Avaliações e Detalhes do Produto Monte Carlo

Descobri que o rastreamento de campo é muito mais útil do que eu imaginava. A escala de importância da tabela também é muito boa de se ver. Isso nos permitiu antecipar alertas de qualidade de dados antes que nossos stakeholders percebam que algo está errado. Análise coletada por e hospedada no G2.com.

Deveria haver uma maneira de salvar ou criar um conjunto de consultas de investigação para alertas comuns. Talvez seja a forma como implementamos o MC, mas os alertas poderiam ser mais úteis, talvez como um estilo git, o que mudou entre a última consulta bem-sucedida e a que falhou. Análise coletada por e hospedada no G2.com.

Acho que os alertas são realmente valiosos. Além disso, o resumo dos monitores oferece uma boa compreensão do que está acontecendo com suas tabelas. Eu uso muito o recurso de linhagem de tabelas quando estou analisando uma nova tabela, é fácil entender as dependências dela e quão importante ela é. Análise coletada por e hospedada no G2.com.

Quando vejo a página de resumo, só consigo ver os últimos 30 dias do histórico dos monitores. É útil, mas eu realmente gostaria de ter mais histórico, para que eu possa entender melhor os incidentes e verificar quando algumas tendências começaram.

Além disso, ativei os monitores de saúde de campo para algumas tabelas importantes; no entanto, está enviando muitos alertas de falsos positivos, gerando fadiga de alerta. Análise coletada por e hospedada no G2.com.

- A ferramenta, no geral, funciona muito bem. Os recursos oferecidos são suficientes para cobrir uma ampla gama de casos de uso.

- A equipe também é ótima. Sempre tivemos respostas muito rápidas aos nossos pedidos de suporte.

- Os recursos de automação são os melhores. Configuramos quase tudo usando código, o que torna os recursos facilmente gerenciáveis.

- Eles são muito abertos a solicitações de recursos e os entregam relativamente rápido. Solicitamos suporte de monitoramento para campos aninhados e estruturas, que foi implementado em poucas semanas. Análise coletada por e hospedada no G2.com.

- Tivemos algumas dores de cabeça durante a integração com o Databricks, que foram causadas principalmente pelo fato de nossa plataforma ainda não estar habilitada para Unity. Mas com suporte, lidamos com todos os problemas.

- Há um recurso de lista de bloqueio que funciona no nível do esquema. Seria ótimo se pudéssemos bloquear o acesso ao nível da tabela com esse recurso. Análise coletada por e hospedada no G2.com.

Minha equipe tem usado o Monte Carlo há alguns anos e passamos a depender dele para garantir que nossos dados sejam o que pensamos que são, o que nos abriu a porta para usar diferentes arquiteturas do que poderíamos ter usado de outra forma. Como eu disse no título, ele nos permite codificar e impor os invariantes que vemos em nossos sistemas sem exigir tarefas em lote intermináveis escritas à mão ou sobrecarregar recursos compartilhados. Executar essas consultas em nosso banco de dados OLTP seria extremamente impraticável, se fosse possível, e executá-las manualmente em nosso data warehouse seria uma piada. Mas permitir que o MC as execute diariamente significa que podemos facilmente adicionar quantas quisermos e saber que, a menos que sejamos alertados, nossas expectativas para os dados são precisas. Análise coletada por e hospedada no G2.com.

Alguns aspectos da interface do usuário são um pouco confusos. Por exemplo, ao criar novos alertas, erros de sintaxe não são comunicados de forma alguma, e há um tempo limite inexplicavelmente curto, o que pode tornar impossível testar algumas consultas maiores. Análise coletada por e hospedada no G2.com.

Monte Carlo foi muito útil para alinhar e trabalhar com as partes interessadas para ajudar a mostrar que tipos de problemas uma equipe de Plataforma de Dados poderia monitorar de forma eficaz, e onde precisaríamos de mais envolvimento dos negócios.

Embora possa ser fácil para os engenheiros desdenharem de consultas ao esquema de informações, a ferramenta como um todo foi muito útil para fornecer um arquivo de experiências e nos ajudou a construir runbooks em torno das ações tomadas tanto por engenheiros seniores quanto juniores. Análise coletada por e hospedada no G2.com.

