¿Para qué se usa Databricks? Una guía en lenguaje claro

Databricks se usa para reunir los datos de una empresa en un solo lugar, limpiarlos y convertirlos en informes, previsiones y aplicaciones de IA. En términos de negocio, es la plataforma donde los datos de su ERP, sus plantas, su CRM y sus archivos se transforman en algo en lo que las personas y los modelos pueden confiar.

La respuesta larga depende de su problema, porque Databricks es amplio. Cubre pipelines de datos, un data warehouse SQL, dashboards de BI, machine learning, agentes de IA y ahora también una base de datos Postgres. Muy pocas empresas necesitan todo eso desde el primer día.

He trabajado con Databricks en programas de plataformas de datos en fabricación y defensa. Esta guía es para el CIO, el CFO o el responsable de datos que está decidiendo si Databricks tiene sitio en su arquitectura.

La descripción general de la plataforma que publica Databricks enumera una larga lista de tareas que puede hacer. En la práctica, yo veo cinco.

1. Ingeniería de datos y ETL. Extraer datos de los sistemas de origen, limpiarlos y cargarlos en tablas. Es el caso de uso de batalla y, normalmente, donde se va la mayor parte del gasto. La familia de productos es Lakeflow. Lakeflow Connect se encarga de la ingesta y Lakeflow pipelines (antes Delta Live Tables) de la transformación. Lakeflow Designer es la preparación visual de datos y Lakeflow Jobs es la orquestación.
2. Data warehousing con Databricks SQL. Databricks SQL es su data warehouse en la nube, que se ejecuta sobre SQL warehouses. Los analistas escriben SQL contra las mismas tablas que construyeron los ingenieros. Sin una copia aparte en otro data warehouse.
3. BI y analítica de autoservicio. Los dashboards de AI/BI están dentro de la plataforma, y las tablas también alimentan Power BI, Tableau o lo que su empresa ya utilice. Genie permite a los usuarios de negocio hacer preguntas en lenguaje natural sobre datos gobernados.
4. Machine learning. Previsión de demanda, mantenimiento predictivo, predicción de calidad, precios. MLflow registra experimentos y modelos, y el model serving los pone en producción.
5. IA generativa y agentes. Agent Bricks es hoy el lugar donde se construyen y gobiernan agentes de IA sobre sus datos. Genie One, disponible de forma general desde junio de 2026, es la interfaz para los usuarios de negocio. El material más antiguo llama Mosaic AI a buena parte de estas herramientas de IA; las páginas de producto actuales destacan Agent Bricks y Genie.

Dos piezas más recientes importan a algunos compradores. Lakebase es una base de datos Postgres gestionada dentro de la plataforma, para aplicaciones que necesitan lecturas y escrituras transaccionales rápidas junto a los datos analíticos.

Databricks anunció la disponibilidad general de Lakebase a principios de 2026. Databricks Apps, disponible de forma general desde mayo de 2025, permite a los equipos crear y alojar aplicaciones internas de datos e IA en la plataforma.

Una nota sobre nombres, porque confunde los resultados de búsqueda. Databricks pasó dos años promocionando la «Data Intelligence Platform». Sus páginas de producto ahora dicen «Databricks Data + AI Platform».

Es la misma plataforma. Y Databricks One pasó a llamarse Genie One.

Antes de Databricks, la mayoría de las empresas tenía dos sistemas. Un data lake guardaba archivos brutos baratos, como registros de sensores, documentos e imágenes, para los científicos de datos.

Un data warehouse guardaba tablas limpias y estructuradas para finanzas y BI. Los datos se copiaban de uno a otro, y las dos copias se iban separando.

El lakehouse es la respuesta de Databricks: mantener una sola copia de los datos en formatos abiertos (tablas Delta Lake en su almacenamiento en la nube) y ejecutar sobre ella tanto BI como IA. Unity Catalog se sitúa por encima y controla quién puede ver qué, registra el linaje y deja constancia de los accesos. Esa capa de gobierno es la que convierte un montón de archivos en algo que un auditor aceptará.

La mayoría de los equipos organiza el lakehouse con la arquitectura medallion. Tres capas, cada una más limpia que la anterior.

Cómo se mueven los datos por las capas medallion

1. 01

   Sistemas de origen

   ERP, MES, historiadores, CRM, hojas de cálculo y documentos.

2. 02

   Bronze

   Datos brutos tal como llegaron. Se conservan para auditoría y reprocesamiento.

3. 03

   Silver

   Limpios, sin duplicados y validados. Una versión fiable de cada registro.

4. 04

   Gold

   Modelados para el negocio: margen por producto, paradas por línea, gasto por proveedor.

5. 05

   Consumidores

   Dashboards, informes financieros, modelos de ML, agentes de IA y aplicaciones.

La versión para un directivo: bronze es la evidencia, silver es el registro limpio y gold es la respuesta a una pregunta de negocio. Su CFO solo debería ver gold. Sus científicos de datos pasarán la mayor parte del tiempo en silver.

En los programas de fabricación en los que he trabajado, el esfuerzo real está en silver. Números de material que cambian entre plantas. Unidades de medida que no cuadran.

