenciar dados—é sobre obter inteligência real a partir deles, rapidamente. E essa é exatamente a velocidade que eu gosto. Análise coletada por e hospedada no G2.com.

Primeiro de tudo, a transparência nos preços pode ser... vamos chamá-la de "misteriosa". Você pensa que está apenas executando um trabalho simples, e então BAM—custos surpresa como se fosse seu aniversário, mas os presentes são todas faturas. Eu adoraria um pouco mais de clareza e controle nessa área, especialmente quando você está tentando escalar de forma responsável. Análise coletada por e hospedada no G2.com.

Esta arquitetura de casa no lago traz o melhor de ambos os data lakes e armazéns, então não temos que lidar com a complexidade desnecessária. Os delta lakes garantem confiabilidade, enquanto a interface baseada em notebook torna a colaboração perfeita. A capacidade da plataforma de lidar com cargas de trabalho em lote, streaming e aprendizado de máquina em um só lugar é uma grande vantagem. Análise coletada por e hospedada no G2.com.

O preço pode ficar caro, especialmente se as cargas de trabalho não forem otimizadas adequadamente, também enquanto os notebooks são ótimos, eles poderiam usar um melhor controle de versão para trabalho colaborativo. A curva de aprendizado inicial pode ser um pouco íngreme para aqueles que são novos no Spark, mas uma vez que você pega o jeito. É uma ferramenta poderosa. Análise coletada por e hospedada no G2.com.

O que mais gosto é a facilidade com que posso trabalhar dados de diferentes fontes em um só lugar. Antes, tinha que alternar entre várias ferramentas, mas aqui tudo está integrado: desde a ingestão até a análise avançada. Análise coletada por e hospedada no G2.com.

O que menos gosto é que, no início, a curva de aprendizado pode ser um pouco íngreme Análise coletada por e hospedada no G2.com.