Utilisation de Databricks pour l'analyse de données

Le connecteur Databricks donne à Claude accès aux données internes de votre organisation via Unity Catalog, permettant l'analyse de vos bases de données, l'exécution de logique métier personnalisée et l'accès à des documents non structurés. Databricks fournit trois connecteurs distincts : un pour les fonctions, un pour la recherche vectorielle et un pour Genie, chacun accédant à des capacités différentes au sein de votre espace de travail Databricks.

Rappel sur les composants Databricks

Avant d'explorer ce que Claude peut faire avec Databricks, il est important de comprendre trois composants essentiels qui existent au sein de votre espace de travail Databricks :

1. Fonctions Unity Catalog : Fonctions Python ou SQL personnalisées que votre organisation a créées pour des calculs spécifiques, des transformations de données ou des intégrations d'API. Celles-ci peuvent inclure des algorithmes de notation propriétaires, des calculs financiers normalisés ou une logique de traitement de données spécifique à l'entreprise.

2. Recherche vectorielle : Index de recherche sémantique construits sur les documents et ensembles de données de votre organisation. Ceux-ci permettent de rechercher du contenu conceptuellement similaire même lorsque les mots-clés exacts ne correspondent pas.

3. Genie : Une interface en langage naturel qui traduit des questions en anglais simple en requêtes SQL sur vos données. Genie utilise les métadonnées de vos tables et colonnes pour comprendre la terminologie métier et générer des requêtes appropriées.

Ce que fournit ce connecteur

Capacités d'intégration

Grâce à l'intégration Databricks, Claude peut accéder aux ressources de votre espace de travail :

• Exécuter des fonctions personnalisées : Claude peut exécuter des fonctions Unity Catalog définies par votre organisation. Cela inclut l'exécution de logique métier complexe, l'application de calculs ou l'appel d'API externes via des fonctions créées par votre équipe. Par exemple, si votre organisation a créé une fonction personnalisée de score de santé client, Claude peut l'appliquer de manière cohérente dans les analyses.

• Recherche sémantique : En utilisant les index de recherche vectorielle, Claude peut trouver des documents et du contenu pertinents en fonction du sens plutôt que des seuls mots-clés. Cela est particulièrement utile pour rechercher dans des contrats, des rapports de recherche, des retours clients ou de la documentation technique où des concepts similaires peuvent être exprimés de différentes manières.

• Requêtes en langage naturel : Grâce à Genie, Claude peut traduire des questions en anglais simple en requêtes SQL. Au lieu d'écrire du SQL complexe, vous pouvez poser des questions comme « Quelle a été notre croissance de revenus le trimestre dernier ? » et Claude utilisera Genie pour générer et exécuter la requête appropriée.

• Accès gouverné : Tout accès aux données via le connecteur respecte les autorisations et politiques Unity Catalog de votre organisation. Claude ne peut accéder qu'aux données et exécuter que les fonctions pour lesquelles votre compte utilisateur dispose d'une autorisation.

Comment Claude utilise les données Databricks

Claude applique les capacités de Databricks de plusieurs manières pour soutenir une analyse de données complète :

• Analyse multi-sources : Claude combine les résultats des requêtes de base de données, des recherches vectorielles et des fonctions personnalisées pour fournir des informations complètes. Par exemple, lors de la validation d'une thèse d'investissement, Claude pourrait interroger la performance financière historique de votre base de données de portefeuille, rechercher dans les rapports de due diligence passés pour des investissements similaires dans le secteur, et appliquer votre fonction de calcul de TRI propriétaire pour modéliser les rendements attendus.

• Exploration itérative : Claude peut interroger des données, analyser les résultats initiaux et affiner les recherches en fonction des résultats obtenus. Cela permet une analyse où les informations d'une requête éclairent la suivante.

• Application de logique personnalisée : En exécutant les fonctions Unity Catalog, Claude applique les règles et calculs spécifiques de votre organisation. Cela garantit que les métriques propriétaires, les calculs ajustés et la logique spécifique à l'entreprise sont appliqués de manière uniforme dans toutes les analyses.

• Construction de requêtes contextuelles : Lorsque vous posez des questions en anglais simple, Claude utilise Genie pour les traduire en requêtes SQL appropriées. Cette traduction prend en compte vos structures de tables, noms de colonnes et relations pour générer des requêtes précises correspondant à la structure de votre base de données.

• Reconnaissance de motifs : Grâce à la recherche vectorielle, Claude peut trouver des motifs et des similitudes entre les documents et les données. Cela aide à trouver des problèmes connexes, des transactions similaires ou des situations comparables qui pourraient ne pas être évidentes via des recherches par mots-clés traditionnelles.

Configuration du connecteur Databricks

L'intégration Databricks se compose de trois connecteurs distincts, chacun nécessitant une configuration séparée :

1. Serveur de fonctions : Accède aux fonctions Unity Catalog pour les calculs, la logique métier et les transformations de données.

2. Serveur de recherche vectorielle : Permet la recherche sémantique dans les documents et ensembles de données indexés.

3. Serveur Genie : Fournit des capacités de traduction du langage naturel en requêtes SQL.

Les détails techniques des connecteurs Databricks se trouvent dans la documentation du serveur MCP de Databricks. L'authentification avec les connecteurs de Databricks est gérée via OAuth (pour Claude.ai et Claude Desktop) ou via un jeton d'accès personnel Databricks (pour Claude Desktop uniquement).

