Databricks + Querri
Le lakehouse contient ce que les opérations, la finance et les ventes veulent savoir. Querri copie les tables que vous choisissez dans une seule Bibliothèque avec le reste de votre entreprise : chacun peut les interroger en langage naturel et obtenir des réponses fondées sur les définitions de votre équipe.
Querri ne fait que lire Databricks, avec un jeton stocké chiffré et hors de vue de l'agent. Certifié SOC 2 Type II, HIPAA et ISO 27001:2022.
Pourquoi le reporting Databricks se bloque
Les data engineers passent à Databricks parce qu'il gère le gros du travail sur les pipelines. Les frictions apparaissent plus tard, quand quelqu'un hors de l'équipe data a une question sur ce qu'il contient.
Un responsable régional n'ouvrira ni un notebook ni l'éditeur SQL. Chaque question devient une demande à l'équipe data, et la file grossit plus vite que l'équipe.
Le chiffre d'affaires net est une instruction CASE dans un notebook, un modèle dbt dans un autre et un filtre légèrement différent dans la requête d'un tableau de bord. Personne en dehors de l'ingénierie ne peut voir laquelle est la bonne.
Par défaut, les entrepôts SQL classiques et pro attendent 45 minutes d'inactivité avant de s'arrêter, les serverless 10. Un filet de questions ponctuelles au fil de la journée suffit à faire tourner la facturation d'un entrepôt.
Une table de notebook affiche au plus 10 000 lignes ou 2 Mo, selon la limite atteinte en premier. Tout ce qui dépasse est téléchargé, collé dans Excel et envoyé par e-mail, et les copies divergent.
Unity Catalog décide qui lit quelle table dans Databricks. Dès qu'un CSV quitte le workspace, ces droits ne le suivent plus, et chaque destinataire voit toutes les lignes.
Ce à quoi vous pouvez enfin répondre
Chacune est une demande qui arrive chaque mois à une équipe lakehouse, avec ce qui la rend si longue aujourd'hui et ce qu'en fait Querri.
Pourquoi c'est difficile
Les tables sont propres et documentées, mais les seules façons de les lire sont un notebook, l'éditeur SQL ou un tableau de bord écrit par quelqu'un d'autre.
Pourquoi c'est difficile
L'usage mesuré arrive dans le lakehouse alors que les factures sont émises dans l'ERP. Comparer les deux suppose un pipeline que personne n'a encore construit, ou un tableur de fin de mois.
Avec Querri
Connectez NetSuite à côté de Databricks, et Querri rapproche l'usage mesuré de chaque client de ses factures d'usage. Indiquez une fois dans Faits et règles quels événements sont facturables, et la liste des clients non facturés en tient compte.
Pourquoi c'est difficile
La définition convenue se trouve dans le code de transformation. Un responsable commercial qui reconstruit le chiffre dans un tableur s'en approche, et c'est comme ça que deux chiffres se retrouvent dans la même réunion.
Avec Querri
Écrivez la définition en mots simples dans la Bibliothèque et suivez-la comme un KPI. Le chat, les tableaux de bord et les rapports planifiés lisent tous le même sens, et le KPI garde son historique dès le premier jour.
Pourquoi c'est difficile
Le modèle écrit sa prévision dans une table Delta et passe à autre chose. La confronter aux vraies commandes, semaine par semaine et région par région, n'est le travail de personne.
Avec Querri
Synchronisez la table de prévisions et la table des commandes, et suivez l'erreur de prévision comme un KPI. Chaque nuit, les Analyses nocturnes comparent chaque région à son propre historique et déposent celle qui dérive dans votre Boîte de réception.
Pourquoi c'est difficile
Quelqu'un exécute la requête, télécharge le résultat, met en forme la feuille et la découpe par région à la main. La semaine où il est en congé, personne ne la reçoit.
Avec Querri
Enregistrez la ventilation par région comme projet, avec une exécution le lundi à 7 h. Rapports et automatisation la relance sur la dernière synchronisation et envoie par e-mail à chaque responsable un classeur mis en forme pour sa propre région, construit avec les Outils Excel.
