使用 Databricks 進行資料分析

Databricks 連接器透過 Unity Catalog 為 Claude 提供存取您組織內部資料的能力，使其能夠分析您的資料庫、執行自訂業務邏輯，以及存取非結構化文件。Databricks 提供三個獨立的連接器：一個用於函數、一個用於向量搜尋、一個用於 Genie，每個連接器都能存取您 Databricks 工作區中不同的功能。

Databricks 元件提醒

在探索 Claude 能用 Databricks 做什麼之前，了解您 Databricks 工作區中存在的三個核心元件非常重要：

1. Unity Catalog 函數：您組織為特定計算、資料轉換或 API 整合所建立的自訂 Python 或 SQL 函數。這些可能包括專有評分演算法、標準化財務計算，或特定業務的資料處理邏輯。

2. 向量搜尋：建立在您組織文件和資料集上的語意搜尋索引。這些索引允許搜尋概念上相似的內容，即使確切的關鍵字不相符。

3. Genie：一個自然語言介面，可將純英文問題轉換為針對您資料的 SQL 查詢。Genie 使用關於您表格和欄位的元資料來理解業務術語並生成適當的查詢。

此連接器提供的功能

整合能力

透過 Databricks 整合，Claude 可以存取您工作區中的資源：

• 執行自訂函數：Claude 可以執行您組織定義的 Unity Catalog 函數。這包括執行複雜的業務邏輯、套用計算，或透過您團隊建立的函數呼叫外部 API。例如，如果您的組織已建立自訂的客戶健康評分函數，Claude 可以在分析中一致地套用它。

• 語意搜尋：使用向量搜尋索引，Claude 可以根據意義而非僅僅關鍵字來找到相關文件和內容。這對於搜尋合約、研究報告、客戶回饋或技術文件特別有用，因為相似的概念可能以不同的方式表達。

• 自然語言查詢：透過 Genie，Claude 可以將純英文問題轉換為 SQL 查詢。您不需要撰寫複雜的 SQL，而是可以問像「我們上個季度的營收成長是多少？」這樣的問題，Claude 將使用 Genie 生成並執行適當的查詢。

• 受管控的存取：透過連接器進行的所有資料存取都遵循您組織的 Unity Catalog 權限和政策。Claude 只能存取您的使用者帳戶有權限使用的資料和執行的函數。

Claude 如何使用 Databricks 資料

Claude 以多種方式應用 Databricks 功能，以支援全面的資料分析：

• 多來源分析：Claude 結合資料庫查詢、向量搜尋和自訂函數的結果，以提供全面的洞見。例如，在驗證投資論點時，Claude 可能會從您的投資組合資料庫查詢歷史財務表現，搜尋過去類似產業投資的盡職調查報告，並套用您專有的 IRR 計算函數來模擬預期回報。

• 反覆探索：Claude 可以查詢資料、分析初步結果，並根據發現結果精煉搜尋。這使得分析能夠讓一次查詢的洞見影響下一次查詢。

• 自訂邏輯應用：透過執行 Unity Catalog 函數，Claude 套用您組織特定的規則和計算。這確保了專有指標、調整後的計算和公司特定的邏輯在所有分析中都能一致地套用。

• 情境化查詢建構：當您用純英文提問時，Claude 使用 Genie 將其轉換為適當的 SQL 查詢。這種轉換會考慮您的表格結構、欄位名稱和關係，以生成符合您資料庫結構的準確查詢。

• 模式識別：透過向量搜尋，Claude 可以找到文件和資料中的模式和相似性。這有助於找到相關問題、類似交易，或透過傳統關鍵字搜尋可能不明顯的可比情況。

設定 Databricks 連接器

Databricks 整合由三個獨立的連接器組成，每個都需要單獨設定：

1. 函數伺服器： 存取 Unity Catalog 函數以進行計算、業務邏輯和資料轉換。

2. 向量搜尋伺服器： 啟用跨索引文件和資料集的語意搜尋。

3. Genie 伺服器： 提供自然語言轉 SQL 查詢的轉換功能。

Databricks 連接器的技術細節可以在 Databricks 的MCP 伺服器文件中找到。與 Databricks 連接器的身份驗證透過 OAuth（適用於 Claude.ai 和 Claude Desktop）或透過 Databricks 個人存取權杖（僅適用於 Claude Desktop）進行處理。

