# Databricks Reviews **Vendor:** Databricks Inc. **Category:** [Sistemas de Procesamiento y Distribución de Grandes Datos](https://www.g2.com/es/categories/big-data-processing-and-distribution) **Average Rating:** 4.6/5.0 **Total Reviews:** 804 ## About Databricks Databricks es una plataforma unificada de datos e inteligencia artificial que ayuda a las organizaciones a construir, gobernar y escalar canalizaciones de datos, análisis, aprendizaje automático, aplicaciones de IA y agentes. Más de 20,000 organizaciones en todo el mundo, incluidas adidas, AT&T, Bayer, Block, Mastercard, Rivian, Unilever y el 70% de las empresas Fortune 500, confían en Databricks para trabajar con datos empresariales e inteligencia artificial a gran escala. Con sede en San Francisco y más de 30 oficinas en todo el mundo, Databricks ofrece una plataforma unificada que incluye Agent Bricks, Lakeflow, Lakehouse, Lakebase, Genie y Unity Catalog. Fundada en 2013 por los creadores originales de Apache Spark™, Delta Lake, MLflow y Unity Catalog, Databricks está construida sobre una arquitectura de lakehouse abierta que reúne datos, análisis e inteligencia artificial. La plataforma es utilizada por ingenieros de datos, científicos de datos, analistas, desarrolladores, equipos de aprendizaje automático, equipos de inteligencia artificial y usuarios de negocios para colaborar a lo largo de todo el ciclo de vida de los datos y la inteligencia artificial. Las capacidades clave de Databricks incluyen: - Ingeniería de datos: Construir, automatizar y gestionar canalizaciones de datos por lotes, en streaming y en tiempo real de manera confiable. - Análisis e inteligencia empresarial: Ejecutar análisis SQL, crear paneles de control y permitir que los equipos de negocios exploren datos. - Gobernanza de datos: Descubrir, asegurar y gestionar activos de datos e inteligencia artificial a través de equipos, nubes y cargas de trabajo. - Aprendizaje automático e inteligencia artificial: Desarrollar modelos, construir aplicaciones de inteligencia artificial generativa y crear agentes de inteligencia artificial de grado de producción. - Aplicaciones de datos: Construir y desplegar aplicaciones impulsadas por datos utilizando datos empresariales gobernados. Disponible en AWS, Azure y Google Cloud, Databricks ayuda a las organizaciones a trabajar a través de nubes, reducir silos de datos y simplificar la colaboración entre equipos y herramientas. Los clientes utilizan Databricks para casos de uso como personalización del cliente, detección de fraude, mantenimiento predictivo, análisis en tiempo real, ciberseguridad, investigación en salud, gestión de riesgos financieros, optimización de la cadena de suministro y toma de decisiones impulsada por inteligencia artificial. Databricks se utiliza en industrias como servicios financieros, salud y ciencias de la vida, comercio minorista, manufactura, energía y el sector público. Las organizaciones utilizan la plataforma para modernizar la infraestructura de datos, acelerar la adopción de inteligencia artificial y convertir los datos empresariales en valor de negocio. ## Databricks Pros & Cons **What users like:** - Los usuarios elogian la **facilidad de uso y las numerosas características** de Databricks, mejorando sus tareas de procesamiento de datos y aprendizaje automático. (192 reviews) - Los usuarios elogian la **facilidad de uso** de Databricks, mejorando su experiencia general con su interfaz intuitiva. (155 reviews) - Los usuarios aprecian las **integraciones fluidas** de Databricks, mejorando el procesamiento en tiempo real y apoyando varios lenguajes de desarrollo. (141 reviews) - Los usuarios valoran la **colaboración fluida** que ofrece Databricks, mejorando el trabajo en equipo en proyectos de datos con información en tiempo real. (114 reviews) - Los usuarios valoran las **funciones analíticas integradas** de Databricks, mejorando las operaciones y proporcionando información completa sobre la tecnología. (113 reviews) - Escalabilidad (111 reviews) - Integración de ML (106 reviews) - Los usuarios aprecian las **fáciles integraciones** de Databricks, conectándose sin problemas con la infraestructura en la nube y mejorando la gestión de datos. (102 reviews) - Aprendizaje Automático (97 reviews) - A los usuarios les encantan las **características efectivas de gestión de datos** de Databricks, que simplifican los flujos de trabajo y mejoran las capacidades de toma de decisiones. (87 reviews) **What users dislike:** - Los usuarios notan una **curva de aprendizaje** significativa con Databricks, particularmente debido a sus complejos permisos y modos de computación. (78 reviews) - Los usuarios encuentran que Databricks es **caro** , especialmente al manejar grandes cantidades de datos, lo que limita su accesibilidad para algunos clientes. (71 reviews) - Los usuarios encuentran el **empinado aprendizaje** de Databricks desafiante, especialmente para aquellos que son nuevos en las herramientas de big data. (64 reviews) - Los usuarios encuentran la **complejidad** de Databricks desafiante, especialmente con las características avanzadas y los requisitos de configuración inicial. (45 reviews) - Los usuarios experimentan un **proceso de configuración complejo** inicialmente, pero el soporte ayuda a simplificar la experiencia con el tiempo. (35 reviews) - Problemas de rendimiento (34 reviews) - Los usuarios enfrentan **problemas de interfaz de usuario poco intuitiva** que conducen a errores aleatorios y complican la experiencia para los usuarios no técnicos. (34 reviews) - Diseño de interfaz de usuario deficiente (33 reviews) - Los usuarios encuentran que las **características faltantes** en Databricks son limitantes, obstaculizan la productividad y complican la experiencia general. (31 reviews) - Costo (29 reviews) ## Databricks Reviews ### 1. Potente Lakehouse para Big Data, Colaboración y Pipelines Eficientes **Rating:** 4.5/5.0 stars **Reviewed by:** Konjengbam M. | BDR, Servicios Financieros, Mediana Empresa (51-1000 empleados) **Reviewed Date:** June 10, 2026 **¿Qué es lo que más le gusta de Databricks?** Me encanta esta plataforma por su capacidad para manejar grandes volúmenes de datos de manera eficiente. Me encanta la idea del Data Lakehouse de esta plataforma. El trabajo colaborativo que soporta esta plataforma mejora enormemente la productividad y el trabajo en equipo. En nuestro contexto de uso de la consulta SQL de Databricks, podemos identificar fácilmente la mejor coincidencia de emprendedores necesarios para aprovechar un esquema específico. Esto ahorra tiempo y aumenta la eficiencia. La capacidad de esta plataforma para analizar el rendimiento pasado y las tendencias nos permite trazar un enfoque altamente dirigido que es realmente eficiente. Me encanta la capacidad de esta plataforma para identificar activos estresados probables que podrían ser un problema para futuras inversiones. Esto nos hace replantear nuestra estrategia y enfoque hacia la mejor y más eficiente manera de avanzar. Siento que la plataforma tiene una interfaz amigable para el usuario. Me encanta la capacidad de integración de esta plataforma ya que se integra con la mayoría de las principales plataformas. Esto hace que esta plataforma sea más robusta y poderosa. La incorporación a esta plataforma también es fácil ya que pudimos iniciar sesión fácilmente con nuestro ID de Google. Además de esto, me encanta la capacidad de esta plataforma para crear pipelines. La capacidad de esta plataforma para crear agentes también facilita las tareas. También mejora la capacidad para manejar la carga de trabajo de manera más efectiva y eficiente. **¿Qué es lo que no le gusta de Databricks?