Saltar al contenido

Databricks + Querri

Respuestas de Databricks,sin un notebook ni una línea de SQL.

El lakehouse guarda lo que operaciones, finanzas y ventas quieren saber. Querri pone las tablas que eliges en una sola Biblioteca junto al resto de tu negocio, consultadas en vivo en Databricks o sincronizadas como copia, para que cualquiera pueda preguntar por ellas en lenguaje natural y obtener las definiciones de tu equipo.

Querri solo lee de Databricks, con credenciales que se guardan cifradas y fuera de la vista del agente. Certificado SOC 2 Type II, HIPAA e ISO 27001:2022.

Por qué los informes de Databricks se atascan

El lakehouse está construido. El negocio sigue sin poder entrar.

Los ingenieros de datos se pasan a Databricks porque resuelve el trabajo difícil de los pipelines. La fricción aparece después, cuando alguien de fuera del equipo de datos tiene una pregunta sobre lo que hay dentro.

01

Los notebooks y el SQL son la puerta de entrada

Un gerente regional no va a abrir un notebook ni el editor de SQL. Cada pregunta se convierte en una petición al equipo de datos, y la cola crece más rápido que el equipo.

02

Las definiciones se esconden en el código

Los ingresos netos son un CASE en un notebook, un modelo de dbt en otro y un filtro un poco distinto en la consulta de un dashboard. Nadie fuera de ingeniería puede ver cuál es el correcto.

03

Unas pocas preguntas mantienen el cómputo encendido

Por defecto, los SQL warehouses classic y pro esperan 45 minutos de inactividad antes de detenerse, y los serverless, 10. Un goteo de preguntas puntuales a lo largo del día mantiene un warehouse facturando.

04

Los resultados grandes acaban como export.csv

Una tabla de notebook muestra como máximo 10,000 filas o 2 MB, lo que sea menor. Todo lo que pase de ahí se descarga, se pega en Excel y se envía por correo, y las copias se van desviando.

05

La gobernanza se detiene en la descarga

Unity Catalog decide quién lee qué tabla dentro de Databricks. Cuando un CSV sale del espacio de trabajo, esos permisos no viajan con él, y cada destinatario ve todas las filas.

Live o sincronizadas

Deja los datos en el lakehouse. Pregúntales igual.

Cada tabla puede ser Live o sincronizada, y tú eliges tabla por tabla. Una tabla Live nunca sale de Databricks: Querri guarda solo sus columnas y un número estimado de filas, cada pregunta se ejecuta en tu SQL warehouse sobre los datos tal como están ahora, y solo vuelve el pequeño resultado.

Live

Consultada donde está

Querri escribe cada pregunta en Databricks SQL y la ejecuta en tu SQL warehouse. No se copia nada, ni siquiera en las actualizaciones programadas. Haz clic en un número de la respuesta y te indica la tabla, la conexión y una insignia Live.

Ideal para

  • Tablas muy grandes
  • Datos que deben quedarse en el lakehouse
  • Respuestas siempre al día
  • Equipos que ya pagan el cómputo del warehouse

Sincronizada

Copiada según tu programación

La opción predeterminada. Querri copia la tabla en su propio almacenamiento y responde desde esa copia, así que las preguntas no arrancan un SQL warehouse.

Ideal para

  • Tablas pequeñas y medianas
  • Exploración intensiva, sin coste de warehouse por pregunta
  • Cruces con muchas otras fuentes
  • Warehouses que tardan en despertar

Solo lectura, garantizada

Querri solo envía una única SELECT sobre las tablas que elegiste. Las escrituras, las sentencias múltiples, otras tablas, las lecturas de archivos y los ajustes de sesión se rechazan antes de que nada llegue a Databricks.

Reglas de filas dentro de la consulta

Los filtros de filas de cada persona en Querri se aplican dentro de la consulta de Databricks, así que las filas que no puede ver se filtran antes de que nada salga del lakehouse.

