Avaliações e Detalhes do Produto Dataiku

Dataiku demonstrates a satisfactory environment where data is centralized and organized

The program supports both coders and non coders, allowing them to use data in their different levels

Dataiku has a successful data lifecycle, something that collects, ingest, prepare and even analyze data

The program consists of an inbuilt Auto ML tools that speed u most of the operations

Dataiku has extensible APIs and plugins, all supporting success integrations Análise coletada por e hospedada no G2.com.

Dataiku has challenges in cost management and estimating, where small companies fail to secure the app

The app demands extensive computer resources, something that amplifies the infrastructure costs Análise coletada por e hospedada no G2.com.

What I like best about Dataiku is its end-to-end data science and machine learning platform that brings data preparation, analysis, model building, and deployment into a single environment. The visual workflows combined with code-based options make it accessible for both technical and non-technical users. It also supports strong collaboration between data scientists, analysts, and business teams, which helps speed up model development and improve decision-making. Análise coletada por e hospedada no G2.com.

While Dataiku is a powerful platform, it can feel complex for first-time users because of its extensive feature set. The initial setup and learning curve may take time, especially for non-technical users. In some cases, performance can slow down when handling very large datasets, and the pricing structure may not be ideal for smaller teams or limited use cases. Análise coletada por e hospedada no G2.com.

Dataiku streamlines building, training, and deploying AI models at scale, offering end-to-end automation, seamless orchestration of compute resources, and collaborative pipelines that make generative AI projects faster and more reliable. It unifies the entire data workflow from preparation and analysis to model deployment, into a single, collaborative platform that’s surprisingly intuitive for both data scientists and business users. Análise coletada por e hospedada no G2.com.

Full capabilities can be overwhelming for new users, and scaling extremely large generative AI models sometimes requires complex customization. Análise coletada por e hospedada no G2.com.

Eu realmente aprecio como a interface gráfica do usuário lida com caminhos e threads. Ela permite que você gerencie todo o seu código e conjuntos de dados visualmente, e tudo é automaticamente alinhado, o que torna a experiência muito agradável de usar. Análise coletada por e hospedada no G2.com.

Não há nada em particular que eu não goste no Dataiku. No entanto, uma área para melhoria seria uma melhor gestão do histórico e do código recente em que trabalhei. Seria útil se esta informação fosse mais facilmente acessível e visualmente destacada. Análise coletada por e hospedada no G2.com.

Comecei a usar o Dataiku como analista de dados júnior. As receitas visuais transformaram a forma como você construiu um projeto de análise de ponta a ponta. À medida que comecei a enfrentar projetos complexos e expandi meu conhecimento em ciência de dados e no domínio em que estou trabalhando, comecei a descobrir as latitudes de capacidades que posso adotar das ferramentas e API do Dataiku. Isso me ajudou imensamente a acelerar meus objetivos de carreira. Outro aspecto fantástico seria a atualização consistente dos recursos e ferramentas como gerenciamento de qualidade de dados, LLM mesh e Agentic AI no estúdio, que se torna uma inspiração para eu experimentar e implementar etapas adicionais (no fluxo de ML) que me ajudam a aumentar o valor comercial nos projetos em que estou trabalhando. Também me inscrevi na academia Dataiku. Análise coletada por e hospedada no G2.com.

Como descrevi, o Dataiku é fantástico para começar como iniciante, mas à medida que o projeto se torna mais complexo, ao começar a usar as APIs do Dataiku em Python, comecei a sentir uma falta de detalhes na disponibilidade da documentação. Por exemplo, gostaria que as APIs do Dataiku para Python tivessem uma documentação mais clara, como podemos observar em algumas bibliotecas como Pytorch, Scikit-learn, Scipy ou Plotly. Detalhes como todos os parâmetros disponíveis para uma função específica e parâmetros adicionais que podem ser usados com um ou dois exemplos explicando o que cada parâmetro significa para a implementação da função. A documentação atualmente disponível é altamente limitada em me ajudar a entender as capacidades completas de uma função ou API específica. Então, meu melhor recurso para consulta muitas vezes são as respostas de postagens de blog que o Dataiker fornece. Com gratidão, eu solicitaria à equipe que melhorasse a documentação a tal ponto que agregasse valor a um desenvolvedor experiente de ML Ops. Análise coletada por e hospedada no G2.com.

Dataiku é excelente para gerenciar todo o pipeline de dados, desde a preparação de dados até o aprendizado de máquina e a implantação. A melhor parte é que é fácil de implementar. A melhor parte é como permite que usuários técnicos e não técnicos colaborem na mesma plataforma. Fluxos de trabalho visuais tornam fácil construir projetos sem muita codificação, enquanto usuários avançados ainda podem se aprofundar com Python, R ou SQL. A integração com plataformas de nuvem e controle de versão também é muito suave. Análise coletada por e hospedada no G2.com.

