Databricks Data Intelligence Platform Bewertungen & Produktdetails

Databricks data intelligence is a platform that helps in accommodating all of our business and official data and share it with different team departments so that they can analyse it and create a detailed analytics of past performances and also make required changes on it for future growth. Bewertung gesammelt von und auf G2.com gehostet.

One of the major challenge that we face while working with Databricks data intelligence platform is that you cannot use this tool with a single data scientist you will have to keep a team of professionals who can deal with large data and create multiple graphs and analytics according to available information and this complete activity involves lot of financial investment Bewertung gesammelt von und auf G2.com gehostet.

Ich bin froh, dass mein Bein nicht völlig taub ist, weil ich auf eine Abfrage warten musste (zumindest funktioniert die automatische Beendigungsfunktion und hat mir Geld gespart). Die Historie ist einigermaßen nützlich, ich verlasse mich darauf, um frühere Skripte aufzurufen, die ich schreibe, weil ich immer zu vergessen scheine, was ich am Tag zuvor gemacht habe. Ich denke, es hilft, die Finanzabteilung von meinem Rücken zu halten, indem es ihnen Geld auf der AWS-Rechnung spart. Für mich ist es einfach ein zentraler Ort zur Verwaltung unserer Big Data, damit ich nicht auf 5 Monitore schauen muss. Bewertung gesammelt von und auf G2.com gehostet.

Wenn ich eine Abfrage finden möchte, die vor über 30 Tagen ausgeführt wurde, kommt die Suchfunktion nicht einmal annähernd in die Lage, mir zu helfen, und auch die Installation von R-Paketen ist ein komplettes Albtraum, und die Fehlermeldungen sind so klar wie Schlamm. Und wenn man mit großen Datenmengen arbeitet, wird die Benutzeroberfläche träge, und das Scrollen durch ein Notizbuch ist wie das Durchwaten von Schlamm. Es wäre schön, wenn es einfacher wäre, externe Spark-Pakete zu installieren/zu verwalten. Bewertung gesammelt von und auf G2.com gehostet.

Das Autoscaling funktioniert gut; es hat uns auch geholfen, die Kosten für die Nutzung von Cloud-Ressourcen zu senken. Ich dachte, das würde ein Problem werden, da dies das erste Mal ist, dass wir Autoscaling verwenden. Der Support war gut genug, sie erscheinen normalerweise pünktlich zu ihren geplanten Zeiten, um uns bei der Behebung der von uns verursachten Probleme zu unterstützen. Die Möglichkeit, den Verlauf der Abfragen in der Reihenfolge zu speichern, in der die Abfragen geschrieben wurden, ist schön, da ich oft vergesse, was ich ein paar Minuten nach dem Schreiben geschrieben habe. Wenn man mit Kollegen arbeitet, die Zugriff auf deinen Code benötigen, kann man ihnen den Permalink (Link) zum Code senden, was besser ist, als es erklären zu müssen. Da es sowohl Spark als auch Presto in einem Tool unterstützt, muss ich nicht zwischen den Tools wechseln. Bewertung gesammelt von und auf G2.com gehostet.

Ich hasse die Art und Weise, wie die Suchfunktion funktioniert. Ich habe nie die Ergebnisse von vor einem Monat gefunden, und es ist ärgerlich. Die Benutzeroberfläche hinkt gelegentlich hinter meinem Tippen her, und wenn ich es eilig habe, habe ich das Gefühl, dass es zu lange dauert. Außerdem wäre es viel sinnvoller, wenn die Tabellenschublade offen bleibt, wenn ich auf das Notizbuch klicke, anstatt sich automatisch zu schließen, was sehr zeitaufwändig ist, da ich sie erneut öffnen muss. Ich habe vom Support-Team gehört, dass sie ein Problem nicht reproduzieren können, was überhaupt nicht hilfreich ist. Bewertung gesammelt von und auf G2.com gehostet.