Trazable y acotada

Cada consulta Live lleva una etiqueta de consulta que puedes encontrar en el historial de consultas de Databricks. Los resultados se detienen en 100,000 filas por defecto, y un resultado recortado por ese límite se marca como tal.

Tu cómputo, usado con cuidado

Las consultas Live se ejecutan en tu SQL warehouse, así que usan su cómputo. Antes de una actualización programada, Querri revisa los metadatos de la tabla, lo que no arranca el warehouse, y no ejecuta nada si la tabla no ha cambiado.

Las tablas Live están disponibles en los planes Scale. Ver el plan Scale

Lo que por fin puedes responder

Ocho preguntas de Databricks que se saltan la cola del equipo de datos

Cada una es una petición que llega a un equipo de lakehouse todos los meses, con el motivo por el que hoy tarda tanto y lo que Querri hace con ella.

¿Cómo obtienen operaciones y finanzas respuestas de Databricks sin un notebook?

Por qué es difícil

Las tablas están limpias y documentadas, pero las únicas formas de leerlas son un notebook, el editor de SQL o un dashboard que escribió otra persona.

Con Querri

Elige las tablas gold que Querri debe usar, en vivo en Databricks o sincronizadas, y la gente pregunta en el chat con sus propias palabras. Cada respuesta enumera sus pasos, y una que resulte útil se puede guardar como un proyecto que cualquiera puede volver a ejecutar.

¿Se le facturó a cada cliente el uso que medimos el mes pasado?

Por qué es difícil

El uso medido llega al lakehouse mientras que las facturas se emiten en el ERP. Compararlos requiere un pipeline que nadie ha construido todavía, o una hoja de cálculo de cierre de mes.

Con Querri

Conecta NetSuite junto a Databricks y Querri pone el uso medido de cada cliente al lado de sus facturas de uso. Indica una sola vez en Hechos y reglas qué eventos son facturables, y la lista de clientes sin facturar lo respeta.

¿Pueden los ingresos netos de nuestras tablas gold llegar a quienes nunca inician sesión en Databricks?

Por qué es difícil

La definición acordada está en el código de transformación. Un líder de ventas que rehace la cifra en una hoja de cálculo se acerca, y acercarse es justo como acaban dos cifras en una misma reunión.

Con Querri

Escribe la definición con palabras sencillas en la Biblioteca y síguela como un KPI. El chat, los dashboards y los informes programados leen el mismo significado, y el KPI guarda su historial desde el día en que empiezas.

¿El forecast de demanda que crearon nuestros científicos de datos se sostiene frente a los datos reales?

Por qué es difícil

El modelo escribe su forecast en una tabla Delta y sigue adelante. Contrastarlo con los pedidos reales, semana a semana y región por región, no es trabajo de nadie.

Con Querri

Conecta la tabla de forecast y la tabla de pedidos, en vivo o sincronizadas, y sigue el error del forecast como un KPI. El Análisis nocturno compara cada noche cada región con su propio historial y deja en tu Bandeja de entrada la que se está desviando.

¿Cómo exporto datos de Databricks a Excel automáticamente cada lunes?

Por qué es difícil

Alguien ejecuta la consulta, descarga el resultado, da formato a la hoja y la divide por región a mano. La semana que esa persona está de vacaciones, nadie la recibe.

Con Querri

Guarda el desglose regional como un proyecto con una ejecución los lunes a las 7 a. m. Informes y automatización lo vuelve a ejecutar sobre datos actuales y le envía por correo a cada gerente un libro con formato de su propia región, creado con las herramientas de Excel.

¿Los clientes que contactan a soporte con frecuencia compran menos después?

Por qué es difícil

Los pedidos están en el lakehouse y las conversaciones en la herramienta de soporte. Nadie une las dos, así que el costo de un mal mes de soporte nunca aparece en los ingresos.