** Me encanta la mayor parte de esta plataforma, pero debo admitir que el usuario necesitará algo de capacitación para ser más eficiente. Siento que tener una experiencia más técnica se adaptará bien a esta plataforma. También desearía que el precio de esta plataforma fuera más moderado. Francamente, la precisión del resultado de esta plataforma depende de lo limpia que esté la información. Así que siempre existe la posibilidad de que se filtre información no limpia. Esto impactará directamente en el resultado. **¿Qué problemas resuelve Databricks y cómo le beneficia eso?** Francamente, esta plataforma se traduce en asistencia para la toma de decisiones precisas. La decisión tomada al usar esta plataforma impacta directamente en la productividad y evita riesgos. **Official Response from Jess Darnell:** > Estamos encantados de saber que encuentras Databricks potente y eficiente para manejar grandes volúmenes de datos, colaborar y crear flujos de trabajo. Agradecemos tus comentarios sobre la interfaz fácil de usar, las capacidades de integración y el proceso de incorporación sencillo. ### 2. Databricks en mi caso: múltiples integraciones, interfaz intuitiva y rendimiento confiable **Rating:** 4.0/5.0 stars **Reviewed by:** Yelnur K. | Schedule Manager, Aerolíneas/Aviación, Mediana Empresa (51-1000 empleados) **Reviewed Date:** May 19, 2026 **¿Qué es lo que más le gusta de Databricks?** Lo que más me gusta de Databricks es su parte de Integraciones. En el lugar de trabajo, integramos la base de datos con múltiples fuentes de datos. Además, no puedo completar mi reseña sin mencionar el diseño de UX y UI, que hace que el flujo de trabajo general se sienta intuitivo y realmente fácil de usar. En cuanto a la velocidad de los procesos, nunca nos ha decepcionado. Funciona como se espera. Comparativamente con los precios del mercado, el precio del servicio es bastante confiable para nosotros. Hay un centro de ayuda de Databricks, si no puedes encontrar respuestas a tus preguntas, hay especialistas que pueden asistirte con tus consultas. Por ejemplo, recuerdo un caso en el que tuvimos un problema durante el proceso de examen, nos ayudaron a resolver este problema. **¿Qué es lo que no le gusta de Databricks?** A algunos no les gusta la calidad de la IA de Genie. Chicos, podría mejorarse, especialmente la parte de razonamiento. También, puedo mencionar el caso cuando tuvimos un problema con el proceso de examen. Los especialistas nos ayudaron, pero nos causó algunas incomodidades. Bueno, **¿Qué problemas resuelve Databricks y cómo le beneficia eso?** En aviación, utilizamos este software para el análisis de datos. Automatizamos muchos procesos que las herramientas de trabajo simples no pueden manejar. También, nos integramos con múltiples herramientas (cuyos nombres no puedo mencionar por razones de seguridad). En particular, nos ayuda a analizar la demanda de pasajeros por ruta y temporada. Combinamos y analizamos grandes conjuntos de datos usando este software. En general, es una buena herramienta. Nuestro equipo está satisfecho. **Official Response from Sara Steffen:** > Gracias por tus comentarios detallados. Nos complace saber que Databricks ha sido fundamental en la automatización de procesos y el análisis de grandes conjuntos de datos para tus necesidades de aviación. Tomamos en serio tus comentarios sobre Genie y los procesos de soporte y estamos dedicados a realizar mejoras en estas áreas. ### 3. Lakebase - Buena opción para servir datos con baja latencia con integración de Databricks **Rating:** 4.5/5.0 stars **Reviewed by:** Senthil K. | Associate Director, Mediana Empresa (51-1000 empleados) **Reviewed Date:** March 25, 2026 **¿Qué es lo que más le gusta de Databricks?** He configurado el "lakebase" que está sincronizado con "lakehouse" para el acceso de baja latencia de aplicaciones empresariales, hemos habilitado las siguientes opciones: - "Lakebase" usando Postgres 17, la API de Datos HTTPS está ayudando a acceder a la base de datos de una manera más fácil desde las aplicaciones de Databricks. - Sincronización de integración entre "Lakehouse" y "Lakebase" para acceso a la API. - Tiene opción de ramificación para mantener cambios en el esquema o características. - Restaurar desde un punto/tiempo anterior en la historia - ayuda a reducir el esfuerzo de recuperación - Soporte de instantáneas y copias de seguridad. - Opción de escalado automático de cómputo y suspensión. - Monitoreo, registros y métricas de consultas están dando visibilidad sobre consultas activas, rendimiento y salud de la base de datos. - El acceso OAuth y la conexión basada en roles de Postgres están ayudando a una mejor seguridad y acceso controlado. Modelo de precios de "Lakebase" con opción de escalado automático y reducción de escala basado en el precio de cómputo disponible. **¿Qué es lo que no le gusta de Databricks?** Lakebase no tiene todas las características de Postgres disponibles, por lo que no podemos migrar directamente ningún Postgres existente a Lakebase. La reducción a cero no ocurre instantáneamente, enfrentamos algunos problemas como la desconexión de la aplicación por un corto tiempo, pausas temporales. Las operaciones administrativas personalizadas en la base de datos Postgres son limitadas y no son posibles. **¿Qué problemas resuelve Databricks y cómo le beneficia eso?** Lakebase ayuda a servir datos de inventario casi en tiempo real, seguimiento de disponibilidad y reducción de situaciones de falta de stock. Los datos procesados de Lakehouse pueden ser servidos a través de Lakebase para patrones de compra de clientes, recomendaciones de productos y efectividad de promociones. Los datos de ventas transaccionales pueden estar disponibles rápidamente para paneles a nivel de tienda, ayudando a los equipos de negocio a monitorear tendencias de ventas usando aplicaciones web. Disponibilidad de datos operativos casi en tiempo real las aplicaciones acceden a datos de baja latencia para precios, promociones para integraciones TPO-TPM. También integramos la IA para incluir el contexto en tiempo real Baja latencia **Official Response from Janelle Glover:** > Gracias por compartir sus experiencias positivas con Genie, incluyendo su capacidad para cerrar la brecha entre los equipos de negocio y de datos, eliminar los silos de datos y mejorar la visibilidad de costos y rendimiento. Entendemos sus preocupaciones sobre las limitaciones del Modo Agente y la necesidad de mayor autonomía. Trabajaremos en abordar estas áreas para mejorar su experiencia general. ### 4. Plataforma Delta Lake Todo en Uno que Hace el ETL Rápido y Rentable **Rating:** 5.0/5.0 stars **Reviewed by:** Kavipriya S. | Data Engineer, Tecnología de la información y servicios, Mediana Empresa (51-1000 empleados) **Reviewed Date:** May 27, 2026 **¿Qué es lo que más le gusta de Databricks?