Avaliações e Detalhes do Produto Monte Carlo

A flexibilidade e o recebimento de alertas oportunos e confiáveis para Volume, Esquema e Atualidade são úteis. Poder ajustar o modelo é ótimo. Análise coletada por e hospedada no G2.com.

Não é desgosto, mas algumas coisas que podem ser melhores:

1) Os painéis podem ser melhores em fornecer insights mais acionáveis, como as tabelas que falham com mais frequência ou as 5 principais tabelas que falham, em qual esquema, falhando por qual motivo, monitores que falham frequentemente, etc.

2) Seria ótimo se quaisquer atualizações feitas em alertas no Monte Carlo pudessem fluir para incidentes no ServiceNow.

3) Integrações adicionais com arquivos seriam ótimas, como se um arquivo não chegou, etc.

4) Se pudermos ter o modelo ajustado para alertas muito antes de 2 semanas, seria uma mudança bem-vinda.

5) Conduzir workshops em um ambiente sandbox para equipes ajudaria a engajar mais colegas de equipe a entender e se familiarizar com o Monte Carlo. Análise coletada por e hospedada no G2.com.

Monte Carlo nos oferece visibilidade de ponta a ponta sobre a qualidade dos dados em pipelines sem a necessidade de construir manualmente o monitoramento para cada tabela. Eu gosto de como ele rapidamente destaca anomalias, mudanças de esquema e problemas de atualização, e o fato de que ele se integra bem com o Snowflake. Ele economiza muito tempo ao nos notificar proativamente antes que as equipes a jusante sejam impactadas. Análise coletada por e hospedada no G2.com.

Algumas áreas de configuração ainda parecem um pouco "caixa-preta", o que significa que pode ser difícil entender exatamente por que certos monitores são acionados ou por que certas tabelas não são cobertas automaticamente. A interface do usuário também pode parecer um pouco desorganizada às vezes, e os alertas podem se tornar barulhentos até que você ajuste tudo completamente. Análise coletada por e hospedada no G2.com.

O montecarlo está me dando muitas possibilidades em termos de qualidade de dados. Posso configurar as notificações, criar grupos de pessoas e enviar-lhes uma notificação se algo falhar. Análise coletada por e hospedada no G2.com.

Como usuário do Google Chat, estou realmente irritado por precisar usar e-mails. Para mim, a melhor maneira de receber alertas seria uma mensagem direta para um grupo do Google Chat. A melhor maneira seria usar os webhooks que o Google está fornecendo. Análise coletada por e hospedada no G2.com.

Ele pode alertar de forma rápida, precisa e fácil. Monte Carlo pode enviar um alerta para o Slack, que todos verificam diariamente, permitindo que alguém reaja mais rapidamente. Análise coletada por e hospedada no G2.com.

Espero que haja uma função que permita ao Monte Carlo escrever uma tabela no Snowflake. Por enquanto, preciso configurar um dbt para criar uma tabela e um alerta do Monte Carlo, o que não é muito conveniente. Análise coletada por e hospedada no G2.com.

Eu uso o Monte Carlo para monitoramento de qualidade e consistência de dados. Gosto que é muito fácil configurar alertas e ser notificado de problemas. O produto em si tem sido muito estável e consistente, e funciona sem problemas. Nós o integramos com nosso data warehouse (Redshift), Slack e email. A configuração inicial foi muito fácil, e embora o custo seja um pouco alto, eu realmente gosto do produto. Análise coletada por e hospedada no G2.com.

Eu gostaria que houvesse mais nuances em torno da capacidade de definir alertas condicionais, como 'se isso falhar 2+ dias seguidos com o mesmo problema, pare de alertar'. O custo é um pouco alto. Análise coletada por e hospedada no G2.com.