Was mir an der Databricks Data Intelligence Platform am besten gefällt, ist, wie sie alles rund um Data Engineering, Analytik und maschinelles Lernen in einer einheitlichen Umgebung zusammenbringt. Sie ist sehr benutzerfreundlich, obwohl sie leistungsstark ist, und erleichtert die Zusammenarbeit zwischen technischen und nicht-technischen Teams erheblich. Die Plattform verarbeitet große Datenmengen effizient, skaliert reibungslos und integriert sich gut mit Cloud-Diensten, was viel Zeit und Aufwand spart. Insgesamt hilft sie dabei, Rohdaten schneller in aussagekräftige Erkenntnisse zu verwandeln, ohne den Prozess unnötig zu verkomplizieren. Bewertung gesammelt von und auf G2.com gehostet.

Eine Sache, die ich an der Databricks Data Intelligence Platform nicht mag, ist, dass sie für neue Benutzer, insbesondere für diejenigen ohne starken technischen Hintergrund, komplex und überwältigend wirken kann. Die Lernkurve ist ziemlich steil, und es dauert eine Weile, bis man alle Funktionen effektiv nutzen kann. Außerdem kann die Preisgestaltung teuer werden, wenn die Nutzung zunimmt, und das Kostenmanagement ist nicht immer sehr transparent. Manchmal kann es auch schwierig sein, Fehler oder Leistungsprobleme zu beheben, insbesondere in großen oder stark integrierten Workflows. Bewertung gesammelt von und auf G2.com gehostet.

Databricks ist einfach zu bedienen und leicht zu starten, selbst bei der Verarbeitung großer Datenmengen. Es vereint alles wie Datenverarbeitung, Analytik und KI an einem Ort, sodass mein Team nicht mehrere Werkzeuge benötigt. Die Plattform integriert sich nahtlos mit gängigen Tools wie BI-Dashboards, Workflows und Cloud-Diensten. Ihre Notebooks machen die tägliche Arbeit häufig und bequem, indem sie unseren Teams ermöglichen, in Echtzeit zusammenzuarbeiten. Es gibt viele eingebaute Funktionen für Daten, Analytik und maschinelles Lernen ohne zusätzliche Komplexität. Kundensupport, Dokumentation und Community-Ressourcen erleichtern es, Probleme schnell zu lösen. Bewertung gesammelt von und auf G2.com gehostet.

Databricks kann teuer und unvorhersehbar in den Kosten sein, insbesondere für kleine Teams, wenn Arbeitslasten länger als erwartet laufen. Es erfordert technisches Fachwissen, um die Einrichtung, Verwaltung und Leistungsoptimierung durchzuführen, was für nicht-technische Benutzer eine Herausforderung darstellen kann. Die Kosten müssen häufig überwacht werden, da Rechenleistung und Speicher separat abgerechnet werden. Obwohl es grundlegende Dashboards bietet, ist es dennoch auf Tools wie Power BI oder Tableau für vollständige Berichterstattung angewiesen. Bewertung gesammelt von und auf G2.com gehostet.

Was mir an Databricks am besten gefällt, ist, wie es Datenengineering, Analytik und maschinelles Lernen auf einer Plattform vereint. Eine einheitliche Umgebung, die auf Apache Spark basiert, erleichtert die Zusammenarbeit zwischen Datenteams erheblich. Der Lakehouse-Ansatz funktioniert gut, weil er die Notwendigkeit beseitigt, Daten über mehrere Tools hinweg zu verschieben. Die Leistung ist bei großen Datensätzen stark, und Notebooks machen Experimente, Analysen und Zusammenarbeit effizienter. Insgesamt vereinfacht es komplexe Daten-Workflows, während es dennoch leistungsstark bleibt. Bewertung gesammelt von und auf G2.com gehostet.

Der Hauptnachteil sind die Kosten und die Komplexität für neue Benutzer. Die Preisgestaltung kann schwer vorherzusagen sein, insbesondere wenn Arbeitslasten unerwartet skalieren, und die Rechenkosten können schnell steigen, wenn sie nicht genau überwacht werden. Es gibt auch eine Lernkurve für Teams, die nicht bereits mit Spark oder cloudbasierten Datenplattformen vertraut sind. Einige fortgeschrittene Konfigurationen und Optimierungen erfordern erfahrene Ressourcen, was die Einführung für kleinere oder weniger reife Datenteams verlangsamen kann. Bewertung gesammelt von und auf G2.com gehostet.

