Les moniteurs d'apprentissage automatique intégrés qui suivent la fraîcheur, le volume et les changements de schéma sont fantastiques. J'apprécie vraiment la façon dont ces fonctionnalités fonctionnent immédiatement. Avis collecté par et hébergé sur G2.com.

Pour être tout à fait honnête, c'est le meilleur outil que j'ai utilisé pour l'observabilité des données et les vérifications de qualité des données à grande échelle. Cependant, si je devais mentionner un inconvénient, ce serait les fonctionnalités supplémentaires qui accompagnent les intégrations. Par exemple, MC tente d'afficher des traces de notre intégration Airflow dans plusieurs domaines, mais j'ai remarqué que l'information n'est pas toujours exacte à certains endroits. J'ai observé un problème similaire avec l'intégration dbt également. Avis collecté par et hébergé sur G2.com.

J'ai trouvé que la traçabilité des champs est bien plus utile que je ne l'avais initialement imaginé. L'échelle d'importance des tables est également très agréable à voir. Cela nous a permis de prendre de l'avance sur les alertes de qualité des données avant même que nos parties prenantes ne soient conscientes de quoi que ce soit de problématique. Je trouve qu'il est particulièrement facile de naviguer et de retrouver les modèles les plus importants. Il y a une fonctionnalité qui vous informe si une requête a changé en fonction du nombre de caractères dans une requête, ce qui est vraiment agréable. Avis collecté par et hébergé sur G2.com.

Je souhaite vraiment qu'il y ait un moyen de mettre en veille les moniteurs et les alertes de la même manière, car cela peut parfois devenir accablant. Avis collecté par et hébergé sur G2.com.

Monte Carlo nous a permis de surveiller nos pipelines de données avec une clarté accrue. L'une de ses caractéristiques remarquables est sa capacité à détecter les erreurs avant qu'elles n'atteignent la production, réduisant ainsi considérablement les temps d'arrêt et garantissant l'intégrité des données.

Ce produit a également joué un rôle crucial dans le soutien de notre nouveau produit de données destiné aux clients. Ses capacités robustes de détection des erreurs et de reporting complet nous ont permis de lancer avec confiance, sachant que nos données étaient précises et fiables. Avis collecté par et hébergé sur G2.com.

La courbe d'apprentissage pour configurer les moniteurs et comprendre le système a été plus raide que prévu. Combinée au grand nombre de tables dans notre entrepôt, cela a été un processus de mise en œuvre laborieux. Certains de ces problèmes sont inévitables. À l'avenir, je suis curieux de savoir s'il existe un moyen plus efficace de configurer les moniteurs. Par exemple, dans notre cas, nous avons configuré exactement les mêmes règles pour plusieurs tables, la seule différence étant le nom du champ et quelques légères variations dans le SQL. Avis collecté par et hébergé sur G2.com.

J'aime la façon dont Monte Carlo apporte des informations sur la qualité des données aux personnes qui peuvent les corriger, les utilisateurs des sources de données. Je trouve également les seuils de ML utiles car ils permettent à Monte Carlo de gérer les alertes d'erreur, de sorte que l'équipe de la plateforme de données n'a pas à créer manuellement les seuils d'erreur. L'intégration avec Slack est un autre avantage, car elle offre un lieu centralisé pour les alertes et facilite leur envoi aux parties prenantes concernées. Monte Carlo est facile à utiliser, même si je n'ai pas géré l'installation initiale. Avis collecté par et hébergé sur G2.com.

J'ai des difficultés à intégrer Monte Carlo avec des agents d'IA. Ce serait formidable si les agents d'IA pouvaient interagir plus facilement avec Monte Carlo. Avis collecté par et hébergé sur G2.com.

J'aime Monte Carlo pour ses fonctionnalités d'IA qui gèrent automatiquement la création de limites lorsque vous sélectionnez une source à surveiller. La surveillance automatique des changements de schéma, des changements de métriques et de la fraîcheur est également excellente. J'apprécie son intégration avec Slack, permettant la création de flux de travail automatisés et tenant tout le monde informé de manière proactive. La fonctionnalité d'IA et la surveillance automatique font gagner beaucoup de temps en éliminant le besoin de penser manuellement aux limites ou de vérifier constamment les changements de schéma. La mise en place du système a été très facile, car tous les systèmes ont été connectés rapidement via des comptes administrateurs, prenant moins d'une journée. Avis collecté par et hébergé sur G2.com.

La principale chose que je n'aime pas à propos de Monte Carlo, c'est la façon dont vous devez sélectionner les tables. Nous faisons très attention aux tables et aux sources que nous voulons surveiller, et cela prend pas mal de temps. Ce n'est pas très facile de naviguer et de sélectionner ou désélectionner des tables à partir d'un schéma. Cela pourrait être amélioré à mon avis. Avis collecté par et hébergé sur G2.com.

