Si lideras un equipo de plataforma o de ingeniería de datos y estás evaluando herramientas de optimización de costos para Databricks, empieza por preguntarte qué aporta una herramienta de pago más allá de lo que ya ofrece Databricks. El anuncio de Governance Hub de Databricks describe a líderes de FinOps (Financial Operations) analizando el gasto en detalle e identificando sus causas sin tener que mantener decenas de consultas y dashboards. Governance Hub lleva ese análisis directamente a la consola de la cuenta.
La herramienta adecuada depende de tu entorno y de cuánto control quieras darle sobre tus recursos de Databricks. Esta guía compara cuatro categorías según el acceso de escritura, el alcance y los precios públicos. El acceso de escritura te muestra qué puede cambiar la herramienta, mientras que el alcance indica si funciona solo con Databricks o en varias plataformas. Cada herramienta se clasifica según el modelo de acceso de escritura que describe su propio proveedor.
TL;DR
- Los controles nativos y Governance Hub (Beta) te muestran tu gasto total en Databricks y qué parte de él está etiquetada.
- Las plataformas de inteligencia de costos como LakeSentry te dan atribución por trabajo y por equipo, detección de anomalías y acciones priorizadas para que tu equipo las aplique.
- Los motores autónomos como Sedai, Altimate, Capital One Slingshot, Unravel y SELECT pueden modificar tus recursos de Databricks por ti, con niveles de aprobación que varían según la herramienta.
- Las plataformas amplias de FinOps como Flexera combinan tus costos de Databricks con el gasto en la nube y en plataformas de datos.
- La decisión entre ellas se reduce a cuánta autoridad le das a una herramienta para modificar tus recursos de Databricks.
¿Siguen siendo necesarias las herramientas de optimización de costos de Databricks en 2026?
Sigues necesitando una herramienta de pago si Governance Hub deja tareas pendientes para tu equipo. Governance Hub entró en Beta en julio de 2026 y se anunció públicamente en agosto.
Governance Hub cambia la forma de evaluar las herramientas de pago. Su página Cost te muestra adónde va tu dinero. Si necesitas atribución a nivel de usuario o de consulta, o quieres que las optimizaciones se apliquen a tus recursos por ti, necesitas más de lo que ofrece la página Cost.
Para definir qué necesitas, empieza con los cinco hábitos de Databricks cost optimization actually explained, que describen el trabajo que implica reducir los costos de Databricks. Las fases Inform, Optimize y Operate de la FinOps Foundation muestran dónde encaja ese trabajo: en Inform se examinan los datos de costo y uso, en Optimize se identifican oportunidades de eficiencia y en Operate se implementan los cambios. Todo lo que Governance Hub no cubra a lo largo de esos hábitos y fases es lo que una herramienta de pago tiene que aportar.
¿Cuáles son las cuatro categorías de herramientas de costos para Databricks?
Las herramientas de optimización de costos de Databricks se dividen en cuatro categorías: controles nativos, plataformas de inteligencia de costos, motores de optimización autónoma y plataformas amplias de FinOps. Cada una se clasifica según lo que la herramienta tiene permitido cambiar y cuántas plataformas cubre. La página de comparación de LakeSentry usa una división casi idéntica en cuatro grupos, así que este marco no es exclusivo de esta guía, pero tampoco es un estándar de la industria.
Los controles nativos son las herramientas de costos incluidas con Databricks. Las tablas de sistema y Governance Hub Cost leen tus datos de uso y no pueden cambiar tu cómputo, mientras que los presupuestos y las políticas de cómputo son los límites que tú mismo defines.
Las plataformas de inteligencia de costos se apoyan en esos datos y añaden atribución, detección de anomalías y acciones priorizadas. LakeSentry es un ejemplo exclusivo para Databricks, y es de solo lectura por defecto, de modo que tu equipo decide si actúa o no.
Los motores de optimización autónoma pueden hacer cambios en los recursos. Sedai, Altimate, Capital One Slingshot, Unravel y SELECT pueden redimensionar warehouses o ajustar clústeres, con controles que van desde aprobaciones previas hasta la ejecución automática.
Las plataformas amplias de FinOps combinan Databricks con AWS (Amazon Web Services), Azure, GCP (Google Cloud Platform), Snowflake y el gasto de otras plataformas. Flexera es un ejemplo, y en esa vista Databricks es una línea más entre muchas.