** Delta Lake + Workflows + Unity Catalog en una sola plataforma eliminó la necesidad de unir herramientas separadas de ingestión, transformación y gobernanza. Como ingeniero de datos, paso más tiempo construyendo pipelines y menos tiempo gestionando infraestructura. La experiencia en el notebook y el autoescalado de clústeres hacen que iterar en ETL complejos sea rápido y rentable. **¿Qué es lo que no le gusta de Databricks?** Los tiempos de arranque de clústeres y la previsibilidad de costos siguen siendo los mayores puntos de fricción para mí. Los arranques en frío pueden realmente ralentizar el trabajo ad-hoc, y los costos de DBU necesitan un monitoreo cercano para evitar sorpresas desagradables. La interfaz de usuario de Workflows ha mejorado mucho con el tiempo, pero aún no se siente tan flexible como los orquestadores dedicados cuando se trata de manejar DAGs más complejos. Aun así, veo estos como elementos principalmente de pulido: el valor central de la plataforma fácilmente los supera. **¿Qué problemas resuelve Databricks y cómo le beneficia eso?** Databricks aborda un importante problema de fragmentación en nuestra pila de ingeniería de datos. Anteriormente, dependíamos de herramientas separadas para la ingestión, transformación, orquestación y gobernanza, cada una con su propia curva de aprendizaje, sobrecarga de mantenimiento y posibles puntos de fallo. Ahora, está consolidado en una sola plataforma. En la práctica, nos ayuda a ejecutar pipelines ETL a gran escala que procesan millones de registros diariamente, con Delta Lake mejorando la fiabilidad a través de transacciones ACID, aplicación de esquemas y viaje en el tiempo para depuración. También cierra la brecha de colaboración entre ingenieros de datos y científicos de datos: nosotros construimos los pipelines, y ellos pueden consumir las mismas tablas directamente en notebooks sin duplicación de datos o problemas de sincronización. Unity Catalog resolvió un problema de gobernanza de larga data al centralizar el control de acceso en todos los espacios de trabajo. En general, el resultado es un desarrollo de pipelines más rápido, menos incidentes de producción relacionados con problemas de calidad de datos y mucho menos código de integración que mantener. Lo que solía llevar semanas construir y estabilizar ahora lleva días. **Official Response from Jess Darnell:** > Nos complace saber que Databricks ha consolidado su pila de ingeniería de datos y mejorado la fiabilidad de sus canalizaciones ETL. Entendemos sus comentarios sobre los tiempos de inicio de los clústeres y la previsibilidad de los costos, y estamos trabajando activamente para optimizar estos aspectos de nuestra plataforma para ofrecer una mejor experiencia de usuario. ### 5. Potentes tuberías de telemetría de baja latencia con tablas de transmisión y vistas materializadas **Rating:** 4.0/5.0 stars **Reviewed by:** Jose P. | Head of Network Strategy, Telecomunicaciones, Empresa (> 1000 empleados) **Reviewed Date:** May 26, 2026 **¿Qué es lo que más le gusta de Databricks?** En un entorno de telecomunicaciones que maneja volúmenes masivos de datos de redes fijas y móviles (GPON, núcleo 4g/5g y RAN) ingiriendo telemetría de frecuencia no estructurada o semiestructurada de manera incremental desde nuestras funciones virtualizadas como vEPC, vCPE o VHGW) con una configuración mínima. Mi equipo trabaja estrechamente con funciones de red virtualizadas y Computación en el Borde de Acceso Múltiple. Características como Tablas de Transmisión y Vistas Materializadas nos ayudan a construir canalizaciones de baja latencia que procesan métricas de rendimiento de la red casi en tiempo real, ayudándonos a monitorear los KPI de la red y la eficiencia de QoS. Debido a que la experiencia principal de mi equipo radica en el diseño de redes y la virtualización de sistemas en lugar de la administración de bases de datos, la Optimización Predictiva y el Clustering Líquido son altamente beneficiosos. Manejan de manera autónoma el mantenimiento de tablas, la compactación de archivos y la optimización del diseño de datos, liberando nuestros recursos para centrarnos en la arquitectura de la red. **¿Qué es lo que no le gusta de Databricks?** Las funciones de red virtualizadas, los enrutadores y el hardware desagregado con frecuencia se someten a actualizaciones de software, que a menudo introducen cambios sutiles en los esquemas de salida de telemetría. Al usar transmisión estructurada o cargadores automáticos, estas desviaciones de esquema hacen que nuestras consultas de transmisión fallen, lo que requiere un reinicio manual del flujo para volver a planificar el esquema. Cuando necesitamos actualizar la lógica de un KPI de red complejo definido dentro de una vista materializada, cualquier cambio en la consulta desencadena un recálculo completo de la vista. Dada la escala masiva de los conjuntos de datos de transacciones de telecomunicaciones, esto puede resultar en costos de cómputo notables. Dependemos de una variedad de herramientas de datos dentro de nuestro ecosistema de TIC, no todas las soluciones presentadas en Partner Connect soportan nativamente Unity Catalog. Esto puede crear obstáculos de integración y gobernanza cuando intentamos conectar ciertas herramientas de análisis y preparación de datos de terceros a nuestro lago de datos seguro. **¿Qué problemas resuelve Databricks y cómo le beneficia eso?