Wir helfen Unternehmen in Deutschland
seit 15 Jahren bei der Softwareauswahl

Was ist Databricks?

Datenwissenschaft leicht gemacht, von der Eingabe bis zur Produktion.

Wer verwendet Databricks?

Nicht vom Anbieter bereitgestellt

Du bist nicht sicher, ob Databricks das Richtige ist? Mit einer beliebten Alternative vergleichen

Databricks

Databricks

4,6 (21)
99,00 $
Monat
Kostenlose Version
Kostenlose Testversion
2
Keine Integrationen gefunden
4,7 (21)
4,2 (21)
4,5 (21)
VS.
Startpreis
Preisoptionen
Funktionen
Integrationen
Benutzerfreundlichkeit
Preis-Leistungs-Verhältnis
Kundenservice
13.748,00 $
einmalig
Kostenlose Version
Kostenlose Testversion
29
2
4,3 (1.938)
4,3 (1.938)
4,3 (1.938)
Die grünen Bewertungsbalken geben an, welches Produkt gemessen an der Durchschnittsbewertung und der Zahl der Bewertungen am besten abschneidet.

Weitere gute Alternativen zu Databricks

Microsoft SQL Server
Am besten bewertete Funktionen
Backup und Recovery
Datenspeicher-Management
Leistungsanalyse
Snowflake
Am besten bewertete Funktionen
Berichterstattung / Analyse
Datenspeicher-Management
Sichere Datenspeicherung
Tableau
Am besten bewertete Funktionen
Datenanalyse-Werkzeuge
Datenintegration
Datenvisualisierung
Microsoft Power BI
Am besten bewertete Funktionen
Berichterstattung / Analyse
Daten-Connectors
Datenvisualisierung
Google Analytics 360
Am besten bewertete Funktionen
Berichterstattung / Analyse
Datenvisualisierung
Konversion-Tracking
Procore
Am besten bewertete Funktionen
Dokumentenmanagement
Mehrere Projekte
Mobiler Zugriff
Google Cloud
Am besten bewertete Funktionen
Backup und Recovery
Dokumentenspeicher
Sichere Datenspeicherung
IBM SPSS Statistics
Am besten bewertete Funktionen
Berichterstattung / Analyse
Berichterstattung und Statistik
Statistische Analyse
Sisense
Am besten bewertete Funktionen
Berichterstattung / Analyse
Datenvisualisierung
KPI-Überwachung

Bewertungen über Databricks

Durchschnittliche Bewertung

Gesamt
4,6
Benutzerfreundlichkeit
4,7
Kundenservice
4,5
Funktionen
4,6
Preis-Leistungs-Verhältnis
4,2

Nutzerbewertungen nach Unternehmensgröße (Angestellte)

  • <50
  • 51-200
  • 201-1.000
  • >1.001

Bewertungen nach Punktzahl finden

5
67%
4
24%
3
10%
Filippo
Filippo
Senior Data Scientist in Italien
Verifizierter Nutzer auf LinkedIn
Marketing & Werbung, 51–200 Mitarbeiter
Verwendete die Software für: Mehr als 1 Jahr
Herkunft der Bewertung

A fantastic all-in-one-place platform for big data analytics

5,0 vor 7 Monaten

Kommentare: We are moving all our big data computation on the Databricks platform. One of the main advantages is the possibility to plan notebooks execution through the workflow section.

Vorteile:

Databricks can be integrated with the most used cloud services (Amazon, Google, Microsoft) and you can create and manages computation clusters, write code and see results in a single platform instead of having multiple separate services. Its dashboard is really easy to use and allows you to focus on code development. It also supports notebooks versioning with GitLab.

Nachteile:

The data visualization part could really be improved.

Verifizierter Rezensent
Verifizierter Nutzer auf LinkedIn
Informationstechnologie & -dienste, 10.000+ Mitarbeiter
Verwendete die Software für: Mehr als 2 Jahre
Herkunft der Bewertung

In Betracht gezogene Alternativen:

Databricks: Unleashing Data/AI Potential for Next-Level Analytics and Collaboration

4,0 vor 6 Monaten

Kommentare: Very good , able to created end-end lakehouse platform for leading healthcare client

Vorteile:

unified lakehouse architecture platform with good collaborationmanaged infrastructure with autoscaling & serverless functionalityautoloader, schema evolution & delta live tablesunit catalog & delta sharing for unified governanceMLflow & integrations with partner connectVersion control databricks repos, secret with security & complianceReal time processing

Nachteile:

Cost & capacity planning for clusters if you don't use DLT/serverless pipelinesPerformance variabilitySome vendor lock-in if you use "DELTA" format with delta live table

Verifizierter Rezensent
Verifizierter Nutzer auf LinkedIn
Bankwesen, 1.001–5.000 Mitarbeiter
Verwendete die Software für: 6-12 Monate
Herkunft der Bewertung

Very good to handle very big data

3,0 vor 4 Jahren

Kommentare: While it supports python, when I need to use it, I ultimately prefer to sample or aggregate and export data to work in another environment. For this end, it works very well.

Vorteile:

- Enables simultaneous collaborative work with colleagues - Easy to mix spark queries and python for extra analyses and plots - Handful visualization modes for query results (tables and plots with aggregations)

Nachteile:

- Hard to manage notebook workspace - Sometimes it gets really slow to run queries - AFAIK, there aren't visualization options for datasets (without running queries)

Verifizierter Rezensent
Verifizierter Nutzer auf LinkedIn
Informationstechnologie & -dienste, 1.001–5.000 Mitarbeiter
Verwendete die Software für: Mehr als 1 Jahr
Herkunft der Bewertung

Best Big Data Analysis Platform

5,0 letztes Jahr

Vorteile:

Databricks is a great platform for working with a huge amount of data. But the most interesting feature is the ability to use Magic query. Magic query allows users to write code in multiple languages in the same notebook.

Nachteile:

Databricks is a go-to platform for most of the analysis and processing workload, but when it comes to the financials, it becomes a little more expensive. And as a result, not a lot of the projects are reliable to be developed in Databricks.

Rayla
Rayla
Graduate Research Assistant in USA
Verifizierter Nutzer auf LinkedIn
Hochschulbildung, 51–200 Mitarbeiter
Verwendete die Software für: Mehr als 1 Jahr
Herkunft der Bewertung

Powerful tool for dev ops of machine learning models

5,0 vor 5 Jahren

Kommentare: Overall, my experience with Databricks has been very positive. It is a powerful tool to enable data scientists without a lot of data engineering skills. However, you need to be a data scientist or machine learning engineer to be able to take advantage of its power for machine learning.

Vorteile:

I love how easy it is to deploy auto-scaling machine learning models. After a machine learning model is trained, you can just click a button to deploy the model, I believe in a container, and have it auto scale as needed. You can also specify the minimum and maximum size of the deployment to reduce costs but to keep up with the workload as necessary. It is also built around Spark, so tasks involving "big data" aren't an issue.

Nachteile:

Some of the cons are that the primary language is Java/Scala, whereas many data scientists are using python or R, which run slower on Databricks than Java and Scala. Also, the main interface via coding, which can limit a lot of citizen data scientists.