Las categorías se diferencian principalmente por el acceso de escritura y el alcance. La siguiente tabla resume esas diferencias junto con sus modelos de precios.
| Categoría | Acceso de escritura | Alcance | Modelo de precios |
|---|---|---|---|
| Controles nativos | Sin cambios en el cómputo (se pueden definir presupuestos) | Solo Databricks | Incluido en Databricks |
| Inteligencia de costos | Solo lectura por defecto | Solo Databricks | Público, con precios publicados |
| Motores de optimización autónoma | De aprobación previa a aplicación automática | Multiplataforma | Varía según el proveedor |
| FinOps amplio | Solo recomendaciones | Multiplataforma | No se publica en la página del producto |
¿Qué cubren las System Tables y el nuevo Governance Hub?
Los controles nativos te dan visibilidad detallada del gasto en Databricks. Las tablas de sistema proporcionan los datos de facturación subyacentes, mientras que Governance Hub añade encima una vista a nivel de cuenta.
En las tablas de sistema de facturación, system.billing.usage registra el uso facturable, incluidas las Databricks Units (DBU) consumidas, y al combinarla con system.billing.list_prices ese uso se convierte en dólares a precio de lista. Ese gasto se atribuye a un equipo o proyecto mediante etiquetas, que las políticas de cómputo aplican en el cómputo clásico y las políticas de uso serverless aplican en el cómputo serverless.
Governance Hub incluye las páginas Data, AI (inteligencia artificial), Cost y Tags, y Cost es la que aplica en este caso. Añade un explorador de gasto para ver los costos por producto, workspace, recurso o etiqueta, junto con el seguimiento del gasto etiquetado y presupuestos que los administradores de workspace crean y gestionan para sus workspaces. Sus recomendaciones de costos son de solo lectura, y todos los montos de la página Cost se muestran a precio de lista, por lo que tus descuentos negociados no aparecen.
En Governance Hub puedes hacerle preguntas a Genie, como por qué se dispararon los costos, y recibir respuestas basadas en tus datos de gobernanza. El anuncio de Databricks de agosto de 2026 dice que Genie pronto podrá ejecutar acciones como configurar políticas, crear alertas e implementar recomendaciones. Al momento de ese anuncio, Genie explica, pero no actúa.
system.billing.usage cubre únicamente los cargos de Databricks, mientras que el cómputo clásico también genera cargos del proveedor de nube por las máquinas virtuales subyacentes. Si usas cómputo clásico, necesitas tanto los datos de facturación de Databricks como los costos del proveedor de nube para calcular el costo total de cómputo. La publicación de Databricks de febrero de 2026 sobre unificar los costos de Databricks y de infraestructura en la nube presenta una solución de código abierto que une ambos en AWS y Azure.
¿Qué aporta LakeSentry en la categoría de inteligencia de costos exclusiva para Databricks?
LakeSentry añade atribución por trabajo y por equipo, detección de anomalías y acciones priorizadas sobre los datos de tus tablas de sistema. Se conecta mediante un service principal de solo lectura, y su ficha en GetApp indica que atribuye el gasto entre workspaces y entornos por trabajo y por equipo.
Para los picos de costos, LakeSentry compara el gasto reciente contra una línea base usando puntuaciones z (z-scores), con umbrales mínimos de costo para que los workloads pequeños no generen hallazgos, como describe su documentación de detección de anomalías. Cada hallazgo muestra su evidencia, como la línea base y el incremento del costo.
Los precios son públicos y se basan en la cantidad de usuarios. Free admite un usuario, Standard cuesta $499 al mes para hasta cinco usuarios y Pro cuesta $849 al mes para usuarios ilimitados, con los planes de pago facturados anualmente. Todos los planes incluyen workspaces ilimitados, y el precio no depende del uso de DBU ni de la cantidad de workspaces. La página de precios también menciona "Safe optimization" en todos los planes, así que pregúntale al proveedor qué incluye y qué modelo de acceso de escritura aplica antes de conectarte.
LakeSentry también publica una comparación de herramientas de costos de Databricks, actualizada por última vez el 5 de agosto de 2026. Allí ubica a LakeSentry en una categoría de inteligencia de costos y agrupa a Unravel con las plataformas más amplias de eficiencia y FinOps. Esta guía ubica a Unravel con los motores autónomos porque su motor Arvix AI puede aplicar cambios, mientras que la propia tabla de LakeSentry describe a Unravel como una herramienta de remediación autónoma.
Como LakeSentry vende uno de los productos comparados, toma esa categorización como la visión del proveedor y contrástala con fuentes independientes.
¿Cómo manejan Sedai, Altimate, Slingshot y Unravel la optimización autónoma?
Sedai, Altimate, Slingshot y Unravel te permiten delegar los cambios de optimización de Databricks al software, pero difieren en cuánto control conservas, desde la ejecución automática hasta las aprobaciones previas y la configuración por trabajo.