** Ingerimos flujos continuos de datos de rendimiento de funciones de red virtualizadas y capas de transporte tradicionales. Al construir canalizaciones de transmisión, podemos monitorear núcleos virtualizados y enrutadores para identificar anomalías o degradaciones en el tráfico de red. Alineándome con mi interés en la IA de redes y el aprendizaje automático, nuestros científicos de datos utilizan la plataforma para desarrollar modelos predictivos. Entrenamos modelos en fallos históricos de líneas GPON/DSL, cargas de torres de telefonía móvil y patrones de uso de clientes para predecir la congestión de la red, programar mantenimiento proactivo y mitigar la pérdida de clientes en diferentes segmentos. Como evangelista de la evolución tecnológica, utilizo la plataforma para cerrar la brecha entre nuestros equipos de ingeniería de red central y las unidades de negocio. Al conectar la semántica empresarial y establecer protocolos seguros de Delta Sharing, proporcionamos a los analistas de negocio y a los responsables de la toma de decisiones acceso autogestionado y regulado a los conocimientos de la red sin comprometer el cumplimiento de la seguridad. **Official Response from Jess Darnell:** > Es fantástico escuchar cómo Databricks te está ayudando a ingerir y procesar flujos continuos de datos de rendimiento, desarrollar modelos predictivos y cerrar la brecha entre los equipos de ingeniería de redes y las unidades de negocio. Estamos comprometidos a proporcionar soluciones que beneficien a nuestros usuarios en varios aspectos de su trabajo. ### 6. Hacer que los sistemas de datos sean menos desordenados con un enfoque unificado de Lakehouse **Rating:** 5.0/5.0 stars **Reviewed by:** Hunar M. | Data Analyst, Geospatial Intelligence - Data & Analytics, Empresa (> 1000 empleados) **Reviewed Date:** May 21, 2026 **¿Qué es lo que más le gusta de Databricks?** El ecosistema. Lo que más me gusta de Databricks es cómo elimina gran parte del desorden habitual que encuentras en el trabajo con datos. En lugar de tener que manejar herramientas separadas para ingeniería, análisis y ML, y luego gastar tiempo extra en hacer que se comuniquen entre sí, lo reúne todo en un solo lugar. Eso por sí solo reduce mucha fricción y ahorra tiempo. También me gusta la idea de Lakehouse porque se siente genuinamente práctica: no tienes que elegir entre un lago de datos y un almacén. Puedes trabajar con una configuración unificada y aún así obtener rendimiento cuando lo necesitas. A nivel diario, también es agradable que diferentes equipos puedan colaborar en el mismo entorno sin tener que copiar datos constantemente o reconstruir pipelines. En general, mantiene las cosas más simples y rápidas, especialmente cuando estás iterando. **¿Qué es lo que no le gusta de Databricks?** Lo que no me gusta de Databricks es que puede sentirse un poco pesado cuando solo intentas hacer algo simple. Hay mucho sucediendo bajo el capó, y aunque eso es genial para escalar, también viene con una curva de aprendizaje. Cosas como los clústeres, configuraciones y la configuración de trabajos toman algo de tiempo para sentirse cómodo. El costo es otra preocupación. El uso puede aumentar rápidamente si no lo estás monitoreando activamente, especialmente cuando los equipos pueden activar el cómputo libremente. Y a veces, la experiencia general se siente un poco fragmentada entre cuadernos, trabajos y repositorios, en lugar de ser un flujo suave y unificado. Así que, sí, es poderoso, pero definitivamente se necesita disciplina para mantener las cosas limpias, eficientes y bajo control. **¿Qué problemas resuelve Databricks y cómo le beneficia eso?** Lo que Databricks realmente resuelve para mí es la fricción habitual que aparece cuando los sistemas de datos están repartidos en demasiadas herramientas. En lugar de ejecutar un sistema para la ingesta, otro para el almacenamiento, otro más para la transformación, y luego configuraciones separadas nuevamente para análisis y ML, reúne la mayoría de eso en un solo lugar. Eso significa que no tengo que estar moviendo datos constantemente o preocuparme de que las cosas se desincronicen. Desde una perspectiva de arquitectura de soluciones, eso es una gran ventaja porque simplifica el diseño general. En lugar de unir un montón de sistemas, puedes construir alrededor de una configuración de Lakehouse única que soporte múltiples casos de uso. Es más fácil de escalar, más fácil de gobernar y, en general, simplemente más fácil de razonar. En el día a día, también significa que paso menos tiempo en infraestructura y fontanería y más tiempo pensando en cómo diseñar buenos modelos de datos y pipelines. Y como todos están trabajando con los mismos datos, hay mucha menos confusión y retrabajo entre equipos. En general, elimina mucho del ruido y me permite centrarme en construir soluciones de datos sólidas y escalables. **Official Response from Jess Darnell:** > Nos alegra saber que encuentras beneficioso nuestro ecosistema y el enfoque de Lakehouse para simplificar y unificar tu trabajo con datos. Entendemos tus preocupaciones sobre la curva de aprendizaje y el costo, y estamos trabajando continuamente para mejorar la experiencia del usuario y ofrecer soluciones rentables. Gracias por compartir tus comentarios detallados con nosotros. ### 7. Databricks centraliza datos, análisis e IA **Rating:** 5.0/5.0 stars **Reviewed by:** Leonardo Q. | RPA Developer, Mediana Empresa (51-1000 empleados) **Reviewed Date:** May 16, 2026 **¿Qué es lo que más le gusta de Databricks?** Lo que más me gusta de Databricks es cómo centraliza la ingeniería de datos, analítica e IA en una única plataforma, lo que facilita mucho el flujo de trabajo en el día a día. La integración entre notebooks, pipelines y procesamiento distribuido hace que el desarrollo sea más rápido y organizado, especialmente en proyectos con gran volumen de datos y automatizaciones. Otro punto que considero muy fuerte es la experiencia con Apache Spark, integrada de forma simplificada. Incluso en escenarios más complejos, el rendimiento suele ser excelente, permitiendo procesar datos a gran escala con buena estabilidad y escalabilidad. Esto ayuda bastante en integraciones, ETLs y análisis que, en otras soluciones, requerirían mucho más esfuerzo. **¿Qué es lo que no le gusta de Databricks?** A pesar de que me gusta bastante la plataforma, algunos puntos de Databricks aún pueden ser desafiantes. El principal de ellos es el costo, especialmente en entornos con procesamiento intenso o cuando los clústeres no están bien optimizados. Sin un control de uso más riguroso, los gastos pueden aumentar rápidamente. Otro aspecto es la curva de aprendizaje, que puede ser alta para equipos que están comenzando en el ecosistema de datos distribuidos. Conceptos ligados a Spark, clústeres, optimización y gestión de recursos requieren tiempo de adaptación, principalmente para quienes vienen de herramientas más tradicionales. En UI/UX, aunque la interfaz es buena en general, algunos procesos administrativos y configuraciones más avanzadas pueden parecer confusos al principio. En ciertos escenarios, identificar problemas de rendimiento o de permisos también puede requerir un conocimiento más técnico. **¿Qué problemas resuelve Databricks y cómo le beneficia eso?