Para que serve o Databricks? Um guia em linguagem simples

O Databricks serve para reunir os dados de uma empresa em um só lugar, limpá-los e transformá-los em relatórios, previsões e aplicações de IA. Em termos de negócio, é a plataforma onde os dados do seu ERP, das fábricas, do CRM e de arquivos são tratados até virarem algo em que pessoas e modelos possam confiar.

A resposta mais longa depende do seu problema, porque o Databricks é amplo. Ele cobre pipelines de dados, um data warehouse SQL, dashboards de BI, machine learning, agentes de IA e agora um banco de dados Postgres. Pouquíssimas empresas precisam de tudo isso no primeiro dia.

Trabalhei com Databricks em programas de plataforma de dados na indústria e no setor de defesa. Este guia é para o CIO, o CFO ou o líder de dados que está decidindo se ele cabe na sua arquitetura.

A visão geral da plataforma do próprio Databricks lista uma longa série de tarefas que ele executa. Na prática, eu vejo cinco.

1. Engenharia de dados e ETL. Extrair dados dos sistemas de origem, limpá-los e carregá-los em tabelas. É o caso de uso principal e costuma concentrar a maior parte do gasto. A família de produtos é o Lakeflow. O Lakeflow Connect cuida da ingestão e os Lakeflow pipelines (antigo Delta Live Tables) cuidam da transformação. O Lakeflow Designer é a preparação visual de dados, e o Lakeflow Jobs é a orquestração.
2. Data warehouse com Databricks SQL. O Databricks SQL é o data warehouse em nuvem da plataforma, rodando em SQL warehouses. Os analistas escrevem SQL sobre as mesmas tabelas que os engenheiros construíram. Sem uma cópia separada em outro warehouse.
3. BI e análise self-service. Os dashboards AI/BI ficam dentro da plataforma, e as tabelas também alimentam Power BI, Tableau ou o que sua empresa já usa. O Genie permite que usuários de negócio façam perguntas em linguagem natural sobre dados governados.
4. Machine learning. Previsão de demanda, manutenção preditiva, previsão de qualidade, precificação. O MLflow registra experimentos e modelos, e o model serving os coloca em produção.
5. IA generativa e agentes. O Agent Bricks é hoje o lugar para construir e governar agentes de IA sobre seus dados. O Genie One, lançado como disponível para uso geral em junho de 2026, é a interface para o usuário de negócio. Materiais mais antigos chamam boa parte dessas ferramentas de IA de Mosaic AI; as páginas de produto atuais destacam Agent Bricks e Genie.

Duas peças mais novas importam para alguns compradores. O Lakebase é um banco de dados Postgres gerenciado dentro da plataforma, para aplicações que precisam de leituras e gravações transacionais rápidas ao lado dos dados analíticos.

O Databricks anunciou o Lakebase como disponível para uso geral no início de 2026. O Databricks Apps, disponível para uso geral desde maio de 2025, permite que as equipes criem e hospedem aplicações internas de dados e IA na plataforma.

Uma observação sobre nomes, porque ela confunde os resultados de busca. O Databricks passou dois anos promovendo a "Data Intelligence Platform". As páginas de produto agora dizem "Databricks Data + AI Platform".

É a mesma plataforma. E o Databricks One foi renomeado para Genie One.

Antes do Databricks, a maioria das empresas mantinha dois sistemas. Um data lake guardava arquivos brutos e baratos, incluindo logs de sensores, documentos e imagens, para os cientistas de dados.

Um data warehouse guardava tabelas limpas e estruturadas para finanças e BI. Os dados eram copiados de um para o outro, e as duas cópias se distanciavam.

O lakehouse é a resposta do Databricks: manter uma única cópia dos dados em formatos abertos (tabelas Delta Lake no seu armazenamento em nuvem) e rodar BI e IA sobre ela. O Unity Catalog fica por cima e controla quem pode ver o quê, rastreia a linhagem e registra os acessos. Essa camada de governança é o que transforma uma pilha de arquivos em algo que um auditor aceita.

A maioria das equipes organiza o lakehouse com a arquitetura medallion. São três camadas, cada uma mais limpa que a anterior.

Como os dados passam pelas camadas medallion

1. 01

   Sistemas de origem

   ERP, MES, historiadores, CRM, planilhas e documentos.

2. 02

   Bronze

   Dados brutos gravados como chegaram. Mantidos para auditoria e reprocessamento.

3. 03

   Silver

   Limpos, sem duplicidades e validados. Uma versão confiável de cada registro.

4. 04

   Gold

   Modelados para o negócio: margem por produto, paradas por linha, gasto por fornecedor.

5. 05

   Consumidores

   Dashboards, relatórios financeiros, modelos de ML, agentes de IA e aplicações.

A versão para o líder de negócio: bronze é a evidência, silver é o registro limpo, gold é a resposta a uma pergunta de negócio. Seu CFO só deve ver gold. Seus cientistas de dados vão passar a maior parte do tempo em silver.

