Avis sur 608 Databricks Data Intelligence Platform
Databricks excelle dans l'unification de l'ingénierie des données, de l'analytique et de l'IA/ML sur une seule plateforme. L'architecture Lakehouse comble le fossé entre les lacs de données et les entrepôts, la rendant incroyablement efficace pour gérer les données structurées et non structurées. J'apprécie particulièrement l'intégration transparente avec Apache Spark, le support robuste des notebooks pour le développement collaboratif, et la simplicité de Delta Lake pour le stockage de données versionnées. Des fonctionnalités comme AutoML et Unity Catalog réunissent gouvernance et intelligence, facilitant l'extension des analyses de manière sécurisée et fiable. Avis collecté par et hébergé sur G2.com.
Bien que puissant, la plateforme présente une courbe d'apprentissage, surtout pour les équipes qui ne sont pas familières avec Spark ou le calcul distribué. Certaines fonctionnalités (comme Unity Catalog ou le calcul sans serveur) peuvent être spécifiques à une région ou limitées par la compatibilité du fournisseur de cloud. De plus, le débogage des tâches et la gestion des coûts des clusters peuvent être difficiles sans une surveillance et un étiquetage attentifs, en particulier dans les projets à l'échelle de l'entreprise. Avis collecté par et hébergé sur G2.com.
Ce que j'aime le plus chez Databricks, c'est son intégration transparente du traitement des big data et de l'IA. L'interface basée sur des notebooks facilite la collaboration, et l'utilisation de Spark garantit des performances rapides. Delta Lake offre également une gestion et une versionnage des données fiables, ce qui est extrêmement utile dans les environnements d'entreprise. Avis collecté par et hébergé sur G2.com.
Un inconvénient est que la configuration initiale et la configuration réseau peuvent être complexes et nécessiter une expertise technique. De plus, le coût peut augmenter rapidement en fonction de l'utilisation, donc la surveillance des coûts est essentielle. En outre, le manque de documentation complète dans certaines langues comme le japonais peut être une limitation. Avis collecté par et hébergé sur G2.com.
Je l'aime parce qu'il se distingue par sa capacité à unifier la science des données, l'ingénierie des données et l'analyse commerciale dans une seule interface. J'apprécie également l'intégration transparente avec les notebooks collaboratifs et la capacité à travailler de manière fluide avec Delta Lake est également un grand avantage, garantissant fiabilité et performance lors de la gestion de données à grande échelle. Avis collecté par et hébergé sur G2.com.
Parfois, l'interface web peut prendre du temps à charger les clusters actifs. J'aimerais également avoir plus d'outils visuels pour surveiller l'utilisation des ressources en temps réel. Avis collecté par et hébergé sur G2.com.
La plateforme Databricks Data Intelligence nous permet d'avoir une source unique de capacités de développement pour les développeurs informatiques et les analystes commerciaux. Cela facilite la mise en œuvre des capacités et la consolidation des ensembles d'outils à travers l'environnement. Les utilisateurs ont la liberté de développer les produits de données dont ils ont besoin dans les délais qu'ils souhaitent. Cela rend l'implémentation et la mise en production de ces projets beaucoup plus faciles à intégrer pour une utilisation en aval. Avis collecté par et hébergé sur G2.com.
Le seul "désavantage" que j'ai est qu'il est difficile de suivre toutes les améliorations et les perfectionnements de la plateforme. Nous voyons toujours de nouvelles fonctionnalités à mettre en œuvre et voulons nous assurer que nous faisons de notre mieux pour nos utilisateurs finaux. Avis collecté par et hébergé sur G2.com.
Databricks est très fiable, flexible, et aide notre entreprise à créer des solutions analytiques innovantes. Chaque semaine, lors de nos réunions techniques, nous abordons une gamme de sujets tels que les bugs, les meilleures pratiques, les nouvelles fonctionnalités, et plus encore en l'utilisant. De plus, chaque membre de l'équipe de support chez Databricks répond rapidement et est plutôt serviable. Avis collecté par et hébergé sur G2.com.
Lors de l'utilisation de fonctionnalités créatives comme l'IA, le contrôle des coûts et l'estimation peuvent s'avérer difficiles. Et bien que le SQL lakeview ne soit pas encore développé, Databricks pousse activement leur utilisation malgré tout. De plus, de temps en temps, l'activation de fonctionnalités non annoncées dans mon bureau me surprend. Avis collecté par et hébergé sur G2.com.
Travailler sur Databricks où nous pouvons facilement analyser d'énormes ensembles de données et intégrer notre plateforme ou site web pour créer un aperçu à partir de notre ensemble de données interne. Ils disposent de nombreuses fonctionnalités qui nous aident à gérer toutes les vues analytiques avec des modèles prédéfinis. Avis collecté par et hébergé sur G2.com.