** Databricks ha ayudado principalmente a resolver problemas relacionados con la centralización, el procesamiento y el análisis de grandes volúmenes de datos. Antes, muchos procesos estaban distribuidos entre diferentes herramientas, lo que dificultaba las integraciones, el mantenimiento y la gobernanza. Con Databricks, gran parte del flujo de ingeniería de datos, analytics e IA puede concentrarse en una única plataforma, aportando más consistencia al trabajo diario. **Official Response from Jess Darnell:** > Nos alegra saber que consideras beneficiosa la centralización de datos, análisis e inteligencia artificial de Databricks para tu flujo de trabajo. Entendemos la importancia de la integración y simplificación, y estamos comprometidos a proporcionar una plataforma que satisfaga tus necesidades. ### 8. Databricks simplifica el procesamiento de grandes datos y la colaboración en equipo. **Rating:** 4.5/5.0 stars **Reviewed by:** Praveen M. | Associate Data Engineer, Tecnología de la información y servicios, Mediana Empresa (51-1000 empleados) **Reviewed Date:** May 07, 2026 **¿Qué es lo que más le gusta de Databricks?** Lo que más me gusta de Databricks es cómo simplifica el procesamiento de datos a gran escala y la colaboración en una sola plataforma. La integración con Spark y el servicio en la nube hace que el manejo de grandes volúmenes de datos sea mucho más eficiente. También me gusta el entorno de cuadernos, que facilita a los equipos trabajar juntos en tareas de análisis y aprendizaje automático. **¿Qué es lo que no le gusta de Databricks?** Una cosa que no me gusta de Databricks es que la plataforma puede parecer compleja para los nuevos usuarios, especialmente al gestionar clústeres y configuraciones. Los precios también pueden volverse caros con cargas de trabajo más grandes si los recursos no se optimizan cuidadosamente. Aunque las integraciones y las funciones de IA son potentes, el proceso de incorporación y la documentación de soporte podrían ser más amigables para principiantes. **¿Qué problemas resuelve Databricks y cómo le beneficia eso?** Databricks ayuda a resolver el desafío de procesar y analizar grandes cantidades de datos de manera eficiente en una sola plataforma. Combina la ingeniería de datos, la analítica y los flujos de trabajo de IA, lo que reduce la necesidad de múltiples herramientas separadas. Esto mejora la colaboración, acelera el procesamiento de datos y ayuda a generar insights mucho más rápido. **Official Response from Jess Darnell:** > Nos alegra saber que encuentras Databricks útil para simplificar el procesamiento de datos a gran escala y la colaboración. Nuestra integración con Spark y servicios en la nube está diseñada para hacer que el manejo de grandes volúmenes de datos sea más eficiente. ### 9. Perfecto para la colaboración entre equipos y aplicaciones intensivas de datos **Rating:** 5.0/5.0 stars **Reviewed by:** Artemij V. | Data Science Lead, Pequeña Empresa (50 o menos empleados) **Reviewed Date:** May 04, 2026 **¿Qué es lo que más le gusta de Databricks?** La experiencia de usuario es una de las partes más fuertes. La experiencia con el cuaderno es limpia e intuitiva, la colaboración es sencilla, y moverse entre la exploración, la experimentación y los flujos de trabajo de producción se siente sin problemas. Tiene suficiente flexibilidad para usuarios avanzados, mientras que sigue siendo lo suficientemente accesible para que la incorporación de nuevos miembros del equipo sea rápida. Las personas generalmente pueden volverse productivas rápidamente sin pasar semanas aprendiendo peculiaridades específicas de la plataforma. Las integraciones también son excelentes. Funciona sin problemas con el ecosistema de la nube más amplio y se conecta bien con fuentes de datos, herramientas de orquestación, infraestructura de servicio de modelos y sistemas externos. Esa interoperabilidad hace que sea mucho más fácil pasar de un prototipo a una tubería desplegada sin tener que reconstruir constantemente conectores o gestionar código de integración. El rendimiento ha sido consistentemente fuerte, especialmente al trabajar con cargas de trabajo distribuidas y la ingeniería de características a gran escala. La optimización de Spark, la gestión de clústeres y la infraestructura gestionada reducen significativamente la sobrecarga operativa, lo que me permite centrarme más en el desarrollo y análisis de modelos en lugar de en el ajuste del entorno. Para la experimentación iterativa, los tiempos de inicio y la capacidad de respuesta general son notablemente mejores que en muchas plataformas gestionadas alternativas. **¿Qué es lo que no le gusta de Databricks?** Un área donde Databricks podría mejorar es en los precios. La plataforma ofrece capacidades sólidas, pero los costos pueden escalar rápidamente para cargas de trabajo de alta frecuencia o en tiempo real. Para casos de uso que involucran pipelines de ticks de baja latencia que se ejecutan continuamente, transmisión de datos de mercado o reentrenamiento iterativo de modelos, el precio puede volverse bastante elevado en relación con la infraestructura que se consume. A veces parece que hay una prima significativa por la conveniencia y la orquestación gestionada, lo que puede hacer que la optimización de costos sea una consideración constante. La integración de IA es otra área que aún se siente algo desigual. Aunque hay un claro impulso hacia posicionar la plataforma como un entorno integral de IA/ML, algunas de las características más nuevas enfocadas en IA se sienten más como adiciones al ecosistema que como mejoras profundamente integradas en el flujo de trabajo. En la práctica, todavía hay casos donde herramientas personalizadas o marcos externos ofrecen más flexibilidad y transparencia, particularmente para el desarrollo especializado de modelos, la experimentación y los casos de uso de inferencia en tiempo real. También puede haber cierta complejidad en torno a la optimización de clústeres y la gestión eficiente de costos a escala. Aunque las abstracciones son útiles, obtener la mejor relación rendimiento-costo a veces requiere un conocimiento más profundo de la plataforma de lo que la posición de "totalmente gestionado" podría implicar. En general, la plataforma es muy fuerte técnicamente, pero los precios para cargas de trabajo intensivas en datos siempre activas y la madurez de algunas capacidades nativas de IA son las dos áreas más grandes donde me gustaría ver mejoras. **¿Qué problemas resuelve Databricks y cómo le beneficia eso?