Nos programas industriais em que trabalhei, é no silver que está o esforço real. Códigos de material que diferem entre fábricas. Unidades de medida que não fecham.

Carimbos de data e hora de sensores no horário local contra lançamentos do ERP em UTC. Nada disso é um problema do Databricks, mas é no Databricks que você acaba resolvendo.

O Databricks não substitui o SAP S/4HANA, o Oracle Fusion Cloud ERP nem o Microsoft Dynamics 365. O ERP continua sendo o sistema de registro de pedidos, estoques, faturas e do razão. O Databricks recebe cópias desses dados, combina-as com dados que o ERP nunca vê e entrega análises e IA.

Os dados do ERP costumam chegar por um de três caminhos:

1. Conectores nativos ou de parceiros. O Lakeflow Connect, além de ferramentas de replicação de terceiros, extrai tabelas ou alterações de dados do banco do ERP ou das suas APIs.
2. Extrações da própria camada de dados do ERP. Exportações dos serviços de dados e de análise do SAP, da Oracle ou do Dynamics, gravadas no bronze.
3. O produto de dados do fornecedor do ERP. Para empresas SAP, o SAP Business Data Cloud é uma opção. Ele inclui o SAP Databricks, um serviço Databricks gerenciado dentro da oferta da SAP, que o Databricks anunciou como disponível para uso geral. Há também um caminho de compartilhamento zero-copy do Business Data Cloud para um ambiente Databricks já existente.

O caminho certo depende de licenciamento, volumes de dados e do peso dos dados que não vêm do ERP. A parte difícil nunca é a extração.

É o significado de negócio: qual fábrica, qual razão, qual versão de um cliente. Se você ainda não resolveu isso, meu texto sobre por que as migrações de dados falham trata das mesmas causas de fundo.

Indústria. O caso mais forte é cruzar dados do ERP com dados da fábrica. Leituras de máquinas e sensores vindas de historiadores e plataformas de IoT, registros do sistema de execução da manufatura (MES), resultados de inspeção de qualidade e registros de manutenção. Cruzados com pedidos, materiais e custos do ERP, esses dados respondem perguntas que interessam tanto a finanças quanto a operações: custo de refugo por linha, manutenção antes da quebra, qualidade do fornecedor contra o preço pago.

Os volumes de sensores são grandes e bagunçados. Um lakehouse lida com isso melhor que um data warehouse tradicional. No meu trabalho na indústria, o primeiro caso de uso que pagou a plataforma foi o custeio: reunir custos de matéria-prima e de mão de obra para chegar a um custo padrão.

Finanças já é dona desse número, então o valor fica fácil de ver. Se você ainda está escolhendo o ERP por baixo de tudo, veja minha comparação de ERP para a indústria.

Defesa. As perguntas são outras. Onde os dados ficam fisicamente? Quem opera a plataforma?

É possível manter dados classificados e não classificados separados, com o controle de acesso comprovado em auditoria? Os programas duram décadas, então a escolha da plataforma precisa sobreviver a vários ciclos de tecnologia.

No meu trabalho em defesa, separar dados classificados e não classificados moldou o desenho mais do que qualquer outra coisa. Resolva essa separação antes de desenhar um único pipeline.

A arquitetura importa aqui. No Databricks, o control plane roda na conta do Databricks. A computação clássica roda na sua própria conta de nuvem.

A computação serverless roda na conta do Databricks, na mesma região. Para um líder de dados em defesa, essa diferença é a primeira conversa, antes de qualquer demonstração de funcionalidade. Para trabalhos com o governo dos EUA existe uma implantação separada, o Databricks on AWS GovCloud.

Fora dos EUA, verifique a disponibilidade de regiões e de nuvem soberana frente às suas regras de residência de dados e de controle de exportação (incluindo obrigações do tipo ITAR) antes de montar a lista curta. Percebi que o controle de acesso granular e os logs de auditoria do Unity Catalog pesam muito nessas avaliações.

É fácil comprar Databricks para o trabalho errado.

1. Ele não é um ERP nem um sistema de registro. Não rode transações nem o razão por ele. O Lakebase lida com dados de aplicação, não com o seu razão geral.
2. Ele não é uma ferramenta rápida de dashboards. Se o objetivo são vinte dashboards financeiros sobre dados limpos do ERP, o Databricks é um caminho pesado para chegar lá.
3. Ele não corrige uma governança fraca dos dados. Se ninguém é dono do cadastro de clientes, o Databricks só vai processar a bagunça mais rápido.
4. Ele não roda sozinho. Você precisa de engenheiros de dados que saibam escrever SQL e Python, além de alguém acompanhando os custos. O gasto é medido pelo uso, então jobs mal escritos aparecem na fatura.
5. Ele não é gratuito para uso comercial. A Free Edition serve para aprender e experimentar. As limitações da Free Edition do Databricks dizem que ela não pode ser usada para fins comerciais.

A pergunta que mais ouço: precisamos do Databricks ou um warehouse mais simples resolveria? É assim que eu enquadro a questão.

