- Anomalo bietet eine Lösung, die wir problemlos in unsere Datenspeicher (Snowflake, Databricks Delta) integrieren können und sofort beginnen, Datenqualitätsprüfungen für alle Tabellen zu konfigurieren, die uns wichtig sind. - Anomalo ist im Allgemeinen sehr benutzerfreundlich, aber auch umfassend. Es ermöglicht uns, fast alle Schlüsselmetriken und Validierungsregeln in SQL zu konfigurieren, basierend auf dem, was wir zur Überwachung der Datenqualität benötigen. Es bietet Integration mit Okta, Slack, PagerDuty, die die Tech-Stacks sind, die wir bei Opendoor verwenden, daher ist die Einführung von Anomalo eine recht reibungslose Erfahrung. - Zusätzlich zur Benutzeroberfläche bietet Anomalo auch ein Python SDK, das eine Menge Flexibilität bietet, um Anomalo in den Aufbau von Datenpipelines zu integrieren und Datenqualitätsprüfungen spontan auszulösen. - Das Team von Anomalo war sehr reaktionsschnell auf unsere Fragen und Anfragen. Wir haben regelmäßige Sprechstunden, um uns mit dem Team von Anomalo zu treffen, um Fragen zu besprechen, und bisher war es jedes Mal sehr hilfreich.

Automatisierte Anomalieerkennung macht mein Leben als Dateningenieur wesentlich einfacher, insbesondere bei der Verwaltung von Datensätzen mit hoher Sichtbarkeit, bei denen wichtige Fehler nicht nur eine Frage des ETL-Versagens sind, sondern auch der inhaltlichen Veränderung der Tabelle. Es ist sehr einfach, gute Warnungen einzurichten, die alle Arten von unerwünschten Änderungen oder Problemen in den Daten erkennen. Die Benutzeroberfläche ist sehr intuitiv und klar. Die Berichts-/Analysetools sind ausgezeichnet. Das Triage-System ist einfach, aber effektiv.

Anomalo hat dazu beigetragen, dass die Datenorganisation von Faire hochwertige Datenmodelle und -pipelines aufrechterhält, die für einen effektiven Betrieb entscheidend sind. Anomalo diagnostiziert Datenqualitätsprobleme effizient und bietet gut gestaltete automatische Warnmeldungen, die in Slack integriert sind, mit Datenvisualisierungen, die kritische Trends und potenzielle Fehler hervorheben, die Aufmerksamkeit erfordern. Das Auffangen von Fehlern, die sonst möglicherweise tagelang, wenn nicht sogar wochenlang unbemerkt geblieben wären, war ein großer Vorteil der Einrichtung von Warnmeldungen für Tabellen in unserem Data Warehouse. Unsere funktionsübergreifenden Analyse-, Produkt- und Engineering-Partner schätzen und nutzen die intuitiven Warnmeldungen von Anomalo, die Diskussionen angeregt haben, die zu besseren Ergebnissen und Lösungen für das Datenteam, unsere Kunden und das größere Unternehmen geführt haben.