Waarvoor wordt Databricks gebruikt? Een uitleg in gewone taal

Databricks wordt gebruikt om de data van een bedrijf op één plek te verzamelen, op te schonen en om te zetten in rapporten, prognoses en AI-toepassingen. In zakelijke termen: het is het platform waar data uit uw ERP, fabrieken, CRM en bestanden wordt bewerkt tot iets waar mensen en modellen op kunnen vertrouwen.

Het langere antwoord hangt af van uw probleem, want Databricks is breed. Het omvat datapipelines, een SQL-datawarehouse, BI-dashboards, machine learning, AI-agents en inmiddels ook een Postgres-database. Heel weinig bedrijven hebben dat allemaal vanaf dag één nodig.

Ik heb met Databricks gewerkt in dataplatformprogramma's in de maakindustrie en defensie. Deze gids is voor de CIO, CFO of het hoofd data die moet beslissen of het in de architectuur thuishoort.

Het eigen platformoverzicht van Databricks noemt een lange lijst taken. In de praktijk zie ik er vijf.

1. Data engineering en ETL. Data uit bronsystemen halen, opschonen en in tabellen laden. Dit is het werkpaard en meestal gaat hier het grootste deel van het budget naartoe. De productfamilie heet Lakeflow. Lakeflow Connect regelt de ingestie en Lakeflow pipelines (voorheen Delta Live Tables) de transformatie. Lakeflow Designer is visuele datavoorbereiding en Lakeflow Jobs is orkestratie.
2. Datawarehousing met Databricks SQL. Databricks SQL is het clouddatawarehouse, dat draait op SQL warehouses. Analisten schrijven SQL op dezelfde tabellen die de engineers hebben gebouwd. Geen aparte kopie in een ander warehouse.
3. BI en self-service analytics. AI/BI-dashboards zitten in het platform zelf, en dezelfde tabellen voeden ook Power BI, Tableau of wat uw organisatie al gebruikt. Met Genie stellen zakelijke gebruikers vragen in gewone taal over beheerde data.
4. Machine learning. Vraagvoorspelling, voorspellend onderhoud, kwaliteitsvoorspelling, prijsbepaling. MLflow legt experimenten en modellen vast, en model serving brengt ze in productie.
5. Generatieve AI en agents. Agent Bricks is nu de plek om AI-agents op uw data te bouwen en te beheren. Genie One, in juni 2026 algemeen beschikbaar gekomen, is de voorkant voor zakelijke gebruikers. Ouder materiaal noemt veel van deze AI-tooling Mosaic AI; de huidige productpagina's beginnen met Agent Bricks en Genie.

Twee nieuwere onderdelen zijn voor sommige kopers van belang. Lakebase is een beheerde Postgres-database binnen het platform, voor applicaties die snelle transactionele lees- en schrijfacties nodig hebben naast analytische data.

Databricks maakte Lakebase algemeen beschikbaar begin 2026. Met Databricks Apps, algemeen beschikbaar sinds mei 2025, bouwen en hosten teams interne data- en AI-applicaties op het platform.

Eén opmerking over namen, omdat die zoekresultaten verwarrend maakt. Databricks heeft twee jaar lang het "Data Intelligence Platform" in de markt gezet. De productpagina's spreken nu van "Databricks Data + AI Platform".

Hetzelfde platform. En Databricks One is hernoemd tot Genie One.

Vóór Databricks draaiden de meeste bedrijven twee systemen. Een data lake bevatte goedkope ruwe bestanden, zoals sensorlogs, documenten en afbeeldingen, voor datawetenschappers.

Een datawarehouse bevatte schone, gestructureerde tabellen voor finance en BI. Data werd tussen beide gekopieerd, en de twee kopieën liepen uit elkaar.