La flexibilité et la réception d'alertes opportunes et fiables pour le volume, le schéma et la fraîcheur sont utiles. Pouvoir ajuster le modèle est excellent. Avis collecté par et hébergé sur G2.com.

Pas de désaccord, mais quelques points qui pourraient être améliorés :

1) Les tableaux de bord pourraient être améliorés pour fournir des informations plus exploitables, comme les tables échouant le plus fréquemment ou les 5 tables échouant le plus, sous quel schéma, échouant pour quelle raison, les moniteurs échouant fréquemment, etc.

2) Ce serait formidable si les mises à jour effectuées sur les alertes dans Monte Carlo pouvaient être intégrées dans les incidents de ServiceNow.

3) Des intégrations supplémentaires avec des fichiers seraient excellentes, par exemple si un fichier n'est pas arrivé, etc.

4) Si nous pouvions ajuster le modèle pour les alertes beaucoup plus tôt que 2 semaines, ce serait une avancée bienvenue.

5) Organiser des ateliers sur un environnement sandbox pour les équipes aiderait à engager plus de collègues pour comprendre et se familiariser avec Monte Carlo. Avis collecté par et hébergé sur G2.com.

La manière dont Monte Carlo met en évidence les anomalies dans la fraîcheur des données et le comportement des pipelines est extrêmement utile. Cela permet à notre équipe de détecter les problèmes de qualité avant qu'ils n'affectent les utilisateurs en aval. Les alertes de requêtes SQL personnalisées sont très précises, et elles me font gagner beaucoup de temps en me dirigeant directement vers les endroits où les choses se cassent. Avis collecté par et hébergé sur G2.com.

La mise en forme des alertes par e-mail est restrictive — il est difficile d'insérer des tableaux propres ou des mises en page plus riches pour les utilisateurs en aval. Un support de mise en forme plus proche de celui d'Outlook serait une grande amélioration. Avis collecté par et hébergé sur G2.com.

J'apprécie vraiment la fonctionnalité de surveillance dans Monte Carlo. C'est génial car nous pouvons écrire des alertes personnalisées et des emails qui sont intégrés avec Teams, ce qui rend vraiment facile de tenir nos parties prenantes informées de tout problème de qualité des données ou des mises à jour clés qu'elles recherchent. C'est vraiment puissant pour comprendre les exceptions dans les données, même celles qui ne sont pas directement des échecs ou des problèmes majeurs de qualité des données, ce que notre équipe trouve très précieux. Avis collecté par et hébergé sur G2.com.

Il serait formidable d'intégrer plus étroitement la section des alertes et de la surveillance. Certains éléments de l'interface utilisateur pourraient être améliorés. Les parties standard dans les e-mails pourraient être ajustées car elles indiquent toujours une défaillance ou un avertissement du pipeline, mais parfois elles sont simplement informatives. J'aimerais aussi qu'elle puisse être intégrée plus étroitement à nos données pour éviter de répéter le même code à divers endroits. Avis collecté par et hébergé sur G2.com.

J'aime l'intégration de Monte Carlo avec Slack, où nous recevons des alertes via Slack, qui sert de guichet unique pour vérifier tous les problèmes. Cette intégration permet de gagner beaucoup de temps. La configuration initiale n'était pas si difficile car un représentant de Monte Carlo nous a guidés à travers le processus et a fourni un transfert de connaissances détaillé sur la meilleure façon d'utiliser l'outil. Avis collecté par et hébergé sur G2.com.

Certaines des règles sont trop sensibles, déclenchant de nombreuses alertes où nous finissons par ne prendre aucune mesure. Il y a place à l'amélioration ici. Peut-être devrait-il y avoir une corrélation entre les alertes de différentes tables, donc si des colonnes similaires existent dans d'autres tables, alors leurs règles devraient être importées, plutôt que de former la nouvelle alerte à chaque fois. Avis collecté par et hébergé sur G2.com.

J'utilise Monte Carlo pour configurer des alertes s'il y a une anomalie de données dans nos tables de base de données existantes par rapport aux tendances précédentes. J'ai aimé le système d'alerte car il prend en charge à la fois les déclencheurs basés sur le temps et ceux basés sur les événements. La section de surveillance et la section d'enquête sont très utiles. Un énorme avantage est la possibilité de créer des alertes basées sur notre SQL personnalisé. Avis collecté par et hébergé sur G2.com.

Monte Carlo configure l'alerte en fonction du seuil décidé par la tendance passée des données, mais nous ne pouvons pas définir de seuil manuel pour l'alerte. Elle devrait avoir les deux fonctionnalités : l'alerte elle-même décide du seuil basé sur la tendance des données précédentes qu'elle a déjà et qui est très utile. L'autre est la définition d'un seuil manuel pour certaines alertes qui n'est pas présente. Avis collecté par et hébergé sur G2.com.