Pourquoi c'est difficile
Les commandes sont dans le lakehouse et les conversations dans l'outil de support. Personne ne relie les deux, donc le coût d'un mauvais mois au support n'apparaît jamais dans le chiffre d'affaires.
Avec Querri
Connectez Intercom à côté de Databricks et posez la question. Querri rapproche les clients entre les deux et explique comment il les a rapprochés. Le playbook sur le volume de tickets montre comment repérer les contacts qui reviennent sans cesse.
Pourquoi c'est difficile
Ouvrir le workspace à des personnes extérieures passe par une revue de sécurité, et un outil BI séparé pour le reporting client, c'est un contrat de plus et une copie de plus du modèle de données.
Avec Querri
Construisez le tableau de bord en demandant, puis intégrez-le dans votre propre portail avec un filtre de lignes par client. Avec la marque blanche, il porte votre marque, pas la nôtre.
Pourquoi c'est difficile
Un assistant qui ne reçoit que des noms de tables bruts devine quelle colonne correspond au chiffre d'affaires et sur quelle date filtrer. La réponse se lit bien, qu'elle soit juste ou non.
Avec Querri
Connectez Querri à Claude ou ChatGPT, et les questions sur les données du lakehouse reçoivent une réponse tirée de votre Bibliothèque, selon les droits d'accès de chaque personne dans Querri. Quand une question peut se lire de deux façons, il nomme la lecture qu'il a retenue.
Databricks et le reste
L'ingénierie fait d'abord arriver dans Databricks les données à fort volume. L'ERP, le CRM, l'outil de support et la feuille de budget attendent souvent leur tour. Querri les réunit dans une seule Bibliothèque à côté de vos tables lakehouse, pour qu'une question qui traverse plusieurs systèmes n'exige pas un nouveau job d'ingestion.
Databricks se combine bien avec
Des réponses que vous pouvez défendre
« Combien de commandes étaient en retard en septembre ? » peut compter les commandes parties de l'entrepôt après la date promise ou celles arrivées chez le client après cette date. Les deux se défendent, et les opérations comme le service client ont chacun leur préférée. Querri répond avec une lecture, la nomme et montre l'autre total : le débat porte sur la façon de réduire les retards, pas sur la requête. Voir comment une réponse est vérifiée avant que vous la voyiez.
Découvrez au réveil ce qui a changé
Chaque nuit, Querri compare vos KPI à leur propre passé par un simple calcul et cherche le changement sur lequel personne n'a posé de question. Ce qu'il trouve vous attend le matin dans votre Boîte de réception, et rien ne change avant votre approbation.
Tableaux de bord Databricks personnalisés
Demandez la mise en page en une phrase, ou fournissez une capture du rapport que la finance ouvre chaque lundi. Les modifications fonctionnent de la même façon : une demande en mots simples. Les graphiques lisent la même Bibliothèque que le chat, et chaque lecteur peut être limité à ses propres lignes.
Des demandes que vous n'exécutez plus à la main
Les chiffres de chaque région tirés des tables gold, en fichier Excel mis en forme dans la boîte de réception de chaque responsable.
Voir les Outils ExcelLes clients qui ont un usage mesuré dans le lakehouse et aucune facture d'usage correspondante dans l'ERP, relancé selon votre planning.
Voir les rapportsLes prévisions du modèle tirées d'une table Delta à côté des vraies commandes, avec l'erreur suivie par région.
Voir les KPIL'usage produit du lakehouse avec les signaux du support et de la facturation, un score par compte.
Lire le playbookLes problèmes qui ramènent les clients au support, mis en regard de ce qu'ils commandent.
Lire le playbookLe temps entre la création du compte et le premier événement qui annonce qu'un client va rester.
Lire le playbookCe qui est synchronisé
Les tables et les vues que vous sélectionnez sont copiées dans le stockage de Querri, et chaque réponse vient de cette copie, pas d'une requête en direct sur Databricks. Seul ce que l'utilisateur ou le principal de service du jeton a le droit de lire peut être lu.
