Snowflake vs Databricks: dónde coinciden los casos de uso y dónde se separan

En las últimas semanas terminé el curso de Coursera Intro to Snowflake for Devs, Data Scientists and Data Engineers, lo convertí en un mapa mental interactivo, construí una plataforma de datos con IA al estilo Snowflake y tracé cómo practicar el lado de Databricks en un portátil. La pregunta que surgió en todas las conversaciones fue la misma: ¿cuál deberíamos usar?

La respuesta honesta es que las dos plataformas se solapan más de lo que sugiere su marketing, y que las diferencias que quedan tienen que ver con desde dónde empiezas, no con lo que es posible. Este artículo las alinea por caso de uso. Los datos sobre Snowflake vienen del curso; los de Databricks, de la documentación de Databricks. Ambas plataformas cambian cada mes, así que toma las tablas como un mapa, no como un contrato.

Dos plataformas, dos puntos de partida

Snowflake nació como almacén de datos en la nube. El curso describe la separación entre almacenamiento y cómputo como "algo que Snowflake fue el primero en hacer" y enumera cuatro capas: almacenamiento optimizado, cómputo elástico multiclúster, servicios en la nube y Snowgrid. Creas almacenes, bases de datos y tablas en SQL; de los archivos, las microparticiones, el cifrado y los metadatos se encarga la plataforma.

Databricks nació con Apache Spark, el motor distribuido de código abierto que crearon sus fundadores. La plataforma combina el cómputo de Spark con Delta Lake, un formato de tabla que añade transacciones ACID, viaje en el tiempo y MERGE a los archivos Parquet, y con Unity Catalog para permisos, metadatos y linaje. Los archivos se quedan en tu propio almacenamiento de objetos; Databricks pone el espacio de trabajo, el cómputo y el catálogo.

Uno junto al otro

	Snowflake	Databricks
Origen	Almacén de datos en la nube, SQL primero	Apache Spark, lakehouse con el código primero
Dónde viven los datos	Almacenamiento gestionado por Snowflake sobre objetos en la nube; Iceberg para tablas externas	Tu propio almacenamiento de objetos (S3, ADLS, GCS) como tablas Delta
Formato de tabla	Microparticiones gestionadas por la plataforma	Delta Lake: Parquet más un registro de transacciones
Unidad de cómputo	Almacén virtual, de XS a 6XL, suspensión y reanudación automáticas	Clústeres Spark y SQL warehouses, gestionados por Databricks
Lenguajes principales	SQL primero; Python, Java y Scala vía Snowpark	Python, SQL y Scala sobre Spark
Gobernanza	Control de acceso por roles, políticas de enmascarado y de acceso por filas	Unity Catalog: permisos, metadatos, linaje
Transformación programada	Tablas dinámicas, streams y tasks	Pipelines y jobs de Lakeflow
Aprendizaje automático	Funciones ML de Cortex, Snowpark ML, Model Registry, Feature Store	MLflow, notebooks, Mosaic AI y servicio de modelos
IA generativa	Funciones LLM de Cortex, Cortex Search, Cortex Analyst, ajuste fino	Mosaic AI, servicio de modelos
Apps	Streamlit en Snowflake, Native App Framework, Marketplace	Notebooks y dashboards en el espacio de trabajo
Compartición	Comparticiones sin copia, Marketplace, Data Clean Rooms	No cubierto en esta ronda de notas
Práctica gratuita	Cuenta de prueba, CLI, extensión de VS Code	Spark con Delta Lake en local, Free Edition

Lo que comparten

Quita las marcas y las dos plataformas coinciden en la arquitectura que ganó la última década:

• Almacenamiento y cómputo están separados y se facturan por separado. Snowflake dimensiona los almacenes con independencia de las tablas; Databricks acopla clústeres a tablas que viven en tus buckets.
• SQL y Python son de primera clase en ambos. Snowflake tiene hojas SQL, DataFrames de Snowpark y Notebooks; Databricks tiene Spark SQL, PySpark y notebooks.
• Las tablas son transaccionales y tienen historial. El Time Travel de Snowflake consulta una tabla AT una marca de tiempo o BEFORE un id de consulta, con una retención por defecto de 1 día y hasta 90 días en Enterprise; Delta Lake ofrece escrituras ACID, viaje en el tiempo y MERGE INTO sobre archivos.
• Los datos se organizan por capas. El curso construye esquemas raw, harmonized y analytics; el lakehouse construye bronze, silver y gold. La misma idea con otros nombres.
• Un solo catálogo lo gobierna todo, incluidas las funciones de IA: los roles de Snowflake deciden también quién puede llamar a funciones de Cortex o abrir una app Streamlit; Unity Catalog hace lo mismo con los activos de Databricks.
• Las funciones LLM viven dentro de la plataforma y no en un servicio aparte, así que los datos no tienen que salir para que un modelo los use.
• Ambos corren en AWS, Azure y Google Cloud.

