El conector de Databricks proporciona a Claude acceso a los datos internos de su organización a través de Unity Catalog, permitiendo el análisis de sus bases de datos, la ejecución de lógica empresarial personalizada y el acceso a documentos no estructurados. Databricks proporciona tres conectores separados: uno para funciones, uno para búsqueda vectorial y uno para Genie, cada uno accediendo a diferentes capacidades dentro de su espacio de trabajo de Databricks.
Recordatorio sobre componentes de Databricks
Antes de explorar lo que Claude puede hacer con Databricks, es importante entender tres componentes principales que existen dentro de su espacio de trabajo de Databricks:
Funciones de Unity Catalog: Funciones personalizadas de Python o SQL que su organización ha creado para cálculos específicos, transformaciones de datos o integraciones de API. Estos podrían incluir algoritmos de puntuación propietarios, cálculos financieros normalizados o lógica de procesamiento de datos específica del negocio.
Búsqueda Vectorial: Índices de búsqueda semántica construidos sobre los documentos y conjuntos de datos de su organización. Estos permiten buscar contenido conceptualmente similar incluso cuando las palabras clave exactas no coinciden.
Genie: Una interfaz de lenguaje natural que traduce preguntas en inglés simple en consultas SQL contra sus datos. Genie utiliza metadatos sobre sus tablas y columnas para entender la terminología empresarial y generar consultas apropiadas.
Lo que proporciona este conector
Capacidades de integración
A través de la integración de Databricks, Claude puede acceder a recursos en su espacio de trabajo:
Ejecutar funciones personalizadas: Claude puede ejecutar funciones de Unity Catalog definidas por su organización. Esto incluye ejecutar lógica empresarial compleja, aplicar cálculos o llamar a API externas a través de funciones que su equipo ha creado. Por ejemplo, si su organización ha construido una función personalizada de puntuación de salud del cliente, Claude puede aplicarla consistentemente en todos los análisis.
Búsqueda semántica: Utilizando índices de búsqueda vectorial, Claude puede encontrar documentos y contenido relevantes basados en el significado en lugar de solo palabras clave. Esto es particularmente útil para buscar en contratos, informes de investigación, comentarios de clientes o documentación técnica donde conceptos similares podrían expresarse de diferentes maneras.
Consultas en lenguaje natural: A través de Genie, Claude puede traducir preguntas en inglés simple en consultas SQL. En lugar de escribir SQL complejo, puede hacer preguntas como "¿Cuál fue nuestro crecimiento de ingresos el trimestre pasado?" y Claude usará Genie para generar y ejecutar la consulta apropiada.
Acceso gobernado: Todo acceso a datos a través del conector respeta los permisos y políticas de Unity Catalog de su organización. Claude solo puede acceder a datos y ejecutar funciones que su cuenta de usuario tiene permiso para usar.
Cómo Claude utiliza datos de Databricks
Claude aplica capacidades de Databricks de varias maneras para apoyar análisis de datos integral:
Análisis de múltiples fuentes: Claude combina resultados de consultas de bases de datos, búsquedas vectoriales y funciones personalizadas para proporcionar información integral. Por ejemplo, al validar una tesis de inversión, Claude podría consultar el desempeño financiero histórico de su base de datos de cartera, buscar en informes de diligencia debida anteriores inversiones de sectores similares y aplicar su función de cálculo de TIR propietaria para modelar rendimientos esperados.
Exploración iterativa: Claude puede consultar datos, analizar resultados iniciales y refinar búsquedas basadas en hallazgos. Esto permite análisis donde los conocimientos de una consulta informan la siguiente.
Aplicación de lógica personalizada: Al ejecutar funciones de Unity Catalog, Claude aplica las reglas y cálculos específicos de su organización. Esto asegura que las métricas propietarias, cálculos ajustados y lógica específica de la empresa se apliquen uniformemente en todos los análisis.
Construcción de consultas contextual: Cuando hace preguntas en inglés simple, Claude usa Genie para traducirlas en consultas SQL apropiadas. Esta traducción considera sus estructuras de tabla, nombres de columnas y relaciones para generar consultas precisas que coincidan con su estructura de base de datos.
Reconocimiento de patrones: A través de búsqueda vectorial, Claude puede encontrar patrones y similitudes en documentos y datos. Esto ayuda a encontrar problemas relacionados, transacciones similares o situaciones comparables que podrían no ser obvias a través de búsquedas tradicionales por palabras clave.
Configuración del conector de Databricks
La integración de Databricks consta de tres conectores separados, cada uno requiere configuración separada:
Servidor de funciones: Accede a funciones de Unity Catalog para cálculos, lógica empresarial y transformaciones de datos.
Servidor de búsqueda vectorial: Habilita búsqueda semántica en documentos y conjuntos de datos indexados.
Servidor Genie: Proporciona capacidades de traducción de lenguaje natural a consultas SQL.
Los detalles técnicos de los conectores de Databricks se pueden encontrar en la documentación del servidor MCP de Databricks. La autenticación con los conectores de Databricks se maneja a través de OAuth (para Claude.ai y Claude Desktop) o a través de un token de acceso personal de Databricks (solo para Claude Desktop).
Agregar el conector como propietario de la organización
Navegue a Configuración de administración > Conectores.
Desplácese hacia abajo y haga clic en "Agregar conector personalizado" en la parte inferior de la lista.
