Databricks 连接器为 Claude 提供了通过 Unity Catalog 访问您组织内部数据的能力，支持分析数据库、运行自定义业务逻辑和访问非结构化文档。Databricks 提供三个独立的连接器：一个用于函数，一个用于向量搜索，一个用于 Genie，每个都访问 Databricks 工作区内的不同功能。
Databricks 组件提醒
在探索 Claude 可以使用 Databricks 做什么之前，了解 Databricks 工作区内存在的三个核心组件很重要：
Unity Catalog 函数：您的组织为特定计算、数据转换或 API 集成创建的自定义 Python 或 SQL 函数。这些可能包括专有评分算法、标准化财务计算或特定业务的数据处理逻辑。
向量搜索：在您组织的文档和数据集上构建的语义搜索索引。这些允许搜索概念上相似的内容，即使精确关键字不匹配。
Genie：一个自然语言界面，将纯英文问题转换为针对您数据的 SQL 查询。Genie 使用关于您的表和列的元数据来理解业务术语并生成适当的查询。
此连接器提供的功能
集成功能
通过 Databricks 集成，Claude 可以访问您工作区中的资源：
执行自定义函数：Claude 可以运行由您的组织定义的 Unity Catalog 函数。这包括执行复杂的业务逻辑、应用计算或通过您的团队创建的函数调用外部 API。例如，如果您的组织构建了自定义客户健康评分函数，Claude 可以在分析中一致地应用它。
语义搜索：使用向量搜索索引，Claude 可以根据含义而不仅仅是关键字查找相关文档和内容。这对于搜索合同、研究报告、客户反馈或技术文档特别有用，其中相似的概念可能以不同的方式表达。
自然语言查询：通过 Genie，Claude 可以将纯英文问题转换为 SQL 查询。您无需编写复杂的 SQL，可以提出诸如"我们上个季度的收入增长是多少？"之类的问题，Claude 将使用 Genie 生成并执行适当的查询。
受管访问：通过连接器的所有数据访问都遵守您组织的 Unity Catalog 权限和策略。Claude 只能访问您的用户账户有权使用的数据和执行函数。
Claude 如何使用 Databricks 数据
Claude 以多种方式应用 Databricks 功能来支持全面的数据分析：
多源分析：Claude 结合来自数据库查询、向量搜索和自定义函数的结果来提供全面的见解。例如，在验证投资论点时，Claude 可能从您的投资组合数据库查询历史财务表现，搜索过去的尽职调查报告以了解类似的行业投资，并应用您的专有 IRR 计算函数来模拟预期回报。
迭代探索：Claude 可以查询数据、分析初始结果，并根据发现完善搜索。这允许进行分析，其中一个查询的见解为下一个查询提供信息。
自定义逻辑应用：通过执行 Unity Catalog 函数，Claude 应用您组织的特定规则和计算。这确保专有指标、调整后的计算和公司特定的逻辑在所有分析中统一应用。
上下文查询构建：当您用纯英文提出问题时，Claude 使用 Genie 将其转换为适当的 SQL 查询。此转换考虑您的表结构、列名和关系，以生成与您的数据库结构匹配的准确查询。
模式识别：通过向量搜索，Claude 可以在文档和数据中查找模式和相似性。这有助于查找相关问题、类似交易或可能通过传统关键字搜索不明显的可比情况。
设置 Databricks 连接器
Databricks 集成由三个独立的连接器组成，每个都需要单独设置：
函数服务器：访问 Unity Catalog 函数以进行计算、业务逻辑和数据转换。
向量搜索服务器：支持跨索引文档和数据集的语义搜索。
Genie 服务器：提供自然语言到 SQL 查询转换功能。
Databricks 连接器的技术详情可在 Databricks 的 MCP 服务器文档中找到。Databricks 连接器的身份验证通过 OAuth（用于 Claude.ai 和 Claude Desktop）或通过 Databricks 个人访问令牌（仅用于 Claude Desktop）处理。
作为组织所有者添加连接器
导航到 管理设置 > 连接器。
向下滚动并单击列表底部的"添加自定义连接器"。
输入 您的 Databricks 工作区的集成 URL