Dónde se separan los casos de uso

Caso de uso	Se inclina a	Por qué
Dashboards de BI con muchos usuarios concurrentes	Snowflake	Los almacenes multiclúster añaden clústeres cuando muchos usuarios consultan a la vez y la caché de resultados sirve las consultas repetidas; la demo de Streamlit del curso lee una vista de más de 690 millones de filas con menos de 100 líneas de código
Grandes transformaciones a medida en código	Databricks	Los DataFrames de Spark y los notebooks son la forma nativa de trabajar; la plataforma nació exactamente de esto
Transformaciones programadas sin orquestador	Snowflake	Las tablas dinámicas se refrescan con el TARGET_LAG que elijas, lo que el curso llama "casi siempre la elección correcta" para transformaciones programadas con joins
Pipelines que ya corren en Airflow, Prefect o dbt	Cualquiera	Ambos aceptan un planificador externo; el curso nombra los tres como alternativas a streams y tasks
Ingesta en streaming	Cualquiera	Snowpipe carga archivos en menos de un minuto y Snowpipe Streaming con el conector de Kafka carga filas en segundos; Databricks ejecuta pipelines de streaming en código Spark
ML clásico con hábitos de scikit-learn o XGBoost	Cualquiera	Snowpark ML conserva las API de scikit-learn, XGBoost y LightGBM y entrena dentro de Snowflake; Databricks combina notebooks con el seguimiento de MLflow
Ciencia de datos exploratoria: mirar, probar, graficar, comparar ejecuciones	Databricks	Las funciones ML en SQL de Snowflake son cuatro sentencias con modelo fijo y cada experimento es una consulta facturada; un notebook sobre un clúster Spark con MLflow está hecho para ese bucle
Modelos a medida, GPU, tus propios contenedores	Cualquiera	Snowpark Container Services aloja tu propio modelo o un LLM de un socio sobre GPU gestionadas por Snowflake; Databricks es un clúster Spark que configuras, con Mosaic AI para servir
Llamadas a LLM sobre filas gobernadas desde SQL	Snowflake	AI_SENTIMENT, AI_TRANSLATE, AI_CLASSIFY, AI_EXTRACT y AI_COMPLETE se ejecutan fila a fila dentro de un SELECT bajo el mismo RBAC que la tabla
Chat sobre tus propios documentos (RAG)	Snowflake, o código en Databricks	Cortex Search es un servicio de recuperación gestionado sobre una columna de texto, combinado con COMPLETE para la respuesta; en Databricks montas las piezas en código
Preguntas de autoservicio en lenguaje natural	Snowflake	Cortex Analyst responde preguntas sobre un modelo semántico a través de una API REST; Snowflake Copilot redacta SQL en Snowsight
Compartir datos con socios sin copias	Snowflake	Las comparticiones son sin copia y de solo lectura, el Marketplace las distribuye y los Clean Rooms permiten a dos partes analizar datos combinados sin ver las filas del otro
Mantener las tablas como archivos que controlas	Databricks	Una tabla Delta son archivos Parquet más un registro en tu propio bucket; cualquier motor Spark puede leerla
Apps de datos entregadas a usuarios de negocio	Snowflake	Streamlit en Snowflake se despliega con un clic bajo los roles existentes; el Native App Framework vende apps en el Marketplace
Aprender gratis en un portátil	Databricks	Spark y Delta Lake se instalan con pip; Snowflake necesita una cuenta, aunque la de prueba cubre casi todo el curso

La capa de IA: Cortex frente a Mosaic AI

Los dos fabricantes ponen los modelos junto a los datos, pero la forma de la oferta es distinta.