Monte Carlo facilita a identificação e resolução de problemas de dados antes que eles impactem os stakeholders. O monitoramento automatizado da qualidade dos dados, a visibilidade da linhagem e os alertas nos ajudam a identificar rapidamente as causas raiz. O processo de integração foi tranquilo, e a interface é intuitiva o suficiente para que tanto usuários técnicos quanto não técnicos possam navegá-la com facilidade. A equipe de suporte ao cliente é responsiva e genuinamente útil, o que torna a integração e o uso contínuo ainda melhores. Análise coletada por e hospedada no G2.com.

Às vezes, o volume inicial de alertas pode ser alto até ser ajustado, o que pode parecer avassalador para novos usuários. Embora as integrações sejam geralmente fortes, alguns conectores de nicho ainda exigem soluções manuais. O preço também pode parecer alto para equipes menores, embora o valor esteja presente uma vez implementado. Análise coletada por e hospedada no G2.com.

Monitores de baixo código/sem código em tabelas, o que facilita a configuração. Monitores de SQL personalizados também são bastante simples de configurar.

Permite sinergias em casos onde várias equipes estão usando a mesma tabela para diferentes modelos.

O suporte ao cliente responde rapidamente e age sobre o feedback prontamente. Análise coletada por e hospedada no G2.com.

As ferramentas de investigação para erros são muito limitadas ou talvez não intuitivas.

Sem suporte para Python, o tipo de verificações que podem ser criadas também se torna limitado.

Falta de transparência nos limiares de aprendizado de máquina e em como cada nível de sensibilidade é calculado.

Os painéis não são tão úteis/intuitivos em comparação com algo como o Salesforce. Análise coletada por e hospedada no G2.com.

Eu realmente aprecio o Monte Carlo por sua interface fácil de navegar e o alto nível de automação com que opera. A melhor parte é que tudo é configurável via código. A cobertura é incrível, e mesmo que não tenhamos usado extensivamente, o rastreamento de linhagem de dados é às vezes muito útil e bem construído. A configuração inicial foi extremamente fácil, o que foi um grande ponto positivo. Análise coletada por e hospedada no G2.com.

O custo é uma grande desvantagem para uma ferramenta que deseja que tenhamos 100% de cobertura para a melhor configuração possível; para organizações maiores, é bastante caro devido à estrutura de preços. O Google BigQuery possui tabelas fragmentadas com curingas que, quando adicionadas para serem monitoradas via Monte Carlo, atuam como uma única tabela, o que significa que quando essa tabela fragmentada tem uma expiração de partição, é tratada como uma exclusão de linha, infelizmente, em vez de uma expiração de partição detectada. O treinamento dos monitores, alimentado por ML pronto para uso, poderia ser refinado um pouco. Às vezes, leva muitas iterações para que o Monte Carlo saiba o que é normal e o que não é. É pior quando é o contrário. Análise coletada por e hospedada no G2.com.

Recursos incluindo integrações com várias ferramentas, agregação de ativos com base em várias táticas de agrupamento, monitores prontos para uso para tabelas que fornecem frescor, volume e disponibilidade de dados. Análise coletada por e hospedada no G2.com.

o filtro disponível na aba de desempenho e ativos não funciona como esperado e muitas vezes mostra números enganosos ao filtrar com base em várias tags. Análise coletada por e hospedada no G2.com.

O que eu mais gosto no Monte Carlo é sua capacidade de detectar proativamente problemas de dados antes que eles impactem nosso negócio, combinada com uma interface fácil de usar que torna o monitoramento da qualidade dos dados simples e eficiente. A equipe de suporte também é muito responsiva e prestativa, o que torna a implementação e a resolução de problemas tranquilas. Análise coletada por e hospedada no G2.com.

Embora o Monte Carlo ofereça recursos poderosos, às vezes a configuração inicial pode ser um pouco complexa e pode exigir documentação mais detalhada ou um onboarding guiado para novos usuários. Além disso, adicionar mais opções de alertas personalizáveis aumentaria sua flexibilidade. Análise coletada por e hospedada no G2.com.