Het lakehouse is het antwoord van Databricks: houd één kopie van de data in open formaten (Delta Lake-tabellen op uw cloudopslag) en draai zowel BI als AI daarop. Unity Catalog ligt daaroverheen en bepaalt wie wat mag zien, legt de herkomst (lineage) vast en logt toegang. Die governancelaag maakt van een stapel bestanden iets wat een auditor accepteert.

De meeste teams organiseren het lakehouse met de medallion-architectuur. Drie lagen, elk schoner dan de vorige.

Hoe data door de medallion-lagen stroomt

1. 01

   Bronsystemen

   ERP, MES, historians, CRM, spreadsheets en documenten.

2. 02

   Bronze

   Ruwe data opgeslagen zoals die binnenkwam. Bewaard voor audit en herverwerking.

3. 03

   Silver

   Opgeschoond, ontdubbeld en gevalideerd. Eén betrouwbare versie van elk record.

4. 04

   Gold

   Gemodelleerd voor de business: marge per product, stilstand per lijn, uitgaven per leverancier.

5. 05

   Afnemers

   Dashboards, financiële rapportage, ML-modellen, AI-agents en apps.

De versie voor bestuurders: bronze is het bewijs, silver is het opgeschoonde record, gold is het antwoord op een zakelijke vraag. Uw CFO hoort alleen gold te zien. Uw datawetenschappers zitten het grootste deel van hun tijd in silver.

In de programma's in de maakindustrie waaraan ik heb gewerkt, zit het echte werk in silver. Materiaalnummers die per fabriek verschillen. Maateenheden die niet aansluiten.

Sensortijdstempels in lokale tijd tegenover ERP-boekingen in UTC. Geen van die problemen is een Databricks-probleem, maar Databricks is wel de plek waar u ze uiteindelijk oplost.

Databricks vervangt SAP S/4HANA, Oracle Fusion Cloud ERP of Microsoft Dynamics 365 niet. Het ERP blijft het leidende systeem voor orders, voorraad, facturen en het grootboek. Databricks neemt kopieën van die data, combineert ze met data die het ERP nooit ziet en levert analytics en AI.

De ERP-data komt meestal via een van drie routes binnen:

1. Native connectors of connectors van partners. Lakeflow Connect en replicatietools van derden halen tabellen of gewijzigde data uit de ERP-database of via de API's.
2. Extracten uit de eigen datalaag van het ERP. Exports uit de analytics- en datadiensten van SAP, Oracle of Dynamics, geland in bronze.
3. Het dataproduct van de ERP-leverancier. Voor SAP-klanten is SAP Business Data Cloud een optie. Daarin zit SAP Databricks, een beheerde Databricks-dienst binnen het SAP-aanbod, die Databricks algemeen beschikbaar maakte. Er is ook een zero-copy-deelroute van Business Data Cloud naar een bestaande Databricks-omgeving.

Welke route past, hangt af van licenties, datavolumes en hoe zwaar niet-ERP-data weegt. Het moeilijke deel is nooit het extract.

Het is de zakelijke betekenis: welke fabriek, welk grootboek, welke versie van een klant. Als u dat niet op orde hebt, behandelt mijn stuk over waarom datamigraties mislukken dezelfde grondoorzaken.

Maakindustrie. De sterkste case is ERP-data koppelen aan fabrieksdata. Machine- en sensormetingen uit historians en IoT-platforms, records uit het manufacturing execution system (MES), resultaten van kwaliteitsinspecties en onderhoudslogs. Gekoppeld aan ERP-orders, materialen en kosten beantwoordt die data vragen waar finance en operations allebei om geven: uitvalkosten per lijn, onderhoud vóór een storing, leverancierskwaliteit afgezet tegen de betaalde prijs.

Sensorvolumes zijn groot en rommelig. Een lakehouse kan daar beter mee overweg dan een traditioneel warehouse. In mijn werk in de maakindustrie was costing de eerste use case die het platform terugverdiende: grondstof- en arbeidskosten samenbrengen om tot een standaardkostprijs te komen.