Con Querri

Conecta Intercom junto a Databricks y pregunta. Querri relaciona los clientes entre ambos y te dice cómo los relacionó. El playbook de volumen de tickets muestra cómo encontrar los contactos que se repiten.

¿Podemos dar a los clientes un dashboard con datos del lakehouse sin un acceso a Databricks?

Por qué es difícil

Dar acceso al espacio de trabajo a personas externas implica una revisión de seguridad, y una herramienta de BI aparte para los informes a clientes es otro contrato y otra copia del modelo de datos.

Con Querri

Crea el dashboard preguntando y luego intégralo en tu propio portal con un filtro de filas por cliente. Con la marca blanca, lleva tu marca y no la nuestra.

¿Puedo preguntarle a Claude o a ChatGPT por nuestras tablas de Databricks?

Por qué es difícil

Un asistente que solo recibe nombres de tablas adivina qué columna significa ingresos y por qué fecha filtrar. La respuesta suena bien, sea correcta o no.

Con Querri

Conecta Querri a Claude o ChatGPT, y las preguntas sobre los datos del lakehouse se responden desde tu Biblioteca, con el acceso de cada persona en Querri. Cuando una pregunta admite dos lecturas, dice cuál usó.

Databricks y todo lo demás

El lakehouse todavía no tiene todos los sistemas

Ingeniería lleva primero a Databricks los datos de gran volumen. El ERP, el CRM, la herramienta de soporte y la hoja del presupuesto suelen esperar su turno. Querri los pone en una sola Biblioteca junto a tus tablas del lakehouse, así que una pregunta entre sistemas no necesita un nuevo proceso de ingesta.

Databricks combina bien con

Respuestas que puedes defender

"Con retraso" tiene dos significados legítimos, y la respuesta dice cuál contó

"¿Cuántos pedidos llegaron con retraso en septiembre?" puede contar los pedidos que salieron del almacén después de la fecha prometida o los que llegaron al cliente después de esa fecha. Las dos lecturas son válidas, y operaciones y atención al cliente prefieren cada una la suya. Querri responde con una lectura, la nombra y muestra el otro recuento, para que la discusión sea sobre cómo resolver los retrasos y no sobre la consulta. Consulta cómo se comprueba una respuesta antes de que la veas.

Despierta sabiendo qué cambió

Por la noche, Querri lee las cifras del lakehouse por ti

Cada noche Querri compara tus KPIs con su propio pasado con aritmética simple y busca el cambio por el que nadie preguntó. Lo que encuentra te espera en tu Bandeja de entrada por la mañana, y nada cambia hasta que lo apruebas.

Dashboards de Databricks a medida

Dashboards de Databricks para los que nadie tiene que escribir una consulta

Pide el diseño en una frase, o entrega una captura del informe que finanzas abre cada lunes. Los cambios funcionan igual: una petición con palabras sencillas. Los gráficos leen de la misma Biblioteca que el chat, y cada persona puede quedar limitada a sus propias filas.

  • Se pide con palabras, se ajusta con palabras
  • Tablas del lakehouse junto a datos del ERP, del CRM y de hojas de cálculo
  • Filtros de filas por persona, definidos una vez en Querri
Una sola petición escrita cambió el estilo de todo el dashboard, y un clic lo devolvería a como estaba.

Peticiones que puedes dejar de hacer a mano

Seis informes de Databricks que se rehacen solos

Qué se sincroniza

Tablas sincronizadas: el esquema que indiques, copiado según tu programación

Las tablas sincronizadas, la opción predeterminada, se copian al almacenamiento de Querri, y las preguntas sobre ellas se responden desde esa copia sin tocar Databricks. Live o sincronizadas, Querri solo puede leer lo que la entidad de servicio o el usuario del token tiene permiso para leer.

