Avis et détails du produit Dataiku

Ce que j'aime le plus chez Dataiku, c'est la façon dont il regroupe l'ensemble du flux de travail des données en un seul endroit. Il permet aux équipes de préparer facilement les données, de construire des modèles d'apprentissage automatique et de les déployer sans avoir à passer d'un outil à l'autre. L'interface visuelle facilite la compréhension des pipelines de données, tout en permettant aux utilisateurs avancés d'écrire du code si nécessaire. Cet équilibre entre les outils visuels et la flexibilité du codage rend la collaboration entre les data scientists, les analystes et les ingénieurs beaucoup plus fluide. Cela aide les équipes à passer plus rapidement des données brutes à des insights réels et à des modèles prêts pour la production. Avis collecté par et hébergé sur G2.com.

Une chose que je n'aime pas à propos de Dataiku, c'est qu'il peut sembler un peu lourd et complexe, surtout lorsqu'on travaille avec des ensembles de données très volumineux ou de nombreux flux de travail. Parfois, l'interface devient plus lente, et la gestion de plusieurs projets peut devenir déroutante. De plus, bien que les outils visuels soient utiles, certaines personnalisations avancées nécessitent encore du codage, ce qui peut être difficile pour les utilisateurs non techniques. Dans l'ensemble, c'est une plateforme puissante, mais il y a une certaine courbe d'apprentissage lorsque vous commencez à l'utiliser. Avis collecté par et hébergé sur G2.com.

Ce que j'aime le plus chez Dataiku, c'est son interface conviviale et ses solides fonctionnalités de collaboration. Cela facilite la collaboration entre les data scientists, les analystes et les ingénieurs sur les mêmes projets. J'apprécie également qu'il prenne en charge l'ensemble du cycle de vie des données, de la préparation des données à l'apprentissage automatique et au déploiement. Avis collecté par et hébergé sur G2.com.

Une chose que je n'aime pas à propos de Dataiku, c'est qu'il peut être assez exigeant en termes de ressources système, surtout lorsque je travaille avec de grands ensembles de données. De plus, certaines des fonctionnalités plus avancées nécessitent un temps d'apprentissage, il peut donc falloir du temps pour comprendre pleinement comment les utiliser efficacement. Avis collecté par et hébergé sur G2.com.

J'aime vraiment la façon dont Dataiku rassemble tout en un seul endroit. Cela rend mon flux de travail plus organisé et moins dispersé, ce qui m'aide à rester concentré. Cela dit, il y a des moments où cela peut sembler un peu accablant, surtout avec autant de choses dans une seule interface, mais dans l'ensemble, cela rend toujours mon travail plus facile. Avis collecté par et hébergé sur G2.com.

Pour moi, le plus gros inconvénient est qu'il ne semble pas toujours aussi intuitif que je le souhaiterais, surtout lorsque j'aborde les parties plus avancées. Parfois, je finis par passer plus de temps à essayer de comprendre comment faire quelque chose qu'à le faire réellement, et cela peut être assez frustrant. Avis collecté par et hébergé sur G2.com.

Dataiku démontre un environnement satisfaisant où les données sont centralisées et organisées. Le programme prend en charge à la fois les codeurs et les non-codeurs, leur permettant d'utiliser les données à différents niveaux. Dataiku dispose d'un cycle de vie des données réussi, qui collecte, ingère, prépare et même analyse les données. Le programme comprend des outils Auto ML intégrés qui accélèrent la plupart des opérations. Dataiku dispose d'API et de plugins extensibles, tous soutenant des intégrations réussies. Avis collecté par et hébergé sur G2.com.

Dataiku a des défis en matière de gestion et d'estimation des coûts, où les petites entreprises échouent à sécuriser l'application. L'application exige des ressources informatiques étendues, ce qui amplifie les coûts d'infrastructure. Avis collecté par et hébergé sur G2.com.

Sa plus grande force est de permettre une véritable collaboration entre les experts en données et les équipes commerciales sur une seule plateforme. Elle relie de manière transparente le travail technique comme le codage et l'ingénierie ML avec des interfaces visuelles et sans code. Cela élimine les silos, accélère la livraison des projets et garantit que les solutions d'IA sont construites avec un contexte commercial crucial, les rendant ainsi plus percutantes et durables. Avis collecté par et hébergé sur G2.com.

Pour les petites équipes ou les projets plus simples, Dataiku sera premium. Les fonctionnalités étendues de la plateforme s'accompagnent d'une complexité inhérente, ce qui peut entraîner une courbe d'apprentissage plus raide. Son modèle de tarification est souvent perçu comme axé sur les entreprises, ce qui le rend potentiellement moins accessible pour les startups ou les utilisateurs individuels qui n'ont pas besoin de toute son échelle collaborative. Avis collecté par et hébergé sur G2.com.

Ce que j'aime le plus chez Dataiku, c'est sa plateforme de science des données et d'apprentissage automatique de bout en bout qui intègre la préparation des données, l'analyse, la construction de modèles et le déploiement dans un seul environnement. Les flux de travail visuels combinés avec des options basées sur le code le rendent accessible à la fois aux utilisateurs techniques et non techniques. Il favorise également une forte collaboration entre les data scientists, les analystes et les équipes commerciales, ce qui aide à accélérer le développement des modèles et à améliorer la prise de décision. Avis collecté par et hébergé sur G2.com.

