Visão Geral de Preços Pecan

Pecan é uma ferramenta de implantação de modelo preditivo de ponta a ponta muito direta. Estamos usando o Pecan há 3 meses e estamos nos aproximando do nosso primeiro modelo de produção para previsão de demanda. Estou satisfeito em dizer que a equipe de suporte e capacitação profissional deles é nota 10. Pessoas ótimas com grande conhecimento de domínio e muito focadas em soluções de valor de negócio para ajudar a acelerar seus experimentos e ter algo em produção o mais rápido possível. A ferramenta é definitivamente feita para aquelas equipes que não têm a capacidade ou cientistas de dados a bordo... fácil de usar e com muitos trilhos de segurança. Análise coletada por e hospedada no G2.com.

Vindo de um background em ciência de dados, às vezes eu gostaria que tivéssemos mais controle sobre os modelos usados para cada caso de uso e a possibilidade de introduzir métricas de otimização personalizadas. Análise coletada por e hospedada no G2.com.

Como alguém que não tem formação em engenharia de dados ou ciência de dados, a orientação fornecida pela equipe de suporte nos ajudou a configurar facilmente nossos primeiros modelos. Conseguimos melhorar a velocidade e a qualidade das previsões, além de obter insights valiosos sobre nossos dados. A equipe da Pecan fez um trabalho incrível ao nos fornecer pequenas melhorias que eram fáceis de entender e implementar. A função de chat de IA para as consultas SQL nos ajudou enormemente. Principalmente, ser capaz de controlar a Pergunta Preditiva, bem como os atributos influentes, foi um grande ponto positivo e eliminou a sensação de ter uma caixa preta completa. Análise coletada por e hospedada no G2.com.

Embora a Pecan oferecesse muitas vantagens para o nosso caso de uso específico, infelizmente ainda carece de recursos para detectar desvios ou anomalias de dados, bem como a capacidade de sinalizar tendências inesperadas — capacidades que teriam sido extremamente úteis para nós. Além disso, sem o excelente suporte fornecido pela equipe da Pecan, configurar um modelo eficaz que realmente beneficiasse nossas operações diárias teria sido bastante desafiador, já que tínhamos pouca experiência em algoritmos e modelos de ML. Análise coletada por e hospedada no G2.com.