** Databricks resuelve uno de los mayores desafíos en el trabajo moderno con datos: reunir el acceso a los datos, el procesamiento a gran escala y el desarrollo colaborativo en un solo entorno. Para mi trabajo, el mayor beneficio es la colaboración en tiempo real. Permite que varias personas trabajen con los mismos conjuntos de datos, cuadernos y flujos de trabajo sin la fricción habitual de herramientas fragmentadas o inconsistencias en el entorno. Eso acelera significativamente la experimentación, la iteración y el intercambio de conocimientos entre proyectos, especialmente cuando se avanza rápidamente en el desarrollo de modelos o en el análisis de datos que cambian rápidamente. También resuelve el desafío del acceso y procesamiento de datos escalables. Trabajar con conjuntos de datos transaccionales y de series temporales de alto volumen requiere una infraestructura que pueda procesar grandes cantidades de datos de manera eficiente sin una sobrecarga operativa constante. Databricks abstrae gran parte de esa complejidad, haciendo posible centrarse en el análisis, la ingeniería de características y el desarrollo de modelos en lugar de gastar tiempo gestionando la infraestructura. El beneficio práctico es ciclos de iteración más rápidos. Puedo pasar de la exploración de datos en bruto a la experimentación y el despliegue de modelos mucho más rápidamente, lo cual es especialmente valioso cuando se trabaja en análisis en tiempo real, flujos de trabajo de pronóstico y sistemas de ML orientados a la producción donde la velocidad de iteración impacta directamente en los resultados. En general, reduce la fricción de ingeniería y hace que el trabajo colaborativo con datos a gran escala sea significativamente más eficiente, lo que se traduce en un desarrollo más rápido, mejor experimentación y un despliegue más confiable de productos de datos. **Official Response from Jess Darnell:** > Agradecemos su exhaustiva revisión de Databricks y nos complace saber que la plataforma ha sido fundamental para habilitar la colaboración entre equipos y aplicaciones intensivas de datos en su trabajo. Sus comentarios sobre los precios y la integración de IA son valiosos, y estamos continuamente esforzándonos por mejorar estos aspectos para ofrecer una experiencia más fluida a nuestros usuarios. ### 10. El Código Genie y el Asistente en Línea Aumentaron Dramáticamente Mi Productividad en la Depuración **Rating:** 4.5/5.0 stars **Reviewed by:** Shyam s. | Data Engineer, Mediana Empresa (51-1000 empleados) **Reviewed Date:** March 27, 2026 **¿Qué es lo que más le gusta de Databricks?** El código Genie y el Asistente en línea fueron las herramientas más útiles para mí en mi proyecto. Me ayudaron a depurar una base de código de 2,000 líneas y explicaron claramente por qué no estaba obteniendo datos precisos. También proporcionó una consulta para ejecutar en mi sistema fuente (SQLMI). Al ejecutar el script de discrepancia en paralelo en la fuente y el destino, pude depurar todo el código mucho más rápido y mejorar mi productividad. En general, redujo mi tiempo de trabajo de aproximadamente 8 horas a alrededor de 1 hora. **¿Qué es lo que no le gusta de Databricks?** En Delta Sharing, no existe un permiso de SELECT a nivel de catálogo, y a veces pienso que tenerlo sería útil. Además, cuando uso el código de Genie dentro de una máquina virtual, puede hacer que el sitio web no responda en ocasiones. Estas son áreas que podrían mejorarse. **¿Qué problemas resuelve Databricks y cómo le beneficia eso?** En uno de nuestros proyectos de migración de procesamiento de reclamaciones, el cliente necesitaba disponibilidad de datos casi en tiempo real para aplicaciones posteriores. Anteriormente, la arquitectura utilizaba Amazon Redshift como el almacén de datos, con Jasper y Sisense consumiendo los datos para informes y análisis. Sin embargo, esa configuración no soportaba de manera eficiente la transmisión en tiempo real o casi en tiempo real, lo que provocaba retrasos en la disponibilidad de datos para los sistemas posteriores. Después de migrar la plataforma a Databricks, pudimos mejorar sustancialmente la arquitectura del pipeline de datos. Implementamos transmisión junto con pipelines ETL optimizados, reduciendo el ciclo de actualización de datos a unos 30 minutos. También creamos una vista dedicada que retiene los datos de la ejecución anterior, de modo que los sistemas posteriores siempre tienen un conjunto de datos consistente disponible mientras la siguiente ejecución del pipeline aún está en progreso. Antes, teníamos dificultades con ciclos de actualización retrasados y una capacidad limitada para satisfacer las necesidades de datos casi en tiempo real en nuestra arquitectura basada en Redshift. Después de mudarnos a Databricks, habilitamos un procesamiento ETL más rápido y mejoramos la disponibilidad de datos casi en tiempo real. Como resultado, redujimos el tiempo de actualización de ETL a aproximadamente 30 minutos y habilitamos el acceso casi en tiempo real para herramientas posteriores como Jasper y Sisense. La fiabilidad también mejoró porque la vista estable continúa sirviendo los datos de la ejecución anterior durante las actualizaciones del pipeline. Finalmente, la arquitectura general se simplificó al consolidar las capacidades de procesamiento y análisis dentro de Databricks. En general, Databricks nos ayudó a construir una plataforma de procesamiento de datos casi en tiempo real más escalable y eficiente, mejorando significativamente la puntualidad y fiabilidad de los análisis para el flujo de trabajo de procesamiento de reclamaciones. **Official Response from Janelle Glover:** > Gracias por compartir cómo la arquitectura de Databricks te está beneficiando. Diseñamos nuestra plataforma para abordar los desafíos de gestionar datos estructurados y no estructurados, y es genial escuchar que está teniendo un impacto positivo en tus flujos de trabajo de análisis y aprendizaje automático. ## Databricks Discussions - [¿Qué es Lakehouse en Databricks?](https://www.g2.com/es/discussions/what-is-lakehouse-in-databricks) - 4 comments, 2 upvotes - [¿Cuáles son las características de Databricks?](https://www.g2.com/es/discussions/what-are-the-features-of-databricks) - 4 comments, 2 upvotes - [What does Databricks software do?](https://www.g2.com/es/discussions/what-does-databricks-software-do) - 3 comments - [¿Qué es la plataforma de análisis unificada de Databricks?](https://www.g2.com/es/discussions/what-is-databricks-unified-analytics-platform) - 3 comments - [View Databricks pricing details and edition comparison](https://www.g2.com/es/products/databricks/reviews/databricks-review-7931358?section=pricing&secure%5Bexpires_at%5D=2026-06-13+16%3A30%3A22+-0500&secure%5Bsession_id%5D=ed82ed85-e820-4770-9e15-2dcee58ad5fa&secure%5Btoken%5D=3ed3c49808589fad64dbf729d7a2932c856229ec9a5df38fa5f4251d4d9fd75b&format=llm_user) ## Databricks Integrations - [Agentforce 360 Platform (formerly Salesforce Platform)](https://www.g2.com/es/products/agentforce-360-platform-formerly-salesforce-platform/reviews) - [Agentforce Sales (formerly Salesforce Sales Cloud)](https://www.g2.com/es/products/agentforce-sales-formerly-salesforce-sales-cloud/reviews) - [Alation](https://www.g2.com/es/products/alation/reviews) - [Amazon EC2](https://www.g2.com/es/products/amazon-ec2/reviews) - [Amazon Redshift](https://www.g2.com/es/products/amazon-redshift/reviews) - [Amazon Relational Database Service (RDS)](https://www.g2.com/es/products/amazon-relational-database-service-rds/reviews) - [Anaplan](https://www.g2.com/es/products/anaplan/reviews) - [Anomalo](https://www.g2.com/es/products/anomalo/reviews) - [Apache Airflow](https://www.g2.com/es/products/apache-airflow/reviews) - [Apache Kafka](https://www.g2.com/es/products/apache-kafka/reviews) - [Apache