Marcas de tiempo de sensores en hora local frente a contabilizaciones del ERP en UTC. Nada de eso es un problema de Databricks, pero Databricks es donde termina resolviéndolo.

Databricks no sustituye a SAP S/4HANA, Oracle Fusion Cloud ERP ni Microsoft Dynamics 365. El ERP sigue siendo el sistema de registro de pedidos, inventario, facturas y libro mayor. Databricks toma copias de esos datos, las combina con datos que el ERP nunca ve y ofrece analítica e IA.

Los datos del ERP suelen llegar por una de tres vías:

1. Conectores nativos o de socios. Lakeflow Connect, junto con herramientas de replicación de terceros, extrae tablas o cambios de datos de la base de datos del ERP o de sus API.
2. Extracciones desde la propia capa de datos del ERP. Exportaciones desde los servicios de analítica y datos de SAP, Oracle o Dynamics, que aterrizan en bronze.
3. El producto de datos del proveedor de ERP. Para las empresas con SAP, SAP Business Data Cloud es una opción. Incluye SAP Databricks, un servicio de Databricks gestionado dentro de la oferta de SAP, cuya disponibilidad general anunció Databricks. También existe una vía de intercambio zero-copy desde Business Data Cloud hacia un entorno de Databricks existente.

La vía adecuada depende del licenciamiento, los volúmenes de datos y el peso de los datos que no vienen del ERP. Lo difícil nunca es la extracción.

Lo difícil es el significado de negocio: qué planta, qué libro, qué versión de un cliente. Si todavía no lo ha resuelto, mi artículo sobre por qué fallan las migraciones de datos cubre las mismas causas de fondo.

Fabricación. El caso más sólido es unir los datos del ERP con los datos de planta. Lecturas de máquinas y sensores procedentes de historiadores y plataformas IoT, registros del sistema de ejecución de fabricación (MES), resultados de inspecciones de calidad y registros de mantenimiento. Unidos a los pedidos, materiales y costos del ERP, esos datos responden preguntas que importan tanto a finanzas como a operaciones: costo de desperdicio por línea, mantenimiento antes de una avería, calidad del proveedor frente al precio pagado.

Los volúmenes de datos de sensores son grandes y desordenados. Un lakehouse los maneja mejor que un data warehouse tradicional. En mi trabajo en fabricación, el primer caso de uso que pagó la plataforma fue el cálculo de costos: reunir los costos de materia prima y mano de obra para llegar a un costo estándar.

Finanzas ya es dueña de esa cifra, así que el valor se ve con facilidad. Si todavía está eligiendo el ERP que irá debajo, vea mi comparativa de ERP para fabricación.

Defensa. Las preguntas son otras. ¿Dónde están físicamente los datos? ¿Quién opera la plataforma?

¿Se pueden mantener separados los datos clasificados y los no clasificados, demostrando los accesos en una auditoría? Los programas duran décadas, así que la plataforma elegida tiene que sobrevivir a varios ciclos tecnológicos.

En mi trabajo en defensa, mantener separados los datos clasificados y los no clasificados condicionó el diseño más que cualquier otra cosa. Resuelva esa separación antes de diseñar un solo pipeline.

Aquí la arquitectura importa. En Databricks, el plano de control se ejecuta en la cuenta de Databricks. El cómputo clásico se ejecuta en su propia cuenta en la nube.

El cómputo serverless se ejecuta en la cuenta de Databricks, en la misma región. Para un responsable de datos en defensa, esa diferencia es la primera conversación, antes de cualquier demo de funcionalidades. Para trabajos con el gobierno de Estados Unidos existe un despliegue aparte, Databricks on AWS GovCloud.

Fuera de Estados Unidos, compruebe la disponibilidad por región y de nube soberana frente a sus normas de residencia de datos y de control de exportaciones (incluidas las obligaciones de tipo ITAR) antes de hacer la lista corta. He visto que el control de acceso detallado y los registros de auditoría de Unity Catalog pesan mucho en estas revisiones.

Es fácil comprar Databricks para el trabajo equivocado.

1. No es un ERP ni un sistema de registro. No pase por él las transacciones ni el libro mayor. Lakebase gestiona datos de aplicaciones, no su libro mayor.
2. No es una herramienta rápida de dashboards. Si el objetivo son veinte dashboards financieros sobre datos limpios del ERP, Databricks es un camino pesado para llegar.
3. No arregla una mala propiedad de los datos. Si nadie es dueño del maestro de clientes, Databricks solo procesará el desorden más rápido.
4. No funciona solo. Necesita ingenieros de datos que sepan escribir SQL y Python, y alguien que vigile los costos. El gasto se mide por consumo, así que los procesos mal escritos aparecen en la factura.
5. No es gratis para uso empresarial. La Free Edition es para aprender y experimentar. Las limitaciones de la Free Edition que publica Databricks indican que no puede usarse con fines comerciales.

La pregunta que más escucho: ¿necesitamos Databricks o nos bastaría un data warehouse más sencillo? Así lo planteo yo.