Finance is al eigenaar van dat getal, dus de waarde is makkelijk te zien. Kiest u het ERP eronder nog, lees dan mijn vergelijking van ERP voor de maakindustrie.

Defensie. Hier zijn de vragen anders. Waar staat de data fysiek? Wie beheert het platform?

Kunnen gerubriceerde en ongerubriceerde data gescheiden blijven, met toegang die in een audit aantoonbaar is? Programma's lopen decennia, dus de platformkeuze moet meerdere technologiecycli overleven.

In mijn defensiewerk bepaalde de scheiding tussen gerubriceerde en ongerubriceerde data het ontwerp meer dan wat ook. Regel die scheiding voordat u ook maar één pipeline ontwerpt.

Architectuur doet er hier toe. In Databricks draait het control plane in het account van Databricks. Klassieke compute draait in uw eigen cloudaccount.

Serverless compute draait in het account van Databricks, in dezelfde regio. Voor een datalead in defensie is dat verschil het eerste gesprek, nog vóór een featuredemo. Voor werk voor de Amerikaanse overheid is er een aparte uitrol: Databricks on AWS GovCloud.

Buiten de VS controleert u de beschikbaarheid van regio's en sovereign clouds tegen uw regels voor dataresidentie en exportcontrole (inclusief verplichtingen van het ITAR-type) voordat u een shortlist maakt. Ik heb gemerkt dat de fijnmazige toegangscontrole en de auditlogs van Unity Catalog in deze beoordelingen zwaar wegen.

Het is makkelijk om Databricks voor de verkeerde taak te kopen.

1. Het is geen ERP en geen leidend systeem. Laat er geen transacties of het grootboek doorheen lopen. Lakebase verwerkt applicatiedata, niet uw grootboek.
2. Het is geen tool voor snelle dashboards. Als het doel twintig finance-dashboards op schone ERP-data is, is Databricks een zware route.
3. Het lost slecht data-eigenaarschap niet op. Als niemand eigenaar is van de klantstamgegevens, verwerkt Databricks de puinhoop alleen sneller.
4. Het draait niet vanzelf. U hebt data engineers nodig die SQL en Python schrijven, plus iemand die de kosten bewaakt. Uitgaven worden op gebruik gemeten, dus slecht geschreven jobs ziet u terug op de factuur.
5. Het is niet gratis voor zakelijk gebruik. De Free Edition is bedoeld om te leren en te experimenteren. De beperkingen van de Free Edition van Databricks vermelden dat die niet voor commerciële doeleinden mag worden gebruikt.

De vraag die ik het vaakst hoor: hebben we Databricks nodig, of volstaat een eenvoudiger warehouse? Zo kader ik het.

Uw situatie	Databricks past	Een eenvoudiger optie volstaat waarschijnlijk
Databronnen	ERP plus sensoren, MES, documenten, externe feeds	Vooral ERP- en CRM-tabellen
Datavolume en wijzigingen	Hoog volume, streaming of bijna realtime	Dagelijkse batch, gemiddeld volume
Belangrijkste gebruikers	Data engineers, datawetenschappers en analisten	Finance- en bedrijfsanalisten
AI- en ML-plannen	Gefinancierde use cases met eigenaren	Ideeën zonder sponsor
Teamvaardigheden	SQL- en Python-engineers in dienst of ingehuurd	Vooral BI- en Excel-vaardigheden
Governancebehoefte	Fijnmazige toegang, lineage, audit over veel bronnen	Standaard rolgebaseerde toegang

Als de meeste antwoorden in de rechterkolom vallen, begin dan met de analytics van uw ERP-leverancier of een beheerd warehouse. Voor een nauwkeurigere vergelijking leest u mijn verwante stukken over Snowflake vs Databricks en Databricks vs Microsoft Fabric.

Voor de kosten, zie de prijzen van Databricks uitgelegd. Databricks rekent compute af in Databricks Units (DBU's), op basis van pay-as-you-go of committed use, en cloudopslag en netwerk komen daar bovenop.

