Databricks Bewertungen & Produktdetails

Das Beste an Databricks ist, dass es Datenengineering, Data Science und Analytik sehr einfach an einem Ort konsolidiert. Daher kann ich riesige Datensätze schnell verarbeiten und sehr komplexe Machine-Learning-Operationen durchführen, ohne die Werkzeuge wechseln zu müssen. Die Zusammenarbeit über Notebooks mit meinem Team in Echtzeit hat wirklich viel Hin und Her reduziert, das ich früher hatte. Bewertung gesammelt von und auf G2.com gehostet.

Das große Problem ist, dass die Preise schnell ansteigen können, wenn ich nicht auf die Clustergröße achte oder vergesse, sie auszuschalten. Ich musste lernen, einige der fortgeschritteneren Funktionen zu nutzen, wie den Unity-Katalog und die MLflow-Connectoren, um sie gut zu verwenden. Das Einzige, was ich hinzufügen würde, ist eine einfache Benutzeroberfläche, wie sie in einigen BI-Produkten zu finden ist. Es kann für Neulinge überwältigend sein. Bewertung gesammelt von und auf G2.com gehostet.

Sie bemühen sich wirklich, unsere Bedürfnisse zu verstehen, was ich schätze. Ich bin auch beeindruckt, wie schnell sie große Datensätze bearbeiten. Sie boten wesentliche Ressourcen für das Management und die Integration von Daten an und gehen konsequent über das hinaus, um ihre Kunden zu unterstützen. Die Geschwindigkeit der Datenverarbeitung war wirklich bemerkenswert. Bewertung gesammelt von und auf G2.com gehostet.

Der Implementierungsprozess verlief reibungslos, und die Plattform funktioniert einwandfrei. Ich habe bisher keine Probleme festgestellt. Ich bin mit dem Tool rundum zufrieden und habe derzeit keine Beschwerden oder Abneigungen zu erwähnen. Bewertung gesammelt von und auf G2.com gehostet.

Ich mag, dass es schnell ist und eine hervorragende All-in-One-Analyse-Lösung bietet, mit ausgezeichneter Skalierbarkeit, die die Markteinführungszeit verkürzt. Die Benutzeroberfläche ist intuitiv und perfekt für Benutzer mit unterschiedlichen Fähigkeitsstufen. Ich mag auch, dass die Datenbank die Fähigkeit hat, Instanzen zu beenden oder zu zeitlich zu begrenzen, was uns hilft, die Kosten zu verwalten. Bewertung gesammelt von und auf G2.com gehostet.

Ich habe keine Beschwerden über dieses Tool; es ermöglicht uns, Code effizient auszuführen, ohne durch Infrastruktur- oder Optimierungsprobleme behindert zu werden. Darüber hinaus gibt es eine Fülle hilfreicher Schulungsressourcen für Entwickler und Datenwissenschaftler. Bewertung gesammelt von und auf G2.com gehostet.

Was ich an Databricks wirklich mag, ist, wie es alles – Datenengineering, Analytik und maschinelles Lernen – an einem Ort zusammenbringt. Es spart viel Zeit beim Wechseln zwischen Workflows. Die kollaborativen Notebooks sind super praktisch, wenn man im Team arbeitet, und die Spark-Integration funktioniert einfach ohne viel Aufwand. Delta Lake ist auch ein Pluspunkt – große Datensätze mit Versionierung und ACID-Unterstützung verwalten zu können, ist in Produktionsszenarien ehrlich gesagt ein Lebensretter. Bewertung gesammelt von und auf G2.com gehostet.

Die Plattform kann anfangs etwas einschüchternd wirken, besonders wenn man neu in der Welt der Big-Data-Tools ist. Das Einrichten von Clustern und das Verstehen des Preismodells hat bei mir eine Weile gedauert. Außerdem hängt die Benutzeroberfläche manchmal, wenn man mit großen Notebooks arbeitet oder zwischen mehreren Tabs wechselt. Ich wünschte, das Onboarding wäre etwas anfängerfreundlicher. Bewertung gesammelt von und auf G2.com gehostet.