	Snowflake Cortex	Databricks Mosaic AI
Cómo llamas a un modelo	Funciones SQL dentro de SELECT, o la CLI snow cortex	Código en notebooks, endpoints de servicio de modelos
Tareas listas para usar	AI_SENTIMENT, AI_TRANSLATE, AI_EXTRACT, AI_CLASSIFY, AI_PARSE_DOCUMENT, AI_COMPLETE	Se construyen con tus propios modelos o modelos alojados
Recuperación para RAG	Servicio Cortex Search sobre una columna de texto	Se monta en código
De lenguaje natural a respuestas	Cortex Analyst sobre un modelo semántico; Copilot en Snowsight	No está en mis notas
Modelos a medida	Cortex Fine-Tuning; Snowpark Container Services con GPU	MLflow, servicio de modelos, clústeres Spark
ML clásico en SQL	FORECAST, ANOMALY_DETECTION, TOP_INSIGHTS, CLASSIFICATION	MLflow y notebooks
Gobernanza	Los mismos roles que las tablas; los datos nunca salen	Unity Catalog

El curso sitúa Cortex en un espectro que va de los segundos (AI/ML Studio, sin código) a los minutos (una función SQL) y a las horas (un contenedor con tu propio modelo). Databricks empieza por el extremo de las horas y avanza hacia atrás: tienes el clúster Spark completo y MLflow, y construyes hacia arriba. Cuál es mejor depende de quién pregunta: un analista que escribe SQL llega más lejos en Snowflake; un equipo que ya entrega modelos desde notebooks llega más lejos en Databricks.

Dónde Snowflake deja de ser una herramienta de exploración en ML e IA

Una diapositiva del curso resume mi principal reserva, y es la razón por la que no pondría el trabajo de exploración de un equipo de ciencia de datos en Snowflake:

Lo que muestra la diapositiva. Toda la caja de herramientas de aprendizaje automático del lado SQL son cuatro funciones. Cada una se crea de la misma forma: una referencia a una vista como INPUT_DATA, un TIMESTAMP_COLNAME, un TARGET_COLNAME, y después una llamada como model1!FORECAST(FORECASTING_PERIODS => 3) o model_binary!PREDICT(INPUT_DATA => object_construct(*)). Ese es todo el bucle de entrenamiento. El curso añade que FORECAST, ANOMALY_DETECTION y CLASSIFICATION ejecutan por debajo una máquina de gradient boosting, y ese es el único modelo disponible.

Por qué eso es un problema para explorar. La ciencia de datos es un bucle: mirar los datos, probar una transformación, entrenar, graficar, comparar, volver atrás. Desde esta interfaz no puedes elegir el algoritmo, ajustarlo más allá de los parámetros con nombre, construir características en otro sitio que no sea el SQL de la vista de entrada, inspeccionar una curva de aprendizaje, comparar dos ejecuciones lado a lado ni conservar un historial de experimentos. La sentencia devuelve una respuesta, que es exactamente lo adecuado cuando la pregunta está cerrada y no ayuda en nada mientras no lo está. Incluso el escaparate del curso para el modelado "de verdad", la demo de XGBoost con Snowpark ML, informa de 730 de 730 predicciones de prueba correctas sobre 7.300 filas sintéticas: una demostración de la API, no un flujo de modelado.

El lado generativo tiene la misma forma. AI_SENTIMENT o AI_COMPLETE devuelven una respuesta por fila con el modelo como parámetro. La demo fila a fila del curso se limita a 5 filas mientras se ajusta el prompt, porque cada llamada es una consulta facturada sobre un almacén en marcha y un modelo mayor cuesta más por token, y Cortex Search ni siquiera funcionó en la cuenta de prueba porque los embeddings requieren una de pago. Eso es aceptable para puntuar datos gobernados en producción. Es un mal sitio para explorar: sin iteración local barata, sin registro de experimentos, y cada intento aparece en la factura.

Lo que Snowflake ofrece a cambio, y por qué no cambia el veredicto. Snowpark ML lleva al cómputo de Snowflake API al estilo de scikit-learn, XGBoost y LightGBM, un Model Registry y un Feature Store, y el curso tiene razón en que supera a los procedimientos almacenados y las UDF que había antes. Pero traslada los hábitos de scikit-learn a los notebooks y almacenes de Snowflake; no convierte la plataforma en un entorno de exploración. Databricks empieza por el otro extremo: un notebook sobre un clúster Spark, MLflow registrando cada ejecución, y el SQL se añade después. Si el día a día de un equipo es explorar y no puntuar, esa diferencia decide la elección por sí sola.