NiFi](https://www.g2.com/es/products/apache-nifi/reviews) - [Atlan](https://www.g2.com/es/products/atlan/reviews) - [AWS Glue](https://www.g2.com/es/products/aws-glue/reviews) - [AWS Lambda](https://www.g2.com/es/products/aws-lambda/reviews) - [Azure Blob Storage](https://www.g2.com/es/products/azure-blob-storage/reviews) - [Azure Databricks](https://www.g2.com/es/products/azure-databricks/reviews) - [Azure Data Factory](https://www.g2.com/es/products/azure-data-factory/reviews) - [Azure Data Lake Store](https://www.g2.com/es/products/azure-data-lake-store/reviews) - [Azure Functions](https://www.g2.com/es/products/azure-functions/reviews) - [Azure Logic Apps](https://www.g2.com/es/products/azure-logic-apps/reviews) - [Azure OpenAI Service](https://www.g2.com/es/products/azure-openai-service/reviews) - [Azure Pipelines](https://www.g2.com/es/products/azure-pipelines/reviews) - [Azure Portal](https://www.g2.com/es/products/azure-portal/reviews) - [Azure SQL Database](https://www.g2.com/es/products/azure-sql-database/reviews) - [Claude Code](https://www.g2.com/es/products/anthropic-claude-code/reviews) - [Confluent](https://www.g2.com/es/products/confluent/reviews) - [Crunchbase](https://www.g2.com/es/products/crunchbase/reviews) - [Customer.io](https://www.g2.com/es/products/customer-io/reviews) - [Dash](https://www.g2.com/es/products/dash-for-brands-ltd-dash/reviews) - [Datadog](https://www.g2.com/es/products/datadog/reviews) - [data.world](https://www.g2.com/es/products/data-world/reviews) - [DAT iQ](https://www.g2.com/es/products/dat-iq/reviews) - [dbt](https://www.g2.com/es/products/dbt/reviews) - [DigitalOcean](https://www.g2.com/es/products/digitalocean/reviews) - [Fivetran](https://www.g2.com/es/products/fivetran/reviews) - [GEN TDS](https://www.g2.com/es/products/gen-tds/reviews) - [Git](https://www.g2.com/es/products/git/reviews) - [GitHub](https://www.g2.com/es/products/github/reviews) - [GitLab](https://www.g2.com/es/products/gitlab/reviews) - [Google Analytics](https://www.g2.com/es/products/google-analytics/reviews) - [Google Cloud Run](https://www.g2.com/es/products/google-cloud-run/reviews) - [HubSpot Marketing Hub](https://www.g2.com/es/products/hubspot-marketing-hub/reviews) - [Immuta](https://www.g2.com/es/products/immuta/reviews) - [JD Edwards World](https://www.g2.com/es/products/jd-edwards-world/reviews) - [Microsoft Copilot Studio](https://www.g2.com/es/products/microsoft-microsoft-copilot-studio/reviews) - [Microsoft Fabric](https://www.g2.com/es/products/microsoft-fabric/reviews) - [Microsoft Power Apps](https://www.g2.com/es/products/microsoft-power-apps/reviews) - [Microsoft Power Automate](https://www.g2.com/es/products/microsoft-power-automate/reviews) - [Microsoft Power BI](https://www.g2.com/es/products/microsoft-microsoft-power-bi/reviews) - [Microsoft SharePoint](https://www.g2.com/es/products/microsoft-sharepoint/reviews) - [Microsoft SQL Server](https://www.g2.com/es/products/microsoft-sql-server/reviews) - [Microsoft Teams](https://www.g2.com/es/products/microsoft-teams/reviews) - [Monte Carlo](https://www.g2.com/es/products/monte-carlo/reviews) - [MySQL](https://www.g2.com/es/products/mysql/reviews) - [ObjectWay SpA](https://www.g2.com/es/products/objectway-spa/reviews) - [Oracle Database](https://www.g2.com/es/products/oracle-database/reviews) - [Pega Platform](https://www.g2.com/es/products/pega-platform/reviews) - [PostgreSQL](https://www.g2.com/es/products/postgresql/reviews) - [PowerBI Portal](https://www.g2.com/es/products/powerbi-portal/reviews) - [Prophecy](https://www.g2.com/es/products/prophecy-prophecy/reviews) - [Qualtrics Customer Experience](https://www.g2.com/es/products/qualtrics-customer-experience/reviews) - [React Native](https://www.g2.com/es/products/react-native/reviews) - [Salesforce Agentforce](https://www.g2.com/es/products/salesforce-agentforce/reviews) - [SAP Ariba](https://www.g2.com/es/products/sap-ariba/reviews) - [SAP ECC](https://www.g2.com/es/products/sap-ecc/reviews) - [SAS Viya](https://www.g2.com/es/products/sas-sas-viya/reviews) - [Seamless (formally Seamless.AI)](https://www.g2.com/es/products/seamless-formally-seamless-ai/reviews) - [ServiceNow IT Service Management](https://www.g2.com/es/products/servicenow-it-service-management/reviews) - [Sigma](https://www.g2.com/es/products/sigma-computing-sigma/reviews) - [Sisense](https://www.g2.com/es/products/sisense/reviews) - [SnapLogic Intelligent Integration Platform (IIP)](https://www.g2.com/es/products/snaplogic-intelligent-integration-platform-iip/reviews) - [Snowflake](https://www.g2.com/es/products/snowflake/reviews) - [Spark](https://www.g2.com/es/products/apache-spark/reviews) - [Spark SQL](https://www.g2.com/es/products/spark-sql/reviews) - [SplashBI](https://www.g2.com/es/products/splashbi/reviews) - [Spotfire Analytics](https://www.g2.com/es/products/spotfire-analytics/reviews) - [Tableau](https://www.g2.com/es/products/tableau/reviews) - [ThoughtSpot](https://www.g2.com/es/products/thoughtspot/reviews) - [Visual Studio Code](https://www.g2.com/es/products/visual-studio-code/reviews) - [Workday HCM](https://www.g2.com/es/products/workday-hcm/reviews) ## Databricks Features **Informes** - Interfaz de informes - Pasos para responder - Gráficos y tablas - Tarjetas de puntuación - Paneles **Administración** - Modelado de datos - Recomendaciones - Gestión del flujo de trabajo - Tableros y Visualizaciones **Gestión** - Informes - Auditoría **Despliegue** - Flexibilidad lingüística - Flexibilidad del marco - Control de versiones - Facilidad de implementación - Escalabilidad **Sistema** - Ingesta de datos y disputas **Preparación de datos** - Conectores - Gobierno de datos **Gestión de datos** - Integración de datos - Compresión de datos - Calidad de los datos - Análisis de datos integrado - Aprendizaje automático en la base de datos - Análisis de Data Lake **Gestión** - Diccionario de datos - Replicación de datos - Lenguaje de consulta - Modelado de datos - Análisis de rendimiento **Gestión** - Glosario de Negocios - Descubrimiento de datos - Perfilado de datos - Informes y visualización - Linaje de datos **Despliegue** - Flexibilidad lingüística - Flexibilidad del marco - Control de versiones - Facilidad de implementación - Escalabilidad **Gestión de datos** - Integración de datos - Metadatos - Autoservicio - Flujos de trabajo automatizados **Escalabilidad y rendimiento: infraestructura de IA generativa** - Alta disponibilidad - Escalabilidad del entrenamiento de modelos - Velocidad de inferencia **Personalización - Constructores de Agentes de IA** - Configuración de Lenguaje Natural - Personalización de tono - Guardias de Seguridad **Plataformas de DataOps de IA Agente** - Ejecución Autónoma de Tareas - Planificación en múltiples pasos - Integración entre sistemas - Aprendizaje Adaptativo - Toma de decisiones **Gestión del Tráfico y Rendimiento - Puertas de Enlace de IA** - Limitación