La mise en œuvre a été si rapide et facile qu'elle nous aide à gérer toutes les données sans aucun problème. J'aime leurs services de support client et leur utilisation fréquente en fait ma plateforme préférée pour la gestion des données. Avis collecté par et hébergé sur G2.com.
Le catalogue Unity regroupe des types de données utiles tels que les Tables (delta), les Modèles, les Vues, les Fonctions et les Volumes (pour les données non structurées). De plus, l'onglet Workflows rationalise l'efficacité pour exécuter des tâches et des pipelines, en mettant à jour et en interagissant avec les big data. Avis collecté par et hébergé sur G2.com.
La pire fonctionnalité vient avec les modes de calcul et les capacités restreintes. Par exemple, le mode d'accès dédié à un seul utilisateur est essentiel pour utiliser les environnements d'exécution ML et certains accès au contexte Spark ; cependant, le mode d'accès partagé standard est crucial pour la dernière fonctionnalité UC, comme interagir correctement avec les clones superficiels. Avis collecté par et hébergé sur G2.com.
La plateforme de Databricks est un outil collaboratif puissant qui permet aux équipes de travailler ensemble de manière fluide sur des projets de données. L'environnement intégré pour le traitement et l'analyse des données, ainsi que son interface conviviale, facilite la visualisation des insights et le partage des résultats en temps réel. Avis collecté par et hébergé sur G2.com.
La complexité occasionnelle dans la gestion de plusieurs clusters et environnements peut entraîner une confusion concernant l'allocation des ressources. De plus, la courbe d'apprentissage pour les nouveaux utilisateurs peut être abrupte, ce qui constitue un défi pour l'adoption organisationnelle. Avis collecté par et hébergé sur G2.com.
J'ai assisté pour explorer comment Databricks unifie l'ingénierie des données, l'analytique et l'IA. L'intégration de la plateforme avec les outils BI et le support pour Delta Lake ont bien fonctionné. Les fonctionnalités de performance et de collaboration se sont démarquées. Cependant, la courbe d'apprentissage et certaines complexités de l'interface utilisateur pourraient être améliorées pour les nouveaux utilisateurs passant des plateformes traditionnelles. Avis collecté par et hébergé sur G2.com.
J'ai assisté à la session de la plateforme d'intelligence des données de Databricks, mais je l'ai trouvée plutôt banale. Les fonctionnalités et les performances n'étaient ni exceptionnelles ni décevantes. Cela semblait générique, avec des améliorations vagues et une innovation minimale. Dans l'ensemble, je suis incertain quant à ses avantages distincts, rendant ma critique ni particulièrement informative ni exploitable pour les utilisateurs potentiels. Avis collecté par et hébergé sur G2.com.
Ce que j'apprécie le plus chez Databricks, c'est son approche unifiée de l'ingénierie des données et de la science des données. La plateforme élimine les silos traditionnels entre nos ingénieurs de données et nos scientifiques des données en fournissant un espace de travail collaboratif où les deux équipes peuvent travailler sur les mêmes ensembles de données en utilisant leurs outils préférés - que ce soit Spark, Python, R ou SQL. La technologie Delta Lake a été particulièrement précieuse pour garantir la qualité et la fiabilité des données dans nos pipelines. Les clusters à mise à l'échelle automatique signifient que nous n'avons pas à nous soucier de la gestion de l'infrastructure, et l'interface de notebook facilite la documentation et le partage de notre travail. L'intégration de MLflow pour le suivi des expériences et le déploiement de modèles a considérablement simplifié notre cycle de vie de l'apprentissage automatique. Avis collecté par et hébergé sur G2.com.
Les principaux défis que nous avons rencontrés concernent la courbe d'apprentissage et la gestion des coûts. Pour les membres de l'équipe issus de milieux traditionnels SQL, la transition vers des analyses basées sur Spark nécessite un perfectionnement significatif. Le modèle de tarification peut être complexe à prévoir, surtout avec les clusters à mise à l'échelle automatique, et les coûts peuvent augmenter rapidement s'ils ne sont pas surveillés attentivement. L'interface utilisateur, bien que fonctionnelle, peut sembler accablante pour les nouveaux utilisateurs avec tant de fonctionnalités et d'options. Nous avons également connu des incohérences de performance occasionnelles pendant les périodes de forte utilisation, et certaines des fonctionnalités plus avancées nécessitent une connaissance technique approfondie pour être mises en œuvre efficacement. La documentation, bien que complète, peut être dense et suppose un niveau élevé d'expertise technique. Avis collecté par et hébergé sur G2.com.