Ce que vous pouvez synchroniser
Actualisation complète par défaut. Choisissez une colonne curseur (Querri suggère updated_at) et les exécutions incrémentielles ne récupèrent que les lignes postérieures à la dernière valeur vue, jusqu'à toutes les heures. Les tables dotées d'une clé primaire sont mises à jour par upsert : un chevauchement ne compte rien deux fois.
Les lignes arrivent par 50 000 sous forme de fichiers Parquet typés et deviennent un dataset Querri dans un stockage basé sur Iceberg. Un plafond de lignes par table est disponible si vous en voulez un.
Querri exécute des lectures de schéma et des requêtes SELECT, rien d'autre. Il n'écrit jamais dans une table et ne modifie jamais un enregistrement. Les synchronisations s'exécutent sur votre entrepôt ou votre cluster, et consomment donc sa capacité de calcul.
Un jeton d'accès personnel ou le jeton d'un principal de service, chiffré au repos et retiré des messages d'erreur. Le Connector Agent sait qu'un jeton existe, sans jamais voir le jeton lui-même.
Comment connecter Databricks
Dans Connect, tapez « ajoute notre workspace Databricks », ou cliquez sur la carte Databricks dans le catalogue.
Dans les Connection details de votre entrepôt SQL, copiez le nom d'hôte du serveur et le chemin HTTP. Un cluster à usage général fonctionne aussi.
Collez un jeton d'accès personnel ou le jeton d'un principal de service, et indiquez un catalogue et un schéma si vous en voulez d'autres que ceux par défaut.
Gardez toutes les tables ou choisissez-en quelques-unes, définissez une colonne curseur pour les synchronisations incrémentielles et choisissez un planning. Rien ne se charge sans votre approbation.
Une fois le premier chargement terminé, interrogez les tables du lakehouse dans le chat, ou construisez-en des tableaux de bord et des rapports planifiés.
FAQ Databricks
Dites au Connector Agent que vous voulez Databricks, ou choisissez sa carte dans le catalogue. Saisissez le nom d'hôte du serveur et le chemin HTTP indiqués dans les Connection details de votre entrepôt SQL, puis collez un jeton d'accès dans le formulaire sécurisé. Indiquez si besoin un catalogue et un schéma. Choisissez ensuite les tables, la fréquence d'actualisation, et approuvez le premier chargement.
Les tables et les vues du schéma que vous choisissez, toutes ou seulement une liste que vous sélectionnez, avec leurs colonnes et leurs types. Cela fonctionne avec Unity Catalog ou le metastore Hive, via un entrepôt SQL ou un cluster à usage général. Querri ne peut lire que ce que l'utilisateur ou le principal de service du jeton peut lire.
Une relecture complète du schéma peut être planifiée chaque jour, chaque semaine ou chaque mois. Les synchronisations incrémentielles, fondées sur une colonne curseur comme updated_at, s'exécutent toutes les heures, chaque jour ou chaque semaine et n'apportent que les lignes postérieures à la dernière valeur. Avant une réunion importante, lancez-en une à la main. Les lignes supprimées dans Databricks restent dans Querri jusqu'à la prochaine actualisation complète.
Non. Querri ne fait que lire vos tables Databricks et n'y modifie jamais un enregistrement. Il exécute des lectures de schéma et des requêtes SELECT, et ne crée, ne met à jour ni ne supprime jamais une table ou une ligne. Ces requêtes s'exécutent bien sur votre entrepôt ou votre cluster : une synchronisation consomme donc sa capacité de calcul.
Querri ne peut synchroniser que ce qui est accordé à l'utilisateur ou au principal de service du jeton : un principal de service avec un accès en lecture au seul schéma voulu est donc la configuration la plus propre. Après la synchronisation, les droits Unity Catalog ne s'appliquent plus personne par personne : ce sont les paramètres de partage de Querri et un filtre de lignes par personne qui décident de ce que chacun voit.
Non. Les questions reçoivent une réponse tirée d'une copie que Querri conserve des tables choisies, actualisée selon votre planning : poser une question ne réveille donc jamais un entrepôt SQL et ne l'empêche pas de s'arrêter. Seules les synchronisations interrogent Databricks. Une réponse reflète les données telles qu'elles étaient à la dernière synchronisation.