Qué puedes sincronizar

  • Tablas
  • Vistas
  • Todas las tablas del esquema
  • Una lista de tablas elegida
  • Unity Catalog o Hive metastore
  • SQL warehouses de Databricks
  • Una conexión abarca un solo catálogo y esquema; INFORMATION_SCHEMA queda fuera.

Completa, o Live

Cada sincronización vuelve a leer completas las tablas que elegiste, a diario, cada semana o cada mes, así que las filas modificadas o eliminadas en Databricks siempre llegan. Si una tabla es demasiado grande para copiarla con esa frecuencia, cámbiala a Live y cada pregunta la lee donde está.

Transmitido por bloques

Las filas llegan de 50,000 en 50,000 como archivos Parquet tipados y se convierten en un conjunto de datos de Querri en un almacenamiento basado en Iceberg. Si lo quieres, hay un límite de filas por tabla.

Solo lectura

Querri ejecuta consultas de esquema y consultas SELECT, nada más. Nunca escribe en una tabla ni modifica un registro. Las sincronizaciones se ejecutan en tu SQL warehouse, así que usan su cómputo.

Credenciales guardadas cifradas

OAuth con una entidad de servicio, o un token de acceso personal, cifrado en reposo y eliminado de los mensajes de error. El Connector Agent sabe que existe una credencial, pero nunca ve la credencial.

Cómo conectar Databricks

Tres datos de tu espacio de trabajo, y el agente se encarga del resto

  1. 1

    Pídeselo al Connector Agent

    En Connect, escribe "agrega nuestro espacio de trabajo de Databricks", o haz clic en la tarjeta de Databricks en el catálogo.

  2. 2

    Copia los datos de conexión

    En Connection details de tu SQL warehouse, copia el nombre de host del servidor y la ruta HTTP.

  3. 3

    Agrega las credenciales en el formulario seguro

    Introduce el ID de cliente y el secreto OAuth de una entidad de servicio, o un token de acceso personal, e indica un catálogo y un esquema si quieres otros distintos de los predeterminados.

  4. 4

    Elige las tablas y aprueba

    Conserva todas las tablas o elige algunas, y elige una programación. Para mantener una tabla en Databricks, cámbiala a Live. Nada se carga hasta que lo apruebas.

  5. 5

    Haz tu primera pregunta

    Las tablas Live están listas en cuanto Querri ha leído sus columnas, y las sincronizadas cuando llega la primera carga. Después, pregunta por las tablas del lakehouse en el chat, o crea con ellas dashboards e informes programados.

Tarjetas de conectores de Google Drive, NetSuite, Salesforce, Square, ShipStation y Snowflake en la página Connect de Querri, con el Connector Agent reteniendo una nueva conexión hasta su aprobación
El agente retiene cada conexión nueva y cada primera carga hasta que pulsas Approve.

Preguntas frecuentes sobre Databricks

Preguntas sobre Databricks y Querri

¿Cómo conecto Databricks a Querri?

Dile al Connector Agent que quieres Databricks, o elige su tarjeta en el catálogo. Introduce el nombre de host del servidor y la ruta HTTP de Connection details de tu SQL warehouse, y luego las credenciales OAuth de una entidad de servicio o un token de acceso personal en el formulario seguro. Si quieres, indica un catálogo y un esquema. Después elige las tablas, decide cuáles quedan Live y cada cuánto se actualizan las demás, y aprueba.

¿Qué datos de Databricks sincroniza Querri?

Las tablas y vistas del esquema que elijas, todas o una lista que tú seleccionas, con sus columnas y tipos. Funciona con Unity Catalog o con Hive metastore, a través de un SQL warehouse. Querri solo puede leer lo que puede leer el usuario o la entidad de servicio del token.

¿Cada cuánto se sincronizan los datos de Databricks?

Las tablas sincronizadas se vuelven a leer completas a diario, cada semana o cada mes, así que las filas modificadas o eliminadas en Databricks aparecen tras la siguiente ejecución. Antes de una reunión importante, lanza una a mano. Las tablas Live siempre están al día: cada pregunta lee Databricks tal como está cuando se ejecuta.