命名集成。请记住有三个独立的 Databricks 服务器，因此请考虑为每个服务器唯一命名（例如，"Databricks UC"、"Databricks Genie"、"Databricks Search"）
单击"添加"
对于个人用户
了解 查找和连接工具。
常见用例
可用资源示例
为了说明这些功能如何协同工作，考虑一个配置了以下 Databricks 资源的私募股权公司：
此场景中的表
portfolio_companies：公司详情、收购信息、当前估值和债务水平
financial_statements：期间财务报表，包括收入、调整后的 EBITDA 和客户数量、流失率等运营指标
market_comparables：行业可比公司及其估值倍数和增长率
due_diligence_docs：尽职调查报告、分析文档和交易备忘录的存储库
此场景中的 Unity Catalog 函数
calculate_normalized_ebitda()：对报告的 EBITDA 应用标准私募股权调整，消除一次性成本并标准化所有者补偿
compute_portfolio_irr()：根据现金流和持有期计算内部收益率和投资资本倍数
estimate_debt_capacity()：在各种情景下对最大杠杆能力进行建模，包括契约合规压力测试
此场景中的向量搜索索引
due_diligence_index：跨所有尽职调查文档、交易备忘录和分析报告的语义搜索
投资组合退出准备分析
示例输入提示：
哪些投资组合公司已准备好退出？根据当前市场倍数显示估值范围和
预期回报。
对于此分析，Claude 可能在以下步骤中使用不同的 UC 函数和 Genie：
Genie：识别持有超过 3 年的投资组合公司并检索其最新财务数据。
UC 函数：为每个公司调用
calculate_normalized_ebitda()以应用 PE 调整。UC 函数：执行
compute_portfolio_irr()为每个公司计算 IRR 和 MOIC。Genie：查询市场可比数据并将行业倍数应用于标准化 EBITDA 以获得估值范围。
Claude 随后可能会报告其结果，显示基于当前市场倍数的退出就绪公司及其 IRR、MOIC 和估值范围。
新交易估值
示例输入提示：
我们正在评估 TechCorp 收购（SaaS，收入 4500 万美元，EBITDA 1200 万美元）。
公平估值是多少，我们能支持多少债务？在您的分析中包括以前的
尽职调查记录。
为了完成此请求，Claude 可能遵循以下工作流程：
Genie：查询目标行业中类似规模公司的市场可比数据以建立估值基准。
UC 函数：使用目标指标调用
estimate_debt_capacity()以模拟杠杆情景并压力测试契约合规性。向量搜索：在尽职调查索引中搜索相关的价值创造剧本和先例交易。
综合：结合结果生成估值范围、推荐的资本结构和相关先例。
理想情况下，Claude 随后会提供关于估值范围和推荐报价价格的报告，同时引用支持其建议的来源。
契约违约风险评估
示例输入提示：
如果我们看到整个投资组合的 EBITDA 下降 15-25%，哪些公司面临
契约违约风险？我们应该采取什么行动？
对于此任务，Claude 可能使用以下资源：
Genie：识别有债务的投资组合公司，重点关注杠杆率超过 4 倍的公司。
UC 函数：为每个高杠杆公司调用 calculate_normalized_ebitda() 以建立基线。
UC 函数：为每个公司运行 estimate_debt_capacity()，分别进行 15%、20% 和 25% 下降情景。
Genie：查询历史财务数据以识别营运资本趋势恶化的公司。
Claude 随后可能会提供违约风险分析，按公司和情景组织。
使用 Databricks 的提示
明确说明您要查找的数据。
示例：与其说"分析客户"，不如说"按...显示我们的前 20 个客户"
使用"查找相似"语言进行模式匹配
示例："查找提及类似此投诉的问题的反馈。"
请记住，所有数据访问权限都遵循您的 Unity Catalog 权限。Claude 只能访问您可以访问的数据。
自定义函数提供一致的计算。考虑为计算标准化指标添加 UC 函数。
复杂分析可能需要多个步骤。先要求一个计划并审查 Claude 的建议方法。