
Me gusta que Sifflet aprenda de las tendencias de datos pasadas para predecir lo que es normal e identificar lo que debería clasificarse como un incidente. Esta función es realmente útil porque solo recibimos alertas si los datos se comportan de manera diferente a como lo hicieron en el pasado, reduciendo el ruido y permitiéndonos centrarnos en problemas reales. Reseña recopilada por y alojada en G2.com.
No puedo editar en masa las etiquetas y sería bueno tener más opciones para editar varios monitores al mismo tiempo. En este momento, estas son muy limitadas. Tomó algo de tiempo y había muchas funciones no disponibles al principio, pero el producto ha evolucionado mucho desde que comenzamos a usarlo. Reseña recopilada por y alojada en G2.com.
¡Gracias por la revisión detallada! Es genial escuchar que la detección basada en ML de Sifflet está reduciendo con éxito el ruido de alertas para tus pipelines de dbt; ese es exactamente el objetivo de nuestro agente Sentinel: aprender los patrones únicos de tus datos para que puedas centrarte en problemas reales en lugar de en la configuración.
En cuanto a tus comentarios sobre las acciones masivas: estamos completamente de acuerdo. A medida que crece la cobertura de tus monitores, gestionarlos individualmente se convierte en un cuello de botella.
Estamos trabajando activamente en esto en nuestra próxima hoja de ruta. Específicamente, hemos priorizado la Suspensión Masiva para Monitores y las Calificaciones Masivas para Falsos Positivos para ayudarte a gestionar incidentes y monitores a gran escala. También estamos introduciendo Plantillas de Notificación para eliminar la configuración repetitiva en múltiples monitores.
¡Gracias por reconocer cuánto ha evolucionado el producto, estamos avanzando rápidamente para traerte estas características de escalabilidad pronto!