Databricks glänzt darin, Datenengineering, Analytik und maschinelles Lernen in einer kollaborativen, cloudbasierten Umgebung zu vereinen. Die Unterstützung für mehrere Programmiersprachen (Python, SQL, Scala, R) macht es unglaublich flexibel. Die Lakehouse-Architektur vereinfacht das Datenmanagement, indem sie das Beste aus Data Lakes und Data Warehouses kombiniert. Die automatisch skalierenden Rechencluster, die enge Integration mit Tools wie MLflow und die leistungsstarken Notebooks vereinfachen die Experimentierung und den Produktionseinsatz. Ich schätze auch die häufigen Produktaktualisierungen und das Engagement für Open-Source-Technologien wie Apache Spark und Delta Lake. Bewertung gesammelt von und auf G2.com gehostet.

Obwohl leistungsstark, hat Databricks eine Lernkurve – insbesondere für nicht-technische Benutzer oder diejenigen, die neu in Spark-basierten Architekturen sind. Die Preise können schnell steigen, wenn sie nicht genau überwacht werden, insbesondere bei immer eingeschalteten Clustern. Die Benutzeroberfläche, obwohl sie sich verbessert, fühlt sich in bestimmten Bereichen (wie der Verwaltung von Jobs oder Clusterberechtigungen) immer noch unintuitiv an. Einige Integrationen, insbesondere mit On-Premise-Systemen, erfordern zusätzlichen Aufwand oder benutzerdefinierte Workarounds. Bewertung gesammelt von und auf G2.com gehostet.

Ich mag, dass Databricks eine einheitliche Umgebung für Datenengineering, Analytik und maschinelles Lernen bietet. Die Plattform erleichtert die Zusammenarbeit zwischen Teams, das effiziente Management von groß angelegten Daten und den Aufbau fortschrittlicher KI-Modelle mit derselben Infrastruktur. Die Integration mit großen Cloud-Anbietern und die Lakehouse-Architektur machen das Datenmanagement sowohl flexibel als auch skalierbar. Bewertung gesammelt von und auf G2.com gehostet.

Obwohl Databricks eine leistungsstarke und flexible Plattform ist, kann es komplex sein, sie einzurichten und zu verwalten, insbesondere für Teams ohne starke Datenengineering-Expertise. Die Kostenstruktur kann auch für kontinuierliche Arbeitslasten teuer werden, und die Leistungsoptimierung erfordert manchmal tiefes Wissen über Spark und Cluster-Optimierung. Darüber hinaus könnte die Benutzeroberfläche für nicht-technische Benutzer intuitiver sein. Bewertung gesammelt von und auf G2.com gehostet.

Databricks glänzt darin, Datenengineering, Analytik und maschinelles Lernen in einer nahtlosen Plattform zu vereinen. Was mir am besten gefällt, ist, wie mühelos es große Datenmengen verarbeitet und gleichzeitig die kollaborative Entwicklung durch Notebooks ermöglicht. Die Integration mit Apache Spark und die Fähigkeit, skalierbare Workloads mit ML, SQL und Python nebeneinander auszuführen, machen es zu einem Kraftpaket für datengesteuerte Teams. Seine Governance und die Delta Lake-Architektur gewährleisten zudem Zuverlässigkeit und Sicherheit über die gesamte Datenpipeline hinweg. Bewertung gesammelt von und auf G2.com gehostet.

Obwohl Databricks unglaublich leistungsstark ist, kann die Lernkurve für nicht-technische Benutzer oder Teams, die neu im Bereich des verteilten Rechnens sind, steil sein. Die Benutzeroberfläche, obwohl funktional, kann im Vergleich zu moderneren Datenplattformen manchmal etwas umständlich wirken. Darüber hinaus erfordert das Kostenmanagement in einer Multi-User-Umgebung eine sorgfältige Governance, insbesondere für Teams, die groß angelegte, rechenintensive Jobs ausführen. Bewertung gesammelt von und auf G2.com gehostet.