de tasa consciente de tokens - Caché Semántico - Enrutamiento multi-modelo y alternativas **Desarrollo de modelos** - Soporte de idiomas - Arrastra y suelta - Algoritmos preconstruidos - Entrenamiento de modelos **base de datos** - Recopilación de datos en tiempo real - Distribución de datos - Lago de datos **Transformación de datos** - Análisis en tiempo real - Consulta de datos **conformidad** - Cumplimiento de datos confidenciales - Capacitación y directrices - Aplicación de políticas - Supervisión del cumplimiento **Funcionalidad** - Extracción - Transformación - Carga - Automatización - Escalabilidad **Gestión** - Catalogación - Monitoreo - Gobernante - Registro de modelos **Desarrollo de modelos** - Ingeniería de características **Modelado y mezcla de datos** - Consulta de datos - Filtrado de datos - Combinación de datos **Integración** - Integración AI/ML - Integración de herramientas de BI - Integración de Data Lake **Mantenimiento** - Migración de datos - Copia de seguridad y recuperación - Entorno multiusuario **Seguridad** - Control de acceso - Administración de roles - Gestión del cumplimiento **Operaciones** - Métricas - Gestión de infraestructuras - Colaboración **Analytics** - Capacidades analíticas - Visualizaciones de Dasboard **Costo y eficiencia: infraestructura de IA generativa** - Costo por llamada a la API - Flexibilidad en la asignación de recursos - Eficiencia Energética **Funcionalidad - Constructores de Agentes de IA** - Soporte Multicanal - Agente Branding - Capacidades de Respuesta Proactiva - Escalación Humana Sin Interrupciones **Gobernanza y Observabilidad - Puertas de enlace de IA** - Privacidad de Datos - Seguimiento de costos - Seguridad Centralizada de Claves API **Servicios de aprendizaje automático/profundo** - Visión computarizada - Procesamiento del lenguaje natural - Generación de lenguaje natural - Redes neuronales artificiales **Integraciones** - Integración con Hadoop - Integración con Spark **Calidad de los datos** - Preparación de datos - Distribución de datos - Unificación de datos **Servicios de aprendizaje automático/profundo** - Comprensión del lenguaje natural - Aprendizaje profundo **Despliegue** - On-Premise - Nube **Seguridad** - Cifrado de datos - Control de acceso de usuarios **Mantenimiento** - Gestión de la calidad de los datos - Gestión de políticas **Gestión** - Catalogación - Monitoreo - Gobernante **Monitoreo y Gestión** - Observabilidad de datos - Capacidades de prueba **IA generativa** - Generación de texto - Resumen de texto **Integración y extensibilidad - Infraestructura de IA generativa** - Compatibilidad con múltiples nubes - Integración de canalización de datos - Compatibilidad y flexibilidad de la API **Datos y Análisis - Constructores de Agentes de IA** - Analítica y Reportes - Conciencia Contextual - Cumplimiento de la Privacidad de Datos **Despliegue** - Servicio Gestionado - Aplicación - Escalabilidad **Plataforma** - Escalado de máquinas - Preparación de datos - Integración con Spark **Conectividad** - Integración con Hadoop - Integración con Spark - Análisis de múltiples fuentes - Lago de datos **Rendimiento** - Escalabilidad **Implementación en la nube** - Soporte de nube híbrida - Capacidades de migración a la nube **IA generativa** - Generación de texto - Resumen de texto **IA generativa** - Generación de texto - Resumen de texto **Seguridad y cumplimiento: infraestructura de IA generativa** - GDPR y cumplimiento normativo - Control de acceso basado en roles - Cifrado de datos **Integración - Constructores de Agentes de IA** - Automatización del flujo de trabajo - Uso de API - Interoperabilidad de la Plataforma - Integración de Datos CRM **Plataformas de Analítica de IA Agente** - Ejecución Autónoma de Tareas - Planificación en varios pasos - Integración entre sistemas - Aprendizaje Adaptativo - Interacción en Lenguaje Natural - Asistencia proactiva - Toma de decisiones **Autoservicio** - Campos calculados - Filtrado de columnas de datos - Descubrimiento de datos - Buscar - Colaboración / Flujo de trabajo - Automodelado **Tratamiento** - Procesamiento en la nube - Procesamiento de cargas de trabajo **Operaciones** - Visualización de datos - Flujo de trabajo de datos - Descubrimiento gobernado - Análisis integrados - Cuadernos **Seguridad** - Gobierno de datos - Seguridad de los datos **IA generativa** - Generación de texto por IA - Resumen de texto - Texto a imagen **IA generativa** - Generación de texto - Resumen de texto **Usabilidad y soporte - Infraestructura de IA generativa** - Calidad de la documentación - Actividad comunitaria **IA Agente - Gobernanza de Datos** - Ejecución Autónoma de Tareas - Planificación en múltiples pasos - Integración entre sistemas - Aprendizaje adaptativo - Interacción en Lenguaje Natural - Toma de decisiones **Despliegue e Integración - Plataformas de Analítica** - Constructor de Tableros sin Código - Programación y automatización de informes - Analítica integrada y etiquetado blanco - Conectividad de Fuente de Datos **Análisis avanzado** - Análisis predictivo - Visualización de datos - Servicios de Big Data **IA generativa** - Generación de texto - Resumen de texto **Agente AI - Plataformas de Ciencia de Datos y Aprendizaje Automático** - Ejecución Autónoma de Tareas - Planificación en varios pasos - Integración entre sistemas - Aprendizaje adaptativo - Interacción en Lenguaje Natural - Asistencia proactiva - Toma de decisiones **Rendimiento y escalabilidad - Plataformas de análisis** - Manejo de grandes datos y velocidad de consulta - Soporte Concurrente de Usuarios **Análisis Avanzado y Modelado - Plataformas de Análisis** - Modelado de Datos y Gobernanza - Integración de cuaderno y script - Modelos Predictivos y Estadísticos Integrados **Capacidades de IA Agente - Plataformas de Análisis** - Información y narrativas generadas automáticamente - Consultas en lenguaje natural - Monitoreo proactivo de KPI y alertas - Agentes de IA para seguimientos analíticos **Inteligencia Personalizada - Plataformas de Análisis** - Aprendizaje conductual para el refinamiento contextual de consultas - Personalización de Información Basada en Roles - Analítica conversacional y basada en indicaciones **Creación de informes** - Transformación de datos - Modelado de datos - Diseño de informes WYSIWYG - API de integración **Plataforma** - Soporte para usuarios móviles - Personalización - Administración de usuarios, roles y accesos - Internacionalización - Sandbox / Entornos de prueba - Rendimiento y fiabilidad - Amplitud de las aplicaciones de los socios ## Top Databricks Alternatives - [Cloudera Platform](https://www.g2.com/es/products/cloudera-platform/reviews) - 4.1/5.0 (131 reviews) - [Snowflake](https://www.g2.com/es/products/snowflake/reviews) - 4.5/5.0 (705 reviews) - [Teradata Autonomous Knowledge Platform](https://www.g2.com/es/products/teradata-autonomous-knowledge-platform/reviews) - 4.3/5.0 (355 reviews)