Ingrese la URL de integración para su espacio de trabajo de Databricks
Nombre la integración. Recuerde que hay tres servidores de Databricks separados, así que considere nombrar cada uno de manera única (por ejemplo, "Databricks UC", "Databricks Genie", "Databricks Search")
Haga clic en "Agregar"
Para usuarios individuales
Obtenga información sobre cómo encontrar y conectar herramientas.
Casos de uso comunes
Ejemplo de recursos disponibles
Para ilustrar cómo funcionan estas capacidades juntas, considere una firma de capital privado con los siguientes recursos de Databricks configurados:
Tablas en este escenario
portfolio_companies: Detalles de la empresa, información de adquisición, valuaciones actuales y niveles de deuda
financial_statements: Financieros de período incluyendo ingresos, EBITDA con ajustes y métricas operacionales como cantidad de clientes y tasa de abandono
market_comparables: Empresas comparables del sector con múltiplos de valuación y tasas de crecimiento
due_diligence_docs: Repositorio de informes de diligencia debida, documentos de análisis y memorandos de transacción
Funciones de Unity Catalog en este escenario
calculate_normalized_ebitda(): Aplica ajustes estándar de capital privado al EBITDA reportado, eliminando costos únicos y normalizando compensación del propietario
compute_portfolio_irr(): Calcula la tasa interna de retorno y dinero sobre capital invertido basado en flujos de efectivo y períodos de tenencia
estimate_debt_capacity(): Modela la capacidad de apalancamiento máximo con prueba de estrés de cumplimiento de convenios bajo varios escenarios
Índice de búsqueda vectorial en este escenario
due_diligence_index: Búsqueda semántica en todos los documentos de diligencia debida, memorandos de transacción e informes de análisis
Análisis de preparación para salida de cartera
Ejemplo de solicitud de entrada:
¿Cuáles empresas de cartera están listas para salida? Mostrar rangos de valuación y
rendimientos esperados basados en múltiplos de mercado actuales.
Para este análisis, Claude podría usar las diferentes funciones de UC y Genie en los siguientes pasos:
Genie: Identificar empresas de cartera mantenidas >3 años y recuperar sus financieros más recientes.
Función UC: Llamar a
calculate_normalized_ebitda()para cada empresa para aplicar ajustes de PE.Función UC: Ejecutar
compute_portfolio_irr()para calcular TIR y MOIC para cada empresa.Genie: Consultar comparables de mercado y aplicar múltiplos de sector a EBITDA normalizado para rangos de valuación.
Claude podría entonces reportar sus resultados en un resumen mostrando empresas listas para salida con TIR, MOIC y rangos de valuación basados en múltiplos de mercado actuales.
Valuación de nueva transacción
Ejemplo de solicitud de entrada:
Estamos evaluando la adquisición de TechCorp (SaaS, ingresos de $45M, EBITDA de $12M).
¿Cuál es una valuación justa y cuánta deuda podemos soportar? Incluir registros de
diligencia debida anteriores en su análisis.
Para completar esta solicitud, Claude podría seguir este flujo de trabajo:
Genie: Consultar comparables de mercado para empresas de tamaño similar en el sector del objetivo para establecer puntos de referencia de valuación.
Función UC: Llamar a
estimate_debt_capacity()con métricas objetivo para modelar escenarios de apalancamiento y prueba de estrés de cumplimiento de convenios.Búsqueda vectorial: Buscar en el índice de diligencia debida libros de jugadas de creación de valor relevantes y transacciones precedentes.
Síntesis: Combinar resultados para generar rango de valuación, estructura de capital recomendada y precedentes relevantes.
Idealmente, Claude respondería entonces con un informe sobre el rango de valuación y un precio de oferta recomendado, mientras cita fuentes que conducen a su recomendación.
Evaluación de riesgo de incumplimiento de convenios
Ejemplo de solicitud de entrada:
Si vemos una disminución de EBITDA del 15-25% en toda la cartera, ¿cuáles empresas
corren riesgo de incumplimiento de convenios? ¿Qué acciones debemos tomar?
Para esta tarea, Claude podría usar los siguientes recursos:
Genie: Identificar empresas de cartera con deuda, enfocándose en aquellas con apalancamiento >4x.
Función UC: Llamar a calculate_normalized_ebitda() para cada empresa de alto apalancamiento para establecer línea base.
Función UC: Ejecutar estimate_debt_capacity() con escenarios de disminución del 15%, 20% y 25% para cada empresa.
Genie: Consultar financieros históricos para identificar empresas con tendencias de capital de trabajo deterioradas.
Claude podría entonces responder con un análisis de riesgo de incumplimiento, organizado por empresa y escenario.
Consejos para usar Databricks
Sea específico sobre qué datos está buscando.
Ejemplo: En lugar de "Analizar clientes", intente "Mostrarme nuestros 20 clientes principales por…"
Use lenguaje "encontrar similar" para coincidencia de patrones
Ejemplo: "Encontrar comentarios que mencionen problemas como esta queja."
Recuerde que todos los permisos de acceso a datos siguen sus permisos de Unity Catalog. Claude solo puede acceder a los datos a los que usted puede acceder.
Las funciones personalizadas proporcionan cálculos consistentes. Considere agregar funciones UC para calcular métricas estandarizadas.
Los análisis complejos pueden requerir múltiples pasos. Pida un plan primero y revise el enfoque propuesto de Claude.