Connectez aussi NetSuite, et les deux arrivent dans la même Bibliothèque. Querri peut rapprocher l'usage, les commandes ou les expéditions du lakehouse des factures, commandes clients et paiements NetSuite par un numéro de commande ou un client commun, et il vous dit comment il a fait le rapprochement. Définissez une fois quel usage est facturable ou quand une commande compte comme expédiée, et chaque réponse suit cette définition.
Connectez Salesforce à côté de Databricks. Querri rapproche les comptes entre les deux, idéalement par un ID présent dans les deux systèmes : vous pouvez ainsi mettre l'activité produit ou les commandes à côté du pipeline, des renouvellements et des tickets ouverts. Si un rapprochement repose sur un nom plutôt que sur un ID, la réponse le signale.
Transformez l'analyse en projet et associez-lui un planning hebdomadaire. Le lundi matin, il se relance sur la copie la plus récente de vos tables lakehouse et envoie à chaque responsable un classeur mis en forme qui ne contient que sa région, ou un classeur par client. L'étape télécharger-coller disparaît.
Synchronisez la table Delta dans laquelle votre modèle écrit sa prévision, plus la table des commandes ou des ventes. Définissez une fois l'erreur de prévision comme un KPI, ventilé par région ou par produit. Querri en garde l'historique dès le premier jour, et les Analyses nocturnes signalent une région dont l'erreur dérive.
Oui. Demandez le tableau de bord en mots simples, ou partez d'une capture de celui que votre équipe utilise déjà, et modifiez-le en demandant. Un même tableau de bord peut mêler des tables du lakehouse à des données ERP, CRM ou tableurs, limiter chaque lecteur à ses propres lignes et être intégré dans votre propre application.
Oui. Après une configuration unique dans Claude ou ChatGPT, les questions sur les tables du lakehouse s'appuient sur votre Bibliothèque Querri, suivent vos définitions et vos règles et restent dans les limites de ce que la personne peut voir dans Querri : l'assistant et vos tableaux de bord sont d'accord.
Non. Le connecteur a besoin d'un jeton d'accès, soit un jeton d'accès personnel, soit celui d'un principal de service. OAuth passerait par une connexion dans le navigateur, impossible à mener à bien sur un serveur pendant les synchronisations planifiées. Le jeton d'un principal de service rend la connexion indépendante de tout employé.
Une connexion couvre un seul catalogue et un seul schéma. Les requêtes SQL personnalisées ne sont pas prises en charge : sélectionnez plutôt des tables ou des vues. Pas d'OAuth, pas d'écriture en retour, et les synchronisations incrémentielles ne voient pas les suppressions avant la prochaine actualisation complète. Plusieurs catalogues ou schémas signifient simplement plusieurs connexions.
Oui, via le tunnel VPN optionnel dans les paramètres avancés de la connexion. Sans lui, Querri refuse les adresses privées et se connecte uniquement en HTTPS sur le port 443. Si un entrepôt est arrêté ou que l'hôte est erroné, la connexion abandonne en quelques minutes au lieu de rester bloquée.
Oui. Les lignes arrivent par blocs de 50 000 dans des fichiers Parquet typés, plutôt qu'en une seule extraction géante, et la progression s'affiche à mesure qu'elles arrivent. Sur les tables qui grossissent chaque jour, une colonne curseur permet à chaque exécution de ne lire que les lignes postérieures à la précédente. Vous pouvez aussi plafonner le nombre de lignes par table.
Non. Une fois les tables synchronisées, toute personne qui y a accès pose ses questions en langage naturel. Querri montre les étapes derrière chaque réponse, pour qu'un membre de l'équipe data puisse vérifier la logique, et une bonne réponse peut être enregistrée comme projet qui se relance sur des données fraîches.
Querri est certifié SOC 2 Type II, HIPAA et ISO 27001:2022, et vos données ne servent jamais à entraîner un modèle. Votre jeton d'accès est chiffré au repos, retiré des messages d'erreur et jamais montré au Connector Agent, et la connexion se fait uniquement en HTTPS.
Continuer la découverte
Connectez-vous avec un nom d'hôte, un chemin HTTP et un jeton. Querri ne fait que lire le lakehouse et n'y écrit jamais.