Data Analytics
Snowflake te sirvió hasta ahora pero tu ML workload + streaming + data lakehouse needs requieren Databricks. (O viceversa — Databricks costoso + SQL workloads te llevan a Snowflake). Migración mal planeada rompe 12 meses de dashboards. Esta sesión diseña la migración por fases con qué workloads migran, cuáles se quedan, y rollback plan.
¿Te pasa esto?
Mi Snowflake bill subió a €15k/mes y mi uso ML en Databricks genera duplicación
Mi data team pide Databricks por notebooks + ML nativo — Snowflake se les queda corto
Tengo 200 dashboards en Looker sobre Snowflake — migrar destroys visibility
Mi CFO me pide 'consolidar data warehouses' — no sé si Snowflake o Databricks gana
Ya hice una migración de warehouse antes (BigQuery→Snowflake) y fue pesadilla 9 meses
Qué te llevarás
Plan de migración por fases: assessment (4 semanas), parallel run (8 semanas), cutover per workload (12 semanas), deprecation (8 semanas)
Workload segmentation: qué migra (ML, streaming, lakehouse), qué se queda, qué es híbrido
Data sync strategy: CDC setup entre sistemas durante parallel run
Dashboard migration: Looker/Tableau re-pointing — con order de prioridad
Cost comparison realista: Snowflake vs Databricks vs mantener ambos (hybrid common)
Rollback plan: criterios de 'abort' y path back a Snowflake si Databricks no performs
Esta sesión no es para…
Esta sesión NO es comparación Snowflake vs Databricks conceptual — asume decisión tomada
No migra data physically — diseña plan
No cubre BI tools migration separately (es sesión aparte)
Si tu OKR pinta rojo en…
€80–200k realista para empresa con €5–20k/mes current warehouse spend: implementation + dual-run period + data team time. Más mal diseñada. El experto da el rango.
9–15 meses para fully migrated. 6 meses bad case en Snowflake/Databricks que no tienen feature parity. El experto da timeline realista.
Hybrid es common y válido: ML en Databricks + SQL analytics en Snowflake. No siempre 'elige uno'. El experto evalúa.
Current warehouse spend, data stack complete (ETL, orchestration, BI), team size, use cases específicos que manejan mal, y reason for migration (cost? feature? ML?). El experto scopea.
Alto. 30% de migrations warehouse fail o exceed budget 2x. Reducir risk: pilot un workload primero, full migration después. El experto diseña phased.
Aún estamos curando a los expertos para esta tarea.