As ferramentas de editor de consultas embutido e de autocompletar por IA podem ser um pouco frustrantes de se trabalhar - nosso pessoal geralmente apenas copia de ferramentas SQL nativas.

Não posso dizer que isso é uma aversão, mas sim um resultado que poderia ter dado errado. A facilidade de configuração pode rapidamente criar uma enxurrada de novos alertas - especialmente a detecção de anomalias pronta para uso - onde nem todos entendem o que está sendo executado ou como responder, ou se as partes interessadas precisam se preocupar. Tivemos a sorte de ter uma quantidade adequada de tempo rodando em produção com as equipes que irão usá-lo, antes de reunir nossos poucos stakeholders, e conseguimos determinar (de forma bastante improvisada) o que era significativo e o que não era. Análise coletada por e hospedada no G2.com.

Monte Carlo traz um alto grau de governança, gestão de mudanças e automação para este âmbito de produtos, o que o torna uma ótima opção para automação de controle de conformidade. Nossa organização incorporou cenários anteriores de testes de conformidade manuais e o conceito de controles em geral no Monte Carlo. A integração com ferramentas como o Slack permite alertas, respostas e remediações suaves. O Monte Carlo também agrega valor por meio de insights mais proativos sobre anomalias em tabelas de dados que nos ajudam a antecipar incidentes emergentes. Análise coletada por e hospedada no G2.com.

Animado para ver o Monte Carlo aumentar sua precisão e eficácia em identificar proativamente possíveis anomalias com base em padrões em tabelas de dados. Especificamente, tornando-se mais avançado na detecção de mudanças sazonais sutis ou padrões relacionados a metadados em outras tabelas de maneiras mais dinâmicas. Análise coletada por e hospedada no G2.com.

Os dados de Monte Carlo oferecem um nível excepcional de detalhe e precisão em suas simulações, permitindo uma avaliação de risco robusta e tomada de decisões. A interface do usuário é intuitiva, facilitando a configuração e execução de modelos complexos. Além disso, a capacidade de personalizar parâmetros e visualizar resultados através de gráficos e tabelas dinâmicas melhora a experiência geral do usuário. Análise coletada por e hospedada no G2.com.

Embora a ferramenta seja poderosa, ela pode ser intensiva em recursos, exigindo um poder computacional significativo para grandes conjuntos de dados. Além disso, a curva de aprendizado inicial pode ser íngreme para usuários não familiarizados com modelagem estatística, e tutoriais ou guias do usuário mais abrangentes seriam benéficos. Análise coletada por e hospedada no G2.com.

Uma das coisas que eu realmente aprecio no Monte Carlo são seus monitores automatizados e prontos para uso, alimentados por detecção de anomalias, que aprendem com nossos padrões de dados e nos alertam sobre irregularidades. Ele rapidamente se tornou uma ferramenta indispensável para descobrir problemas desconhecidos de qualidade de dados em nossas operações diárias. Análise coletada por e hospedada no G2.com.

Monte Carlo é menos eficaz para dados atualizados com pouca frequência, como conjuntos de dados quinzenais, mensais ou trimestrais, pois os monitores padrão não são projetados para suportar esses casos de uso. Embora monitores personalizados possam resolver isso, eles sacrificam a escalabilidade, reduzindo a usabilidade geral da ferramenta para esses casos de uso. Análise coletada por e hospedada no G2.com.

Acho que é incrível encontrar problemas em nosso sistema que não conseguimos capturar com nossas próprias ferramentas de validação. Análise coletada por e hospedada no G2.com.

É necessário muito ajuste e configuração. Tivemos que desativar muitos dos monitores padrão para ativos específicos porque eram muito barulhentos. Análise coletada por e hospedada no G2.com.

Os monitores prontos para uso do Monte Carlo criam uma maneira relativamente fácil de se preparar para algumas vitórias potenciais significativas. Alertar que o volume da sua fonte mostra uma pequena queda abaixo do esperado pode potencialmente revelar um grande problema. Focar primeiro nos dados críticos prepara você para evitar um número esmagador de alertas enquanto o produto "aprende" seus dados. Análise coletada por e hospedada no G2.com.

Monte Carlo está no início do processo para apoiar a integração da Observabilidade de Dados e o estado dos Pipelines de Dados de suporte. Análise coletada por e hospedada no G2.com.