- Anomalo fournit une solution que nous pouvons facilement intégrer à nos magasins de données (Snowflake, Databricks Delta) et commencer immédiatement à configurer des contrôles de qualité des données pour toutes les tables qui nous intéressent. - Anomalo en général est très facile à utiliser, mais il est également complet. Il nous permet de configurer presque tous les indicateurs clés et règles de validation en SQL en fonction de ce que nous devons surveiller pour la qualité des données. Il offre une intégration avec Okta, Slack, PagerDuty qui sont les piles technologiques que nous utilisons chez Opendoor, donc l'intégration d'Anomalo est une expérience assez fluide. - En plus de l'interface utilisateur, Anomalo fournit également un SDK Python qui permet une grande flexibilité pour intégrer Anomalo dans la construction de pipelines de données et déclencher des contrôles de qualité des données à la volée. - L'équipe d'Anomalo a été très réactive à nos questions et demandes. Nous avons des heures de bureau régulières pour rencontrer l'équipe d'Anomalo pour discuter des questions et jusqu'à présent, cela a été très utile à chaque fois.

La détection automatisée des anomalies rend ma vie de professionnel de l'ingénierie des données beaucoup plus facile, surtout pour gérer des ensembles de données à haute visibilité où les échecs importants ne sont pas seulement une question d'échec de l'ETL, mais de changement significatif du contenu de la table. C'est très facile de configurer de bonnes alertes qui détectent toutes sortes de changements ou de problèmes indésirables dans les données. L'interface utilisateur est très intuitive et claire. Les outils de reporting/analyse sont excellents. Le système de triage est simple mais efficace.

Anomalo a aidé l'organisation des données de Faire à maintenir des modèles de données et des pipelines de haute qualité qui sont essentiels à un fonctionnement efficace. Anomalo diagnostique efficacement les problèmes de qualité des données, fournissant des alertes automatiques bien conçues intégrées dans Slack avec des visualisations de données qui mettent en évidence les tendances critiques et les erreurs potentielles nécessitant une attention. Attraper des erreurs qui auraient autrement pu passer inaperçues pendant des jours, voire des semaines, a été un avantage majeur de la mise en place d'alertes sur les tables de notre entrepôt de données. Nos partenaires analytiques, produits et ingénierie transversaux apprécient et interagissent avec les alertes intuitives d'Anomalo, qui ont suscité des discussions ayant conduit à de meilleurs résultats et résolutions pour l'équipe de données, nos clients et l'entreprise au sens large.