Een checklist voor de beslissing

1. Kunt u drie zakelijke beslissingen noemen die veranderen als het dataplatform werkt? Zo niet, stop en zoek ze eerst.
2. Welke databronnen hebt u nodig naast het ERP, en hoe groot zijn ze?
3. Wie is eigenaar van de stamgegevens voor klant, materiaal, leverancier en rekeningschema?
4. Wat zijn uw beperkingen rond dataresidentie, soevereiniteit en exportcontrole?
5. Hebt u een data-engineeringteam voor de lange termijn, of gaat u dat financieren?
6. Welke BI-tool blijft, en gaat die uit Databricks SQL lezen?
7. Wie is verantwoordelijk voor de maandelijkse platformkosten, en welk signaal leidt tot een review?
8. Wat zet u uit als dit live gaat? Is het antwoord niets, dan voegt u kosten toe in plaats van te consolideren.

Kies één use case met een benoemde zakelijke eigenaar en echt geld eraan verbonden. In de maakindustrie is dat vaak uitval, stilstand of voorraad. Bouw het via bronze, silver en gold, met Unity Catalog-governance aan vanaf de eerste tabel.

Meet het resultaat en de draaikosten. Beslis dan of u opschaalt.

Ik zou niet beginnen met een migratie voor de hele onderneming of met een AI-agent. Governance hoort in die eerste bouw, niet in een latere fase; mijn gids voor een AI-governanceframework legt uit waarom.

Weegt u Databricks af tegen andere platforms, of zoekt u uit hoe het naast SAP, Oracle of Dynamics 365 staat? Ik geef onafhankelijk advies over deze beslissingen. U kunt hier contact opnemen.

Wat is Databricks in eenvoudige woorden?

Databricks is een cloudplatform waar bedrijven grote hoeveelheden data opslaan, opschonen en analyseren, en er machine learning en AI op bouwen. Het draait op AWS, Microsoft Azure en Google Cloud. Zie het als de werkplaats tussen uw bronsystemen en uw rapporten, modellen en AI-tools.

Is Databricks een database of een datawarehouse?

Deels allebei. Databricks SQL is een clouddatawarehouse gebouwd op het lakehouse, en Lakebase is een beheerde Postgres-database voor applicaties. Daaronder staat de data als tabellen in open formaat op cloudopslag. Het is geen transactioneel leidend systeem zoals een ERP.

Wat is het verschil tussen Databricks en Snowflake?

Beide draaien SQL-analytics op clouddata. Databricks begon bij data engineering en machine learning op open formaten. Snowflake begon als beheerd SQL-datawarehouse. De twee overlappen nu sterk. De juiste keuze hangt af van uw datatypen, vaardigheden en AI-plannen. Mijn vergelijking Snowflake vs Databricks behandelt dit in detail.

Vervangt Databricks SAP of andere ERP-systemen?

Nee. Het ERP blijft het leidende systeem voor transacties en het grootboek. Databricks neemt kopieën van ERP-data, combineert die met andere bronnen zoals fabrieks- en sensordata, en levert analytics en AI. SAP-klanten kunnen ook SAP Databricks gebruiken binnen SAP Business Data Cloud.

Wat is de medallion-architectuur in Databricks?

Een manier om data in drie lagen te organiseren. Bronze bevat ruwe data zoals die binnenkwam. Silver bevat opgeschoonde en gevalideerde records. Gold bevat tabellen die klaar zijn voor rapportage, ML en AI. Elke laag is verfijnder dan de vorige, en zakelijke gebruikers horen alleen gold te gebruiken.

Is Databricks gratis te gebruiken?

Databricks Free Edition is gratis om te leren en te experimenteren, met quota en beperkte functies, en mag niet commercieel worden gebruikt. Zakelijk gebruik wordt op verbruik in DBU's gefactureerd, via pay-as-you-go of een committed-use-contract, met cloudopslag en netwerk daarbovenop.