Avaliações e Detalhes do Produto Datagaps DataOps Suite

O que eu mais gosto na suíte Datagaps DataOps é a flexibilidade que ela oferece ao trabalhar com fontes de dados heterogêneas, e como faz isso de forma fácil. Ela proporciona facilidade de implementação junto com integração perfeita com outras plataformas, como Databricks, ADO e GIT. A maneira como lida com grandes volumes de comparação de dados é impressionante. É uma ferramenta com um ótimo pacote de recursos e é capaz de realizar qualquer tipo de automação. Outro aspecto importante é o suporte ao cliente, que é muito ágil e rápido em resolver bloqueios. Análise coletada por e hospedada no G2.com.

Eu não tenho grandes aversões à ferramenta. Atualmente, limpamos manualmente trabalhos de longa duração que são muito antigos, mas ainda aparecem como ocupados. Seria benéfico se houvesse uma opção para limpar automaticamente esses trabalhos. Além disso, seria útil ter a capacidade de criar dependências entre fluxos de dados, de modo que a saída de um fluxo de dados possa ser usada como entrada para outro. Análise coletada por e hospedada no G2.com.

Melhora a confiança em análises e relatórios

Permite migrações e atualizações mais rápidas com menor risco

Padroniza processos de dados entre equipes e plataformas

Apoia a tomada de decisões baseada em dados com dados confiáveis

Reduz verificações manuais e scripts personalizados.

Alcançou 98,5% de precisão de dados em tabelas migradas.

Melhorias mensuráveis na qualidade dos dados e nas capacidades de tomada de decisão.

O DataOps Suite permite operações de dados confiáveis, automatizadas e escaláveis, incorporando qualidade, observabilidade e governança diretamente no pipeline de dados—reduzindo riscos, acelerando a entrega e aumentando a confiança nos dados. Análise coletada por e hospedada no G2.com.

A gestão de mudanças precisa mudar de verificações manuais para automação. Curva de aprendizado para equipes novas nas práticas de DataOps. Análise coletada por e hospedada no G2.com.

A suíte Datagaps DataOps integra-se perfeitamente com o ScalaDB, automatizando verificações de qualidade de dados e validação sem necessidade de código Scala adicional. Ela acelera o teste de ETL, garante pipelines de dados precisos e reduz o esforço manual, ajudando-nos a manter dados confiáveis e de alta qualidade de forma eficiente em todos os ambientes. A integração é boa com facilidade de uso e implementação. Análise coletada por e hospedada no G2.com.

Às vezes, a configuração inicial pode levar tempo. No entanto, uma vez que está em funcionamento, o Datagaps DataOps Suite torna as verificações de qualidade de dados fáceis e confiáveis, ajudando-nos a manter dados confiáveis com um esforço contínuo mínimo. Usamos com muita frequência, pois é bom no suporte ao cliente. Análise coletada por e hospedada no G2.com.

Gosto particularmente das melhorias recentes no Datagaps DataOps Suite que fortalecem o gerenciador de mapeamento, a linhagem de dados, aproveitam a IA de forma mais ampla e simplificam a validação de migração de dados complexos. Análise coletada por e hospedada no G2.com.

módulos de treinamento autoguiados, tutoriais em vídeo e trilhas de certificação Análise coletada por e hospedada no G2.com.

DataGaps como uma ferramenta tem vastas funcionalidades e é muito abrangente. Compreensão extrema de Testes de Qualidade de Dados com a ferramenta adiciona um benefício tangível aos verificações de dados de ponta a ponta. Excelente suporte técnico que é muito necessário para qualquer ferramenta. Facilidade de uso e implementação por qualquer recurso júnior é uma vantagem adicional. Análise coletada por e hospedada no G2.com.

Eu não tenho nenhuma grande aversão no momento, apenas a sugestão de ter mais casos de uso para múltiplas funcionalidades daria mais confiança ao usuário final. Análise coletada por e hospedada no G2.com.

Embora sejamos clientes do produto ETL Validator (ETL V) da Datagaps há pouco mais de sete anos, recentemente migramos do ETL V para o conjunto DataOps (com ETL V e Qualidade de Dados) - para aproveitar a plataforma mais avançada baseada em Apache Spark, a capacidade de script em Python embutida, bem como a extensibilidade. Embora certamente houvesse desafios durante a migração (como se esperaria com mudanças arquitetônicas subjacentes), tivemos um suporte superlativo durante todo esse processo.

A interface baseada na web é bastante fácil de usar - até mesmo para usuários de negócios definirem regras de dados dentro da aplicação. O agendamento (de Pipelines, Regras de DQ, Fontes de Dados, etc.) e os alertas por e-mail são outras coisas que utilizamos diariamente.

O módulo de Qualidade de Dados (DQ) está nos ajudando a desafiar/abordar o antigo lema de lixo entra/lixo sai no espaço de Engenharia de Dados com sua Observabilidade de Dados, Pontuação de DQ e outras métricas. Estamos ansiosos para compartilhar esses KPIs e métricas mais amplamente em nossa organização. Análise coletada por e hospedada no G2.com.

Vindo de uma compra única (do ETL V) para um modelo de custo baseado em assinatura (do DataOps) certamente precisou de convencimento da nossa alta administração.

A capacidade de adicionar lógica ao tipo de diferenças de dados de forma mais granular e alertar apenas em certos cenários seria ótimo. Análise coletada por e hospedada no G2.com.

O BI Validator para Tableau nos permitiu realizar efetivamente: testes de regressão automatizados para acelerar nossas migrações de DB de Netezza para Teradata, testes de regressão automatizados para conteúdo de tableau recém-desenvolvido e testes de desempenho/estresse de conteúdo de Tableau em várias plataformas de DB. Este conjunto de ferramentas cliente/servidor é fácil de instalar, configurar e atualizar, pois realizamos várias atualizações desde a compra original. A interface do usuário é limpa e fácil de navegar. Análise coletada por e hospedada no G2.com.

Solicitamos e a engenharia da Datagaps está trabalhando nas 2 principais melhorias que solicitamos: (1) incorporar capacidades do cliente na plataforma Web para eliminar a necessidade de instalação/uso do aplicativo cliente, (2) criar a capacidade de usar/selecionar Testes Funcionais existentes como testes de Desempenho/Estresse, já que há mais funcionalidades na definição de Testes Funcionais em comparação com testes de Desempenho/Estresse. Análise coletada por e hospedada no G2.com.

Eu o utilizei para validação de dados de relatórios do Tableau em relação ao banco de dados. Está fazendo o trabalho de forma eficiente. É muito fácil de aprender e implementar. Você nomeia a fonte de dados, o Datagaps tem suporte para ela. Oferece flexibilidade para instalar o aplicativo tanto localmente quanto na nuvem. O suporte ao cliente também é bom. Embora eu não tenha feito nenhuma integração, dizem que pode ser integrado facilmente aos seus pipelines. Eu recomendaria usá-lo pelo menos uma vez para Automação BiTest. Análise coletada por e hospedada no G2.com.

Inicialmente, parece confuso, mas uma vez que você faz um POC, você achará muito fácil de usar. Análise coletada por e hospedada no G2.com.