¿Querri escribe o modifica mis datos de Databricks?

No. Querri solo lee tus tablas de Databricks y nunca modifica un registro en ellas. Ejecuta consultas de esquema y consultas SELECT y nunca crea, actualiza ni elimina una tabla o una fila; las consultas Live se revisan antes de enviarse, así que a Databricks solo llega una única SELECT sobre las tablas que elegiste. Esas consultas sí se ejecutan en tu warehouse, así que las sincronizaciones y las preguntas Live usan su cómputo.

¿Cómo se trasladan los permisos de Unity Catalog a Querri?

Querri solo puede leer lo que tiene concedido la entidad de servicio o el usuario del token, así que la configuración más limpia es una entidad de servicio con acceso de lectura solo al esquema que quieres. Dentro de Querri, los permisos de Unity Catalog no se aplican persona por persona: lo que ve cada uno lo deciden la configuración de uso compartido de Querri y un filtro de filas por persona, y en las tablas Live ese filtro se aplica dentro de la consulta de Databricks.

¿Querri consulta Databricks en vivo cada vez que alguien hace una pregunta?

Puede hacerlo, tabla por tabla. Una tabla Live se queda en Databricks: cada pregunta que la necesita se ejecuta en tu SQL warehouse como una consulta escrita en Databricks SQL, y solo vuelve el resultado. Esas consultas usan el cómputo del warehouse, y un warehouse detenido añade unos segundos a la primera pregunta. Las tablas sincronizadas se responden desde la copia de Querri, así que esas preguntas nunca despiertan un SQL warehouse y reflejan la última sincronización. Las tablas Live están disponibles en los planes Scale.

¿Una tabla de Databricks debería ser Live o sincronizada?

Hazla Live cuando la tabla sea muy grande, cuando los datos deban quedarse en el lakehouse o cuando cada respuesta deba reflejar Databricks tal como está ahora. Mantenla sincronizada cuando la tabla sea pequeña o mediana, cuando la gente la explore mucho y prefieras no pagar cómputo del warehouse por pregunta, o cuando el warehouse tarde en arrancar. Puedes volver a cambiar una tabla Live a sincronizada en cualquier momento; se carga en la siguiente sincronización completa.

¿Puedo combinar una tabla Live de Databricks con otros datos?

Sí. Las preguntas sobre varias tablas Live de la misma conexión se ejecutan como una sola consulta de Databricks. Cuando una pregunta también necesita una tabla sincronizada o un archivo subido, Querri primero resume la tabla Live en Databricks y luego combina el pequeño resultado con los otros datos en Querri. Ocurre automáticamente, y al hacer clic en un número ves de qué tabla salió, con una insignia Live.

¿Cómo combino datos de Databricks y NetSuite?

Conecta también NetSuite, y los dos llegan a la misma Biblioteca. Querri puede relacionar el uso, los pedidos o los envíos del lakehouse con las facturas, las órdenes de venta y los pagos de NetSuite mediante un número de pedido o un cliente en común, y te dice cómo los relacionó. Define una sola vez qué uso es facturable o cuándo un pedido cuenta como enviado, y cada respuesta lo respeta.

¿Cómo combino datos de Databricks y Salesforce?

Conecta Salesforce junto a Databricks. Querri relaciona las cuentas entre ambos, idealmente por un ID guardado en los dos, para que puedas poner la actividad de producto o de pedidos junto al pipeline, las renovaciones y los casos abiertos. Si una coincidencia se basa en un nombre y no en un ID, la respuesta lo señala.

¿Cómo obtengo un informe semanal en Excel desde Databricks sin exportar a mano?