Su situación	Databricks encaja	Probablemente basta una opción más sencilla
Fuentes de datos	ERP más sensores, MES, documentos, fuentes externas	Sobre todo tablas de ERP y CRM
Volumen de datos y cambios	Gran volumen, streaming o casi tiempo real	Lotes diarios, volumen moderado
Usuarios principales	Ingenieros de datos, científicos de datos y analistas	Analistas financieros y de negocio
Planes de IA y ML	Casos de uso financiados y con responsables	Ideas que aún no tienen patrocinador
Habilidades del equipo	Ingenieros de SQL y Python propios o contratados	Sobre todo habilidades de BI y Excel
Necesidades de gobierno	Acceso detallado, linaje y auditoría sobre muchas fuentes	Acceso estándar basado en roles

Si la mayoría de sus respuestas está en la columna de la derecha, empiece por la analítica de su proveedor de ERP o por un data warehouse gestionado. Para una comparación más detallada, lea mis artículos hermanos sobre Snowflake vs Databricks y Databricks vs Microsoft Fabric.

Sobre costos, vea los precios de Databricks explicados. Databricks factura el cómputo en Databricks Units (DBUs), con pago por uso o con compromiso de consumo, y el almacenamiento y la red en la nube van aparte.

Una lista de verificación para decidir

1. ¿Puede nombrar tres decisiones de negocio que cambiarán si la plataforma de datos funciona? Si no, pare y búsquelas.
2. ¿Qué fuentes de datos necesita además del ERP y qué tamaño tienen?
3. ¿Quién es dueño de los datos maestros de clientes, materiales, proveedores y plan de cuentas?
4. ¿Cuáles son sus restricciones de residencia de datos, soberanía y control de exportaciones?
5. ¿Tiene, o va a financiar, un equipo de ingeniería de datos a largo plazo?
6. ¿Qué herramienta de BI se queda y leerá desde Databricks SQL?
7. ¿Quién responde del gasto mensual de la plataforma y qué alerta dispara una revisión?
8. ¿Qué va a apagar cuando esto entre en producción? Si la respuesta es nada, está sumando costos, no consolidando.

Elija un caso de uso con un responsable de negocio con nombre y dinero real en juego. En fabricación suele ser el desperdicio, las paradas o el inventario. Constrúyalo pasando por bronze, silver y gold con el gobierno de Unity Catalog activado desde la primera tabla.

Mida el resultado y el costo de operación. Después decida si escalar.

Yo no empezaría con una migración a nivel de toda la empresa ni con un agente de IA. El gobierno pertenece a esa primera construcción, no a una fase posterior; mi guía del marco de gobierno de la IA explica por qué.

Si está comparando Databricks con otras plataformas, o analizando cómo convive con SAP, Oracle o Dynamics 365, ofrezco asesoramiento independiente sobre estas decisiones. Puede ponerse en contacto aquí.

¿Qué es Databricks en términos sencillos?

Databricks es una plataforma en la nube donde las empresas almacenan, limpian y analizan grandes cantidades de datos, y construyen machine learning e IA sobre ellos. Funciona en AWS, Microsoft Azure y Google Cloud. Piense en ella como el taller de ingeniería entre sus sistemas de origen y sus informes, modelos y herramientas de IA.

¿Databricks es una base de datos o un data warehouse?

Las dos cosas, en parte. Databricks SQL es un data warehouse en la nube construido sobre el lakehouse, y Lakebase es una base de datos Postgres gestionada para aplicaciones. Por debajo, los datos están como tablas en formato abierto sobre almacenamiento en la nube. No es un sistema transaccional de registro como un ERP.

¿Cuál es la diferencia entre Databricks y Snowflake?

Los dos ejecutan analítica SQL sobre datos en la nube. Databricks nació de la ingeniería de datos y el machine learning sobre formatos abiertos. Snowflake nació como un data warehouse SQL gestionado. Hoy se solapan mucho. La elección correcta depende de sus tipos de datos, sus habilidades y sus planes de IA. Mi comparativa Snowflake vs Databricks lo trata en detalle.

¿Databricks sustituye a SAP o a otros sistemas ERP?

No. El ERP sigue siendo el sistema de registro de las transacciones y del libro mayor. Databricks toma copias de los datos del ERP, las combina con otras fuentes, como datos de planta y de sensores, y ofrece analítica e IA. Los clientes de SAP también pueden usar SAP Databricks dentro de SAP Business Data Cloud.

¿Qué es la arquitectura medallion en Databricks?

Una forma de organizar los datos en tres capas. Bronze guarda los datos brutos tal como llegaron. Silver guarda registros limpios y validados. Gold guarda tablas listas para el negocio, para informes, ML e IA. Cada capa está más refinada que la anterior, y los usuarios de negocio solo deberían consumir gold.

¿Databricks es gratis?

Databricks Free Edition es gratuita para aprender y experimentar, con cuotas y límites de funcionalidades, y no puede usarse con fines comerciales. El uso empresarial se factura por consumo en DBUs, con pago por uso o mediante un contrato de compromiso de consumo, y el almacenamiento y la red en la nube van aparte.