Ajout du connecteur en tant que propriétaire d'organisation

1. Accédez à Paramètres d'administration > Connecteurs.

2. Faites défiler vers le bas et cliquez sur « Ajouter un connecteur personnalisé » en bas de la liste.

3. Saisissez l'URL d'intégration pour votre espace de travail Databricks

4. Nommez l'intégration. N'oubliez pas qu'il existe trois serveurs Databricks distincts, pensez donc à nommer chacun de manière unique (par exemple, « Databricks UC », « Databricks Genie », « Databricks Search »)

5. Cliquez sur « Ajouter »

Pour les utilisateurs individuels

Découvrez comment trouver et connecter des outils.

Cas d'usage courants

Exemple de ressources disponibles

Pour illustrer comment ces capacités fonctionnent ensemble, considérons une société de capital-investissement disposant des ressources Databricks suivantes configurées :

Tables dans ce scénario

1. portfolio_companies : Détails de l'entreprise, informations d'acquisition, valorisations actuelles et niveaux d'endettement

2. financial_statements : Données financières périodiques incluant le chiffre d'affaires, l'EBITDA avec ajustements, et des métriques opérationnelles comme le nombre de clients et le taux d'attrition

3. market_comparables : Entreprises comparables du secteur avec multiples de valorisation et taux de croissance

4. due_diligence_docs : Référentiel de rapports de due diligence, documents d'analyse et mémos de transaction

Fonctions Unity Catalog dans ce scénario

1. calculate_normalized_ebitda() : Applique les ajustements standards de capital-investissement à l'EBITDA déclaré, en supprimant les coûts exceptionnels et en normalisant la rémunération du propriétaire

2. compute_portfolio_irr() : Calcule le taux de rendement interne et le multiple sur capital investi en fonction des flux de trésorerie et des périodes de détention

3. estimate_debt_capacity() : Modélise la capacité d'endettement maximale avec des tests de résistance de conformité aux covenants dans divers scénarios

Index de recherche vectorielle dans ce scénario

1. due_diligence_index : Recherche sémantique dans tous les documents de due diligence, mémos de transaction et rapports d'analyse

Analyse de préparation à la sortie du portefeuille

Exemple d'invite en entrée :

Pour cette analyse, Claude pourrait utiliser les différentes fonctions UC et Genie selon les étapes suivantes :

1. Genie : Identifier les entreprises du portefeuille détenues depuis >3 ans et récupérer leurs dernières données financières.

2. Fonction UC : Appeler calculate_normalized_ebitda() pour chaque entreprise afin d'appliquer les ajustements de capital-investissement.

3. Fonction UC : Exécuter compute_portfolio_irr() pour calculer le TRI et le multiple sur capital investi pour chaque entreprise.

4. Genie : Interroger les entreprises comparables du marché et appliquer les multiples sectoriels à l'EBITDA normalisé pour obtenir les fourchettes de valorisation.

Claude pourrait ensuite présenter ses résultats dans un résumé montrant les entreprises prêtes pour une sortie avec le TRI, le multiple sur capital investi et les fourchettes de valorisation basées sur les multiples de marché actuels.

Valorisation d'une nouvelle transaction

Exemple d'invite en entrée :

Pour répondre à cette demande, Claude pourrait suivre ce flux de travail :

1. Genie : Interroger les entreprises comparables du marché pour des entreprises de taille similaire dans le secteur cible afin d'établir des références de valorisation.

2. Fonction UC : Appeler estimate_debt_capacity() avec les métriques cibles pour modéliser des scénarios d'endettement et tester la résistance de la conformité aux covenants.

3. Recherche vectorielle : Rechercher dans l'index de due diligence les playbooks de création de valeur pertinents et les transactions précédentes.

4. Synthèse : Combiner les résultats pour générer une fourchette de valorisation, une structure de capital recommandée et des précédents pertinents.

Idéalement, Claude répondrait ensuite avec un rapport sur la fourchette de valorisation et un prix d'offre recommandé, tout en citant les sources qui ont conduit à sa recommandation.

Évaluation du risque de rupture de covenant

Exemple d'invite en entrée :

Pour cette tâche, Claude pourrait utiliser les ressources suivantes :

1. Genie : Identifier les entreprises du portefeuille ayant de la dette, en se concentrant sur celles avec un levier >4x.

2. Fonction UC : Appeler calculate_normalized_ebitda() pour chaque entreprise à fort levier afin d'établir une base de référence.

3. Fonction UC : Exécuter estimate_debt_capacity() avec des scénarios de baisse de 15 %, 20 % et 25 % pour chaque entreprise.

4. Genie : Interroger les données financières historiques pour identifier les entreprises présentant des tendances de fonds de roulement en détérioration.

Claude pourrait ensuite répondre avec une analyse du risque de rupture, organisée par entreprise et par scénario.

Conseils pour utiliser Databricks

• Soyez précis sur les données que vous recherchez.

  • Exemple : Au lieu de « Analyser les clients », essayez « Montrez-moi nos 20 meilleurs clients par… »

• Utilisez un langage de type « trouver des éléments similaires » pour la correspondance de motifs

  • Exemple : « Trouvez les retours qui mentionnent des problèmes comme cette réclamation. »

• N'oubliez pas que tous les accès aux données suivent vos autorisations Unity Catalog. Claude ne peut accéder qu'aux données auxquelles vous avez accès.

• Les fonctions personnalisées fournissent des calculs cohérents. Envisagez d'ajouter des fonctions UC pour calculer des métriques standardisées.

• Les analyses complexes peuvent nécessiter plusieurs étapes. Demandez d'abord un plan et examinez l'approche proposée par Claude.