Diese Plattform ist robust genug, um große Datenmengen zu verarbeiten, unterstützt Echtzeit-Datenanalysen und bietet eine Vielzahl von Lösungen. Sie zeichnet sich als ausgezeichnete Wahl für die Datenspeicherung aus und bietet die Flexibilität, die benötigt wird, um effizient mit umfangreichen Datensätzen zu arbeiten. Bewertung gesammelt von und auf G2.com gehostet.

Bedingte Aktualisierungen werden bei großen Datensätzen unpraktisch, da der Speicherverbrauch während der Abfrageausführung hoch ist. Darüber hinaus schränkt das Fehlen einer integrierten Verschlüsselung die Möglichkeiten zur manuellen Bereinigung von Containern ein. Bewertung gesammelt von und auf G2.com gehostet.

Es gibt verschiedene Gründe, warum ich die Databricks Data Intelligence Platform mag.

Wir haben Databricks als eine einheitliche Plattform für alle unsere Daten-Workloads (Pipelines und Modelle) genutzt, die Datenengineering, Data Science, Analytik und agentische KI umfasst.

Wir lieben die Lakehouse-Architektur, die dabei hilft, traditionelle Data-Warehousing-Spezialisten schnell und skalierbar in Databricks einzuführen.

Wir haben letztes Jahr das Unity Catalog-Upgrade durchgeführt, das die Governance und Zugriffskontrolle über Assets hinweg optimiert hat; und dieses Jahr haben wir Serverless-Computing eingeführt, das die Start-/Wartezeit von Clustern enorm verkürzt hat.

Wir beschäftigen uns jetzt mit dem Agentic AI-Bereich, in dem wir leicht verständliche Eingabeaufforderungen erstellen, um Agenten zu trainieren, die auf Datensätzen basieren. Dies hilft jedem (sogar einer nicht-technischen Geschäftsperson) beim Profilieren/Schneiden/Analysieren von Daten.

Das BI-Team hat Databricks genutzt, um sich mit unseren Power BI-Dashboards zu verbinden, während das Engineering-Team Databricks genutzt hat, um sich mit Airflow zu verbinden, um native DAGs zu erstellen/visualisieren.

Zu guter Letzt ist das Konzept des Databricks-Notebooks großartig. Im selben Databricks-Notebook kann man Code in mehreren Sprachen (Python, Scala, SQL usw.) haben und jede kann zur Laufzeit umgeschaltet werden. Eingebaute kollaborative Notebooks mit Unterstützung für mehrere Sprachen (Python, Scala, SQL, R) und Echtzeit-Co-Autorenschaft erleichtern es Teams, schnell gemeinsam zu iterieren. Bewertung gesammelt von und auf G2.com gehostet.

-- Unvorhersehbare Kosten für kleine Teams. Wir haben es erlebt, als einer unserer Agenten-Workflows mit KI lange Zeit auf einem sehr kleinen Datensatz lief.

-- Kosten basierend auf Rechenleistung + Speicher bedeuten, dass Optimierung entscheidend ist. Jedes Quartal müssen wir unsere Databricks-Prognosen wirklich aktuell halten, da wir keine große Abweichung zwischen Prognose und tatsächlichem Ergebnis wollen.

-- Obwohl Databricks Dashboards unterstützt (mit Einschränkungen), kann es BI-Tools wie Power BI, Tableau usw. nicht ersetzen. Bewertung gesammelt von und auf G2.com gehostet.

Ich mag die Databricks Data Intelligence Platform wegen ihrer Datenverwaltungsmöglichkeiten. Die Plattform unterstützt maschinelles Lernen und bietet hilfreiche Autofill-Funktionen. Ich finde auch die schnelle Unterstützung für Analytik-Code einen wertvollen Aspekt. Bewertung gesammelt von und auf G2.com gehostet.

Ich finde es problematisch, dass, wenn die Tabellen zwei ähnliche Attribute haben und ich ein anderes auswählen muss, das nicht viele-zu-viele ist, es das noch nicht bewältigen kann. Außerdem, wenn ich nach den Schlüsseln einer Tabelle frage, sei es Fremd- oder Hauptschlüssel, kann es nicht den richtigen Schlüssel bereitstellen. Bewertung gesammelt von und auf G2.com gehostet.