L'intégration de QuickSight avec l'écosystème AWS est transparente. La connexion à S3, Redshift ou Athena se fait en quelques minutes sans configuration complexe ni solutions de contournement. Le moteur en mémoire SPICE offre des performances de requête rapides même avec de grands ensembles de données, ce qui maintient les tableaux de bord réactifs. J'apprécie la fonctionnalité de requête en langage naturel (Amazon Q) qui me permet de poser des questions en anglais simple et d'obtenir des réponses visuelles sans écrire de SQL. Cela démocratise l'accès aux insights pour les parties prenantes non techniques qui ont besoin de réponses rapides.
La capacité d'analytique intégrée de la plateforme est une caractéristique remarquable. Je peux placer des tableaux de bord directement dans des applications internes ou des portails clients sans outils supplémentaires. Cela centralise la consommation de données et élimine le besoin de passer d'une plateforme à l'autre. QuickSight offre également des fonctionnalités de machine learning intégrées comme la détection d'anomalies et la prévision, qui fournissent des insights avancés sans nécessiter d'algorithmes personnalisés. Lorsque les revenus augmentent de manière inattendue, le moteur ML fournit automatiquement une explication.
La fonctionnalité AutoGraph recommande intelligemment des types de graphiques en fonction des caractéristiques des champs de données. Cela élimine les conjectures pour les membres de l'équipe qui ne sont pas experts en visualisation et assure la cohérence des rapports. La sécurité est robuste avec des contrôles d'accès basés sur les rôles, une authentification unique et un audit complet. QuickSight prend en charge la conformité FedRAMP, HIPAA, PCI DSS, ISO et SOC, ce qui couvre la plupart des exigences réglementaires. Avis collecté par et hébergé sur G2.com.
QuickSight manque de la variété de visualisations que l'on trouve dans Power BI ou Tableau. Les diagrammes de Gantt, les graphiques en chandelier et les graphiques comparatifs haut-bas sont absents, ce qui limite la flexibilité de conception pour des cas d'utilisation spécifiques.
L'approche du modèle de données diffère des outils BI traditionnels d'une manière qui semble restrictive. Au lieu de construire des relations entre les tables de faits et de dimensions, je dois souvent créer de grands ensembles de données dénormalisés avec des données répétées. Cela rend la préparation des données plus fastidieuse et moins efficace. Avis collecté par et hébergé sur G2.com.
Notre réseau d'icônes est composé de membres de G2 reconnus pour leurs contributions exceptionnelles et leur engagement à aider les autres grâce à leur expertise.
L'évaluateur a téléchargé une capture d'écran ou a soumis l'évaluation dans l'application pour les vérifier en tant qu'utilisateur actuel.
Validé via LinkedIn
Invitation de la part de G2. Cet évaluateur n'a reçu aucune incitation de la part de G2 pour avoir complété cet avis.
Cet avis a été traduit de English à l'aide de l'IA.