Convierte el análisis en un proyecto y asígnale una programación semanal. El lunes por la mañana se vuelve a ejecutar sobre los datos actuales del lakehouse y le envía a cada gerente un libro con formato que contiene solo su región, o uno por cliente. El paso de descargar y pegar desaparece.

¿Cómo obtengo un informe de forecast frente a datos reales desde Databricks?

Conecta la tabla Delta en la que tu modelo escribe su forecast, además de la tabla de pedidos o de ventas, en vivo o sincronizadas. Define una sola vez el error del forecast como un KPI, desglosado por región o por producto. Querri guarda su historial desde el día en que empiezas, y el Análisis nocturno señala una región cuyo error se desvía.

¿Puedo crear dashboards de Databricks a medida sin una herramienta de BI?

Sí. Pide el dashboard con palabras sencillas, o parte de una captura de uno que tu equipo ya usa, y cámbialo preguntando. Un mismo dashboard puede combinar tablas del lakehouse con datos del ERP, del CRM o de hojas de cálculo, limitar a cada persona a sus propias filas e integrarse en tu propia app.

¿Puedo preguntarle a ChatGPT o a Claude por mis datos de Databricks?

Sí. Tras una configuración única en Claude o ChatGPT, las preguntas sobre las tablas del lakehouse se responden desde tu Biblioteca de Querri, siguen tus definiciones y reglas, y se mantienen dentro de lo que esa persona puede ver en Querri, así que el asistente y tus dashboards coinciden.

¿Puedo conectarme a Databricks con OAuth en lugar de un token?

Sí. OAuth con una entidad de servicio (máquina a máquina) es la configuración recomendada: introduce su ID de cliente y su secreto, y sus tokens de corta duración no necesitan rotación. Un token de acceso personal también funciona. En ambos casos, la conexión no depende de que un empleado concreto inicie sesión.

¿Qué limitaciones tiene el conector de Databricks?

Una conexión abarca un solo catálogo y esquema. No se admiten consultas SQL personalizadas, así que selecciona tablas o vistas. No hay escritura de vuelta. Por defecto, los resultados Live se detienen en 100,000 filas y las preguntas en el chat agotan el tiempo a los 2 minutos. Varios catálogos o esquemas simplemente significan varias conexiones.

¿Puede Querri llegar a un espacio de trabajo de Databricks en una red privada?

Todavía no. Querri se conecta a tu workspace por HTTPS en el puerto 443, así que el workspace debe ser accesible desde internet. Si un warehouse está detenido o el host es incorrecto, la conexión desiste en un par de minutos en lugar de quedarse colgada.

¿Querri puede con tablas grandes de Databricks?

Sí. Haz Live una tabla grande y se queda en Databricks, donde se ejecuta cada pregunta y solo vuelve el resultado. Las tablas sincronizadas llegan en bloques de 50,000 filas a archivos Parquet tipados, en lugar de una sola extracción gigante, y el progreso se muestra a medida que llegan. También puedes limitar las filas por tabla.

¿Necesito saber SQL o Python para usar datos de Databricks en Querri?

No. Una vez conectadas las tablas, cualquiera con acceso pregunta en lenguaje natural. Querri muestra los pasos detrás de cada respuesta, para que alguien del equipo de datos pueda revisar la lógica, y una buena respuesta se puede guardar como un proyecto que se vuelve a ejecutar con datos frescos.

¿Mis datos de Databricks están seguros en Querri?

Querri cuenta con las certificaciones SOC 2 Type II, HIPAA e ISO 27001:2022, y tus datos nunca se usan para entrenar un modelo. Tus credenciales se cifran en reposo, se eliminan de los mensajes de error y nunca se le muestran al Connector Agent, y la conexión usa solo HTTPS.

Abre el lakehouse a las personas que hacen las preguntas.

Conéctalo con un nombre de host, una ruta HTTP y una entidad de servicio o un token, y luego consulta el lakehouse en vivo o sincroniza una copia. Querri solo lee y nunca escribe en él.