Un grafo de decisión sencillo

Aprender los dos sin factura en la nube

	Corre en local	Coste	Sirve para
Apache Spark con PySpark	Sí	Gratis	Desarrollo con Spark, DataFrames, Spark SQL
Spark con Delta Lake	Sí	Gratis	Tablas lakehouse, viaje en el tiempo, MERGE, capas medallion
Databricks Free Edition	No, gestionado en la nube	Gratis, con cuotas serverless y límites de funciones	El espacio de trabajo real, Unity Catalog, Lakeflow
Databricks Connect	En parte: IDE local, clúster remoto	El cómputo puede facturarse	Desarrollar en local contra un clúster real
Cuenta de prueba de Snowflake	No, gestionado en la nube	Gratis durante el periodo de prueba	Snowsight, almacenes, Time Travel, clonado, casi todo Cortex
Snowflake CLI y extensión de VS Code	Sí, contra cualquier cuenta	Herramientas gratuitas	Scripts, CI, editar SQL y Python en tu editor
Snowpark en local	Sí, contra cualquier cuenta	Librería gratuita	DataFrames que se ejecutan dentro del cómputo de Snowflake

Para el lado de Databricks, un lakehouse local funcional está a un comando de distancia:

python3 -m venv spark-env && source spark-env/bin/activate
pip install pyspark delta-spark jupyterlab
jupyter lab

Con eso puedes practicar transformaciones en PySpark, Spark SQL y funciones de ventana, tablas Delta con viaje en el tiempo, capas bronze, silver y gold, cargas incrementales con MERGE INTO y pipelines por lotes o en streaming. Lo que no tienes en local es la plataforma en sí: Photon, la gobernanza gestionada de Unity Catalog y los servicios propios de Databricks. Databricks Free Edition los cubre, dentro de sus cuotas.

Para el lado de Snowflake, la cuenta de prueba cubre casi todo el curso; lo único que falló en una cuenta de prueba durante el curso fue Cortex Search, porque los embeddings requieren una cuenta de pago. En local instalas la CLI y la librería de Snowpark:

pip install snowflake-cli snowflake-snowpark-python
snow connection add && snow connection test
snow sql -q "SELECT CURRENT_VERSION()"

Cuando necesité un entorno con forma de Snowflake que arrancara en segundos sin credenciales, construí uno sobre DuckDB organizado como una cuenta de Snowflake, con esquemas bronze, silver y gold, un esquema account_usage, políticas de enmascarado y de acceso por filas aplicadas en SQL, y el mismo diseño entregado como DDL real de Snowflake para el modo en vivo. Ese proyecto es el Snowflake AI Data Copilot.

Qué elegiría yo

Si quienes hacen las preguntas escriben SQL y las respuestas van a dashboards, informes y conjuntos de datos compartidos, empiezo con Snowflake: almacenes que se dimensionan según el trabajo, tablas dinámicas en lugar de un planificador, y Cortex para sentimiento, traducción, clasificación y preguntas en lenguaje natural sin exportar una sola fila.

Si quienes hacen el trabajo escriben Python contra archivos grandes, entrenan sus propios modelos y quieren que las tablas se queden en sus propios buckets como archivos abiertos, empiezo con Databricks: Spark es el lenguaje nativo, Delta Lake es el formato nativo, y MLflow y Mosaic AI son las herramientas nativas para modelos. Y si el trabajo es explorar y no puntuar, Databricks gana antes de sopesar cualquier otro criterio.

Si una empresa ya tiene los dos, la conversación útil no es cuál sino qué carga va a cada sitio, y la única regla que evita que se peleen son los formatos de tabla abiertos: Iceberg en el lado de Snowflake, Delta y Parquet en el de Databricks, para que ninguna plataforma se convierta en la única capaz de leer los datos.

Fuentes

• Coursera, Intro to Snowflake for Devs, Data Scientists, Data Engineers, de Snowflake (instructor Peter Olson), transcripción revisada el 5 de noviembre de 2026. Cada definición, comando y cifra de Snowflake de este artículo es del curso; el curso completo está en el mapa mental de Snowflake. Algunas funciones estaban en vista previa al grabarse, así que consulta docs.snowflake.com para la disponibilidad y los precios actuales.
• Documentación y páginas de producto de Databricks en docs.databricks.com para Apache Spark, Delta Lake, Unity Catalog, Lakeflow, MLflow, Mosaic AI, Databricks Connect y Free Edition, según mis notas de estudio de noviembre de 2026. Las cuotas y los límites de la Free Edition cambian; consulta las condiciones vigentes.