使用 Databricks 进行数据分析

Databricks 连接器通过 Unity Catalog 为 Claude 提供对您组织内部数据的访问权限，使其能够分析您的数据库、运行自定义业务逻辑，以及访问非结构化文档。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，每个连接器访问您 Databricks 工作区内的不同功能。

Databricks 组件提醒

在探索 Claude 能够利用 Databricks 做什么之前，了解您 Databricks 工作区中存在的三个核心组件非常重要：

1. 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。

2. 向量搜索：基于您组织的文档和数据集构建的语义搜索索引。这些索引允许在确切关键词不匹配的情况下搜索概念上相似的内容。

3. Genie：一个自然语言接口，可将纯英语问题转换为针对您数据的 SQL 查询。Genie 使用有关您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

集成能力

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 可以运行您组织定义的 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 可以在各项分析中一致地应用它。

• 语义搜索：使用向量搜索索引，Claude 可以基于含义而非仅仅关键词来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，因为这些内容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 可以将纯英语问题转换为 SQL 查询。您无需编写复杂的 SQL，只需提出类似"我们上个季度的收入增长是多少？"这样的问题，Claude 就会使用 Genie 生成并执行相应的查询。

• 受管控的访问：通过该连接器进行的所有数据访问都遵循您组织的 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函数。

Claude 如何使用 Databricks 数据

Claude 以多种方式应用 Databricks 功能，以支持全面的数据分析：

• 多源分析：Claude 结合数据库查询、向量搜索和自定义函数的结果，提供全面的洞察。例如，在验证投资论点时，Claude 可能会从您的投资组合数据库中查询历史财务表现，搜索类似行业投资的过往尽职调查报告，并应用您专有的 IRR 计算函数来建模预期回报。

• 迭代式探索：Claude 可以查询数据、分析初步结果，并根据发现结果优化搜索。这使得分析能够实现一个查询的洞察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。这确保了专有指标、调整后的计算和公司特定逻辑在所有分析中得到统一应用。

• 上下文查询构建：当您用纯英语提出问题时，Claude 使用 Genie 将其转换为适当的 SQL 查询。此转换会考虑您的表结构、列名和关系，以生成与您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发现模式和相似性。这有助于发现相关问题、类似交易或可比情况，这些内容通过传统关键词搜索可能并不明显。

设置 Databricks 连接器

Databricks 集成由三个独立的连接器组成，每个连接器都需要单独设置：

1. 函数服务器： 访问用于计算、业务逻辑和数据转换的 Unity Catalog 函数。

2. 向量搜索服务器： 支持跨索引文档和数据集的语义搜索。

3. Genie 服务器： 提供自然语言到 SQL 查询的转换功能。

有关 Databricks 连接器的技术细节，请参阅 Databricks 的MCP 服务器文档。与 Databricks 连接器的身份验证通过OAuth（适用于 Claude.ai 和 Claude Desktop）或通过Databricks 个人访问令牌（仅适用于 Claude Desktop）进行处理。

作为组织所有者添加连接器

1. 导航至管理设置 > 连接器。

2. 向下滚动并点击列表底部的"添加自定义连接器"。

3. 输入您 Databricks 工作区的集成 URL

4. 为集成命名。请记住有三个独立的 Databricks 服务器，因此请考虑为每个服务器使用唯一的名称（例如，"Databricks UC"、"Databricks Genie"、"Databricks Search"）

5. 点击"添加"

针对个人用户

了解查找和连接工具。

常见使用场景

可用资源示例

为说明这些功能如何协同工作，请考虑一家配置了以下 Databricks 资源的私募股权公司：

此场景中的表

1. portfolio_companies（投资组合公司）： 公司详情、收购信息、当前估值和债务水平

2. financial_statements（财务报表）： 期间财务数据，包括收入、经调整的 EBITDA，以及客户数量和流失率等运营指标

3. market_comparables（市场可比公司）： 具有估值倍数和增长率的行业可比公司

4. due_diligence_docs（尽职调查文档）： 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

1. calculate_normalized_ebitda()： 对报告的 EBITDA 应用标准私募股权调整，剔除一次性成本并标准化所有者薪酬

2. compute_portfolio_irr()： 根据现金流和持有期计算内部收益率和投入资本回报倍数

3. estimate_debt_capacity()： 在各种情景下对最大杠杆能力进行建模，并进行契约合规压力测试

此场景中的向量搜索索引

1. 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

投资组合退出准备度分析

示例输入提示：

对于此分析，Claude 可能会按以下步骤使用不同的 UC 函数和 Genie：

1. 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。

2. UC 函数：为每家公司调用 calculate_normalized_ebitda() 以应用私募股权调整。

3. UC 函数：执行 compute_portfolio_irr() 以计算每家公司的 IRR 和 MOIC。

4. Genie：查询市场可比公司，并将行业倍数应用于标准化 EBITDA 以获得估值范围。

然后，Claude 可能会在摘要中报告其结果，显示基于当前市场倍数的可退出公司及其 IRR、MOIC 和估值范围。

新交易估值

示例输入提示：

为完成此请求，Claude 可能会遵循以下工作流程：

1. Genie：查询目标行业中规模相似公司的市场可比数据，以建立估值基准。

2. UC 函数：使用目标指标调用 estimate_debt_capacity()，对杠杆情景进行建模并对契约合规性进行压力测试。

3. 向量搜索：在尽职调查索引中搜索相关的价值创造方案和先例交易。

4. 综合：结合结果生成估值范围、建议的资本结构和相关先例。

理想情况下，Claude 随后会回复一份关于估值范围和建议报价的报告，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：

对于此任务，Claude 可能会使用以下资源：

1. 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。

2. UC 函数：为每家高杠杆公司调用 calculate_normalized_ebitda() 以建立基准。

3. UC 函数：针对每家公司运行 estimate_debt_capacity()，模拟 15%、20% 和 25% 的下降情景。

4. Genie：查询历史财务数据，识别营运资金趋势恶化的公司。

然后，Claude 可能会回复一份按公司和情景组织的违约风险分析。

使用 Databricks 的技巧

• 明确说明您要查找的数据。

  • 示例：不要说"分析客户"，而是尝试"按……显示我们排名前 20 的客户"

• 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 只能访问您能够访问的数据。

• 自定义函数提供一致的计算。请考虑添加 UC 函数来计算标准化指标。

• 复杂的分析可能需要多个步骤。请先要求提供计划，并审查 Claude 提出的方法。