以組織擁有者身份新增連接器

1. 前往管理設定 > 連接器。

2. 向下滾動並點擊清單底部的「新增自訂連接器」。

3. 輸入您 Databricks 工作區的整合 URL

4. 為整合命名。請記住有三個獨立的 Databricks 伺服器，因此請考慮為每個伺服器取獨特的名稱（例如「Databricks UC」、「Databricks Genie」、「Databricks Search」）

5. 點擊「新增」

針對個人使用者

了解尋找和連接工具。

常見使用案例

可用資源範例

為說明這些功能如何協同運作，請考慮一家私募股權公司配置了以下 Databricks 資源：

此情境中的表格

1. portfolio_companies： 公司詳細資訊、收購資訊、目前估值和債務水準

2. financial_statements： 期間財務資料，包括營收、調整後 EBITDA，以及客戶數量和流失率等營運指標

3. market_comparables： 產業可比公司的估值倍數和成長率

4. due_diligence_docs： 盡職調查報告、分析文件和交易備忘錄的儲存庫

此情境中的 Unity Catalog 函數

1. calculate_normalized_ebitda()： 對報告的 EBITDA 套用標準私募股權調整，移除一次性成本並標準化業主薪酬

2. compute_portfolio_irr()： 根據現金流和持有期間計算內部報酬率和投入資本回報倍數

3. estimate_debt_capacity()： 在各種情境下模擬最大槓桿能力，並進行契約合規壓力測試

此情境中的向量搜尋索引

1. due_diligence_index： 跨所有盡職調查文件、交易備忘錄和分析報告的語意搜尋

投資組合退出準備度分析

範例輸入提示：

針對此分析，Claude 可能會依以下步驟使用不同的 UC 函數和 Genie：

1. Genie：識別持有超過 3 年的投資組合公司，並取得其最新財務資料。

2. UC 函數：對每家公司呼叫 calculate_normalized_ebitda() 以套用私募股權調整。

3. UC 函數：執行 compute_portfolio_irr() 以計算每家公司的 IRR 和 MOIC。

4. Genie：查詢市場可比公司，並將產業倍數套用於標準化 EBITDA 以取得估值範圍。

Claude 接著可能會在摘要中報告其結果，顯示可退出的公司及其 IRR、MOIC 和基於目前市場倍數的估值範圍。

新交易估值

範例輸入提示：

為完成此請求，Claude 可能會遵循以下工作流程：

1. Genie：查詢目標產業中規模相似公司的市場可比資料，以建立估值基準。

2. UC 函數：使用目標指標呼叫 estimate_debt_capacity()，以模擬槓桿情境並進行契約合規壓力測試。

3. 向量搜尋：在盡職調查索引中搜尋相關的價值創造手冊和先例交易。

4. 綜合：結合結果以生成估值範圍、建議的資本結構和相關先例。

理想情況下，Claude 接著會回應一份關於估值範圍和建議報價的報告，同時引用導致其建議的來源。

契約違約風險評估

範例輸入提示：

針對此任務，Claude 可能會使用以下資源：

1. Genie：識別有債務的投資組合公司，重點關注槓桿超過 4 倍的公司。

2. UC 函數：對每家高槓桿公司呼叫 calculate_normalized_ebitda() 以建立基準。

3. UC 函數：針對每家公司執行 estimate_debt_capacity()，模擬 15%、20% 和 25% 的下降情境。

4. Genie：查詢歷史財務資料，以識別營運資金趨勢惡化的公司。

Claude 接著可能會回應一份按公司和情境組織的違約風險分析。

使用 Databricks 的技巧

• 明確說明您要尋找的資料。

  • 範例：不要說「分析客戶」，而是嘗試「顯示我們按……排名前 20 的客戶」

• 使用「尋找相似」的語言進行模式比對

  • 範例：「找出提到類似此投訴問題的回饋。」

• 請記住，所有資料存取權限都遵循您的 Unity Catalog 權限。Claude 只能存取您能存取的資料。

• 自訂函數提供一致的計算。請考慮新增 UC 函數來計算標準化指標。

• 複雜的分析可能需要多個步驟。請先要求提供計畫，並審查 Claude 提出的方法。