Sua situação	O Databricks faz sentido	Uma opção mais simples provavelmente basta
Fontes de dados	ERP mais sensores, MES, documentos, fontes externas	Principalmente tabelas do ERP e do CRM
Volume e mudança dos dados	Alto volume, streaming ou quase tempo real	Carga diária em lote, volume moderado
Usuários principais	Engenheiros de dados, cientistas de dados e analistas	Analistas de finanças e de negócio
Planos de IA e ML	Casos de uso financiados e com donos	Ideias ainda sem patrocinador
Competências da equipe	Engenheiros de SQL e Python internos ou contratados	Principalmente BI e Excel
Necessidades de governança	Acesso granular, linhagem e auditoria em muitas fontes	Acesso padrão baseado em perfis

Se a maioria das suas respostas está na coluna da direita, comece pela solução analítica do seu fornecedor de ERP ou por um warehouse gerenciado. Para uma comparação mais detalhada, leia meus textos irmãos sobre Snowflake vs Databricks e Databricks vs Microsoft Fabric.

Sobre custos, veja preços do Databricks explicados. O Databricks cobra a computação em Databricks Units (DBUs), em pagamento conforme o uso ou em contratos de uso comprometido, e o armazenamento e a rede da nuvem vêm por cima.

Uma checklist para decidir

1. Você consegue citar três decisões de negócio que vão mudar se a plataforma de dados funcionar? Se não, pare e encontre essas decisões.
2. De quais fontes de dados você precisa além do ERP, e qual o tamanho delas?
3. Quem é dono dos dados mestre de cliente, material, fornecedor e plano de contas?
4. Quais são suas restrições de residência de dados, soberania e controle de exportação?
5. Você tem, ou vai financiar, uma equipe de engenharia de dados no longo prazo?
6. Qual ferramenta de BI continua, e ela vai ler do Databricks SQL?
7. Quem responde pelo gasto mensal da plataforma, e qual alerta dispara uma revisão?
8. O que você vai desligar quando isso entrar em produção? Se a resposta for nada, você está somando custo, não consolidando.

Escolha um caso de uso com um dono de negócio nomeado e dinheiro real em jogo. Na indústria, costuma ser refugo, paradas ou estoque. Construa esse caso passando por bronze, silver e gold, com a governança do Unity Catalog ligada desde a primeira tabela.

Meça o resultado e o custo de operação. Depois decida se vale escalar.

Eu não começaria com uma migração para a empresa inteira nem com um agente de IA. A governança pertence a essa primeira construção, não a uma fase posterior; meu guia de framework de governança de IA explica por quê.

Se você está comparando o Databricks com outras plataformas, ou entendendo como ele convive com SAP, Oracle ou Dynamics 365, eu ofereço aconselhamento independente sobre essas decisões. Você pode entrar em contato aqui.

O que é o Databricks, em termos simples?

O Databricks é uma plataforma em nuvem onde as empresas armazenam, limpam e analisam grandes volumes de dados e constroem machine learning e IA sobre eles. Ele roda na AWS, no Microsoft Azure e no Google Cloud. Pense nele como a oficina de engenharia entre seus sistemas de origem e seus relatórios, modelos e ferramentas de IA.

O Databricks é um banco de dados ou um data warehouse?

Os dois, em parte. O Databricks SQL é um data warehouse em nuvem construído sobre o lakehouse, e o Lakebase é um banco de dados Postgres gerenciado para aplicações. Por baixo, os dados ficam como tabelas em formato aberto no armazenamento em nuvem. Ele não é um sistema transacional de registro como um ERP.

Qual a diferença entre Databricks e Snowflake?

Os dois rodam análises SQL sobre dados na nuvem. O Databricks nasceu da engenharia de dados e do machine learning sobre formatos abertos. O Snowflake nasceu como um data warehouse SQL gerenciado. Hoje os dois se sobrepõem bastante. A escolha certa depende dos seus tipos de dados, das competências da equipe e dos planos de IA. Minha comparação Snowflake vs Databricks trata disso em detalhe.

O Databricks substitui o SAP ou outros sistemas ERP?

Não. O ERP continua sendo o sistema de registro das transações e do razão. O Databricks recebe cópias dos dados do ERP, combina-as com outras fontes, como dados de fábrica e de sensores, e entrega análises e IA. Clientes SAP também podem usar o SAP Databricks dentro do SAP Business Data Cloud.

O que é a arquitetura medallion no Databricks?

É uma forma de organizar os dados em três camadas. O bronze guarda os dados brutos como chegaram. O silver guarda registros limpos e validados. O gold guarda tabelas prontas para o negócio, para relatórios, ML e IA. Cada camada é mais refinada que a anterior, e os usuários de negócio só devem consumir o gold.

O Databricks é gratuito?

O Databricks Free Edition é gratuito para aprender e experimentar, com cotas e limites de funcionalidades, e não pode ser usado para fins comerciais. O uso empresarial é cobrado pelo consumo em DBUs, em pagamento conforme o uso ou por contrato de uso comprometido, com armazenamento e rede da nuvem por cima.