Bien que Dataiku soit une plateforme puissante, elle peut sembler complexe pour les nouveaux utilisateurs en raison de son ensemble de fonctionnalités étendu. La configuration initiale et la courbe d'apprentissage peuvent prendre du temps, surtout pour les utilisateurs non techniques. Dans certains cas, les performances peuvent ralentir lors du traitement de très grands ensembles de données, et la structure tarifaire peut ne pas être idéale pour les petites équipes ou les cas d'utilisation limités. Avis collecté par et hébergé sur G2.com.

The simplicity to analyse data, results, and the gain of time compared to doing all that in python in a classic IDE Avis collecté par et hébergé sur G2.com.

Recently I did not like how difficult and long it was to add input files in managed folders. I could not upload subfolemders for exemple. Also multiple times when I uploaded large number of files, some were not uploaded. Avis collecté par et hébergé sur G2.com.

J'aime que Dataiku me permette de gérer des projets de données et de construire des modèles d'apprentissage automatique en intégrant des données de différentes sources, en les nettoyant et en les organisant, et en expérimentant avec des modèles, le tout en un seul endroit. La combinaison d'une interface visuelle avec des options de codage le rend accessible à la fois pour les membres de l'équipe techniques et non techniques, facilitant ainsi la gestion des projets de données. J'adore comment cela réduit les tâches répétitives, diminue les erreurs et maintient les projets complexes organisés et fonctionnant sans accroc. C'est formidable que tout le monde dans l'équipe puisse contribuer, quelles que soient leurs compétences techniques, rendant le travail sur les données plus facile et moins stressant. Avis collecté par et hébergé sur G2.com.

Une chose que j'ai remarquée à propos de Dataiku, c'est qu'il peut sembler un peu accablant au début car il y a tellement de fonctionnalités et d'options. Travailler avec des ensembles de données très volumineux ou des flux de travail complexes peut parfois être un peu lent. Je pense aussi qu'il pourrait être un peu plus facile pour les nouveaux utilisateurs de commencer. Dans l'ensemble, c'est un excellent outil, mais un peu plus de conseils et une performance plus fluide le rendraient encore meilleur. Avis collecté par et hébergé sur G2.com.

J'apprécie vraiment la façon dont l'interface utilisateur graphique gère les chemins et les threads. Elle vous permet de gérer tout votre code et vos ensembles de données visuellement, et tout est automatiquement aligné, ce qui rend l'expérience très apaisante à utiliser. Avis collecté par et hébergé sur G2.com.

Il n'y a rien en particulier que je n'aime pas à propos de Dataiku. Cependant, un domaine à améliorer serait une meilleure gestion de l'historique et du code récent sur lequel j'ai travaillé. Il serait utile que ces informations soient plus facilement accessibles et visuellement mises en évidence. Avis collecté par et hébergé sur G2.com.

J'ai commencé à utiliser Dataiku en tant qu'analyste de données junior. Les recettes visuelles ont transformé la façon dont vous construisez un projet analytique de bout en bout. Alors que je commençais à aborder des projets complexes et à élargir mes connaissances en science des données et dans le domaine sur lequel je travaille, j'ai commencé à découvrir les latitudes des capacités que je peux adopter des outils et API de Dataiku. Cela m'a énormément aidé à accélérer mes objectifs de carrière. Un autre aspect fantastique serait la mise à jour constante des fonctionnalités et outils comme la gestion de la qualité des données, le maillage LLM et l'IA agentique dans le studio, ce qui devient une source d'inspiration pour moi pour essayer et mettre en œuvre des étapes supplémentaires (dans le flux ML) qui m'aident à augmenter la valeur commerciale dans les projets sur lesquels je travaille. Je me suis également inscrit à l'académie Dataiku. Avis collecté par et hébergé sur G2.com.

Comme je l'ai décrit, Dataiku est fantastique pour commencer en tant que débutant, mais à mesure que le projet devient plus complexe, en commençant à utiliser les API Dataiku en Python, j'ai commencé à ressentir un manque de détails dans la disponibilité de la documentation. Par exemple, je souhaite que les API Dataiku pour Python aient une documentation plus claire, comme on peut l'observer dans certaines bibliothèques comme Pytorch, Scikit-learn, Scipy ou Plotly. Des détails comme tous les paramètres disponibles pour une fonction spécifique et des paramètres supplémentaires qui peuvent être utilisés avec un exemple ou deux expliquant ce que chaque paramètre signifie pour la mise en œuvre de la fonction. La documentation actuellement disponible est très limitée pour m'aider à comprendre les capacités complètes d'une fonction ou d'une API spécifique. Ainsi, ma meilleure ressource de référence est souvent les réponses des articles de blog que fournit Dataiker. Avec gratitude, je demanderais à l'équipe d'améliorer la documentation à un tel point qu'elle ajouterait de la valeur à un développeur ML Ops expérimenté. Avis collecté par et hébergé sur G2.com.