Databricks ist ein Datenanalysetool, das von unseren Designingenieuren verwendet wird, um alle verschiedenen Arten von Finanz- und Betriebsdaten unseres Unternehmens zu analysieren und eine Zusammenfassung von allem zu erstellen, damit das Verständnis des Unternehmensablaufs vereinfacht wird. Bewertung gesammelt von und auf G2.com gehostet.

Ein großer Nachteil von Databricks ist, dass die Software vollständig auf Programmiersprachen wie Python, SQL, Scala basiert. Wenn der Benutzer keine Kenntnisse in diesen Programmiersprachen hat, ist es für ihn sehr schwierig, diese Plattform zu nutzen. Bewertung gesammelt von und auf G2.com gehostet.

Ich nutze hauptsächlich die Databricks Data Intelligence Platform, um große Datensätze zu bearbeiten, die wir in Cloud-Buckets speichern, und um ETL-Pipelines zu erstellen, sowie um Notebooks zu starten, auf denen ich viel explorative Arbeit leiste. Ich mag es sehr, dass alles einsatzbereit wirkt, wie zum Beispiel, dass Cluster schnell starten, das Skalieren im Hintergrund einfach funktioniert und ich wirklich aufhören kann, mir über Infrastrukturgedöns Gedanken zu machen und mich auf die Analyse zu konzentrieren. Bewertung gesammelt von und auf G2.com gehostet.

Die Benutzeroberfläche kann sich langsam anfühlen, besonders wenn ich mitten in einer intensiven Notebook-Sitzung bin, und manchmal sind die Dinge einfach LANGSAM zu klicken oder Aufträge werden nicht abgebrochen, wenn ich es verlange. Und ich habe gerade erst angefangen, mit der Cluster-Software herumzuspielen, und obwohl sie leistungsstark ist, gibt es definitiv eine Lernkurve, da ich gelegentlich noch durch Dinge wühle, um herauszufinden, welche Cluster- oder Laufzeiteinstellung die Dinge anders laufen lässt als andere. Bewertung gesammelt von und auf G2.com gehostet.

Die Databricks Data Intelligence Platform ist sehr zuverlässig, und es ist gut zu wissen, dass die Cloud-native Architektur nicht gleich nach der Bereitstellung auf Kubernetes ausgefallen ist. Ehrlich gesagt dachte ich, dass die Python/R-Integration nicht funktionieren würde, daher war es eine Überraschung, dass beide ohne Verzögerung liefen. Bewertung gesammelt von und auf G2.com gehostet.

Diese Lizenzpreise sind kriminell für das, was man erhält. Außerdem war die Verwaltung des „cas server“ des Produkts absolut mühsam herauszufinden. Ich habe zwei Stunden damit verbracht, nur zu versuchen, zu verstehen, wie man die Sitzungen benutzt. Es gibt keine direkte Möglichkeit, Hilfe aus der Dokumentation oder von Google zu bekommen. Bewertung gesammelt von und auf G2.com gehostet.

Ich mag, wie Databricks Datenengineering, Analytik und KI in einer einzigen Plattform vereint. Die Integration von Spark und Delta Lake ist nahtlos, die Leistung ist ausgezeichnet, und die Zusammenarbeit über Notebooks ist sehr reibungslos. Die enge Integration mit Azure-Diensten erleichtert auch Datenpipelines, Sicherheit und Skalierung erheblich. Bewertung gesammelt von und auf G2.com gehostet.

Der Hauptnachteil sind die Kosten, insbesondere bei großen oder lang andauernden Workloads. Das Debuggen komplexer Spark-Jobs kann manchmal ebenfalls herausfordernd sein, und die Feinabstimmung der Leistung erfordert oft ein gutes Verständnis der Spark-Interna. Bewertung gesammelt von und auf G2.com gehostet.