A plataforma pode parecer pesada para projetos menores, e a curva de aprendizado inicial é um pouco íngreme para iniciantes. Além disso, os custos de licenciamento podem ser altos para pequenas empresas ou startups. Análise coletada por e hospedada no G2.com.

Plataforma de ponta a ponta: Desde a ingestão e preparação de dados até a implantação e monitoramento de modelos, o Dataiku cobre todo o ciclo de vida de um projeto de dados. Isso elimina a necessidade de ferramentas distintas e simplifica todo o fluxo de trabalho.

Ambiente colaborativo: A plataforma promove uma colaboração perfeita através de projetos compartilhados, comentários e controle de versão. Isso garante que todos estejam na mesma página e contribuam com sua expertise única. Meus colegas compartilham seus projetos uns com os outros e trabalham juntos em alguns projetos.

Integrações extensivas: O Dataiku se integra perfeitamente com uma ampla gama de bancos de dados, plataformas em nuvem e bibliotecas de aprendizado de máquina. Essa flexibilidade nos permite aproveitar nossa infraestrutura e recursos existentes. Acabei de saber que uma nova biblioteca R foi adicionada recentemente, o que pode facilitar nossa vida na manipulação de dados.

Gestão robusta de modelos: A plataforma fornece ferramentas abrangentes para rastrear o desempenho dos modelos, gerenciar versões e garantir conformidade. Isso é crítico para manter a precisão e a confiabilidade de nossas decisões baseadas em dados. Análise coletada por e hospedada no G2.com.

O motor em funcionamento pode ser complicado, não há um único motor que possa fazer tudo. Às vezes, tenho que tentar diferentes motores para fazê-lo funcionar. Análise coletada por e hospedada no G2.com.

Dataiku destaca-se pela sua facilidade de uso — a interface de arrastar e soltar combinada com a opção de codificar quando necessário torna-o acessível a uma ampla gama de usuários. A implementação foi tranquila e bem apoiada pela equipe de sucesso do cliente. Eu uso o Dataiku com frequência porque ele oferece um vasto número de recursos, desde a preparação de dados até a implantação de modelos. A integração com outras ferramentas como bancos de dados, serviços em nuvem e APIs é direta, tornando a plataforma ainda mais poderosa para projetos de ponta a ponta. Análise coletada por e hospedada no G2.com.

Embora, no geral, a plataforma seja excelente, algumas configurações e opções avançadas podem ser um pouco avassaladoras para novos usuários. Além disso, a estrutura de preços pode ser um fator limitante para empresas ou equipes menores. Análise coletada por e hospedada no G2.com.

A abundância de fontes de plug-ins de dados, inúmeras opções de receitas prontas (para EDAs, engenharia de dados e análises rápidas e sujas). Além disso, temos também receitas baseadas em código para escrever nossos próprios códigos. E a cereja do bolo é o ambiente colaborativo sem que tenhamos que lidar explicitamente com nada disso! Análise coletada por e hospedada no G2.com.

Gostaria que houvesse mais opções de personalização disponíveis para algumas das receitas visuais. Outra questão é o controle de versão - embora o Dataiku lide com controle de versão, é muito pouco intuitivo e difícil voltar a uma versão anterior, ou até mesmo entender as mudanças feitas entre diferentes versões. Precisamos ter comentários de commit e outras funcionalidades semelhantes ao git para que isso funcione melhor. Análise coletada por e hospedada no G2.com.

A Dataiku tem sido revolucionária na democratização dos fluxos de trabalho de dados. Adoro como é intuitivo para equipes multifuncionais construir pipelines, transformar conjuntos de dados e colaborar, tudo dentro de um fluxo visual e manipular os dados. É o tipo de ferramenta que torna a manipulação sem esforço, a experimentação fácil e o compartilhamento de trabalho sem atritos. Análise coletada por e hospedada no G2.com.

Por mais que eu aprecie o quão acessível e rico em recursos o Dataiku é, há momentos em que sua flexibilidade parece uma faca de dois gumes. Alguns casos de uso tornam-se surpreendentemente complexos devido à lógica de receita muito específica, e lidar com fluxos de trabalho parametrizados ou reutilizáveis pode parecer desajeitado.

Também pode ser lento como uma plataforma baseada em nuvem, com vários usuários editando fluxos de trabalho únicos. Ele faz o trabalho—mas às vezes você só gostaria que ele funcionasse de forma mais rápida, limpa e tátil. Análise coletada por e hospedada no G2.com.