Sedai
Sedai afirma que puedes conectar tus cuentas de nube y de monitoreo en menos de 15 minutos. En modo copilot apruebas cada cambio con un clic, o puedes dejar que las optimizaciones se ejecuten automáticamente. El anuncio de lanzamiento de Sedai de junio de 2025 ubica a Databricks junto a AWS, Azure, GCP y Kubernetes, y cita reducciones de costos en la nube del 30% o más en toda su plataforma. Su página de Databricks promociona entre un 30 y un 50%.
Altimate
Los agentes Auto Tune de Altimate usan aprobaciones previas, con controles disponibles por trabajo, tarea y warehouse, según la guía de Altimate. La página de Databricks de Altimate reporta una reducción típica del 20 al 35%, y Auto Tune revierte automáticamente los cambios que degradan el rendimiento.
Capital One Slingshot
Slingshot te da control a nivel de trabajo mediante la tecnología de Sync Computing, cuyo equipo se incorporó a Capital One Software en 2025. Según el anuncio de Databricks de Capital One, puedes aplicar una optimización con un clic o automatizarla por completo, y la documentación de Slingshot muestra que el proyecto de cada trabajo tiene su propia configuración de aplicación automática, de modo que distintos trabajos de un mismo despliegue pueden funcionar con distintos niveles de automatización.
Unravel
Unravel cubre Databricks, Snowflake y BigQuery. Su motor Arvix AI puede reescribir código, hacer right-sizing del cómputo y limpiar el almacenamiento. Prueba cada cambio contra el comportamiento del workload antes de aplicarlo y lo revierte automáticamente si el rendimiento empeora.
Qué revisar antes de automatizar cambios
Los proveedores te dan distintos niveles de control sobre los cambios automatizados, desde aprobaciones manuales hasta la ejecución automática. Antes de conectar una herramienta, confirma cuándo un cambio requiere tu aprobación, cuándo puede actuar de forma automática y qué sucede si un cambio causa problemas.
Para cualquier herramienta que consideres, incluida SELECT, revisa qué permisos tiene, qué recursos puede cambiar, sus capacidades de rollback y el registro de auditoría que proporciona. Revisa también cómo entran esos cambios en tu proceso de despliegue, porque la configuración modificada fuera de la infraestructura como código puede desviarse de la configuración que definiste. La guía de configuración de SELECT requiere CAN_MANAGE en trabajos, clústeres y warehouses cuando Automated Savings está habilitado.
¿Dónde encaja Flexera dentro del FinOps multinube más amplio?
Flexera encaja cuando quieres ver tus costos de Databricks en la misma vista que el resto de tu gasto en la nube y en plataformas de datos, y su producto para Databricks recomienda cambios en lugar de aplicarlos. Los motores autónomos descritos arriba están diseñados para modificar recursos, mientras que Flexera se enfoca en FinOps a través de múltiples plataformas de nube y de datos y te da una vista consolidada de tus costos.
Flexera One Data Cloud Optimization es el producto antes conocido como Chaos Genius, que Flexera adquirió en enero de 2026. Ofrece orientación de right-sizing para Databricks y Snowflake dentro de una suite de FinOps para presupuestos y pronósticos. Las notas de lanzamiento de Flexera de junio de 2026 describen un dashboard Databricks Analyzer que combina el gasto en DBU con el costo de cómputo de la infraestructura en la nube subyacente, dándote una vista unificada del gasto en plataforma y en cómputo.
El anuncio de adquisición de Flexera dice que Chaos Genius ha ayudado a empresas del Fortune 500 a reducir costos hasta un 30% y describe el producto como optimización autónoma y agéntica. Su documentación de Data Cloud Optimization se centra en la visibilidad, la asignación y las recomendaciones de ahorro, por lo que esta guía trata su flujo documentado para Databricks como basado en recomendaciones, a menos que Flexera documente acciones de escritura específicas. Flexera no publica precios en la página de su producto.
¿Dónde encaja SELECT y cuáles son sus límites?
SELECT encaja cuando quieres cambios continuos, activables con un simple interruptor, en la cantidad de workers y el autoescalado de Databricks. No reporta tu factura de infraestructura en la nube ni reescribe tu código. Las preguntas clave son qué puede ver, qué puede cambiar y dónde están sus límites.
SELECT desglosa el gasto de Databricks por workspace, tipo de workload, trabajo, clúster, usuario y consulta, según su changelog de lanzamiento de Databricks. Una vez configurado, Automated Savings ajusta la cantidad de workers y el autoescalado para All-Purpose Compute y SQL Warehouses sin ajustes del día a día. Esta guía ubica a SELECT en la categoría autónoma porque ese acceso de escritura es continuo y se controla con un interruptor. SELECT reporta ahorros de hasta un 30% en los workloads elegibles.
SELECT reporta el gasto de la plataforma Databricks usando las tablas de sistema de facturación y precios de lista de Databricks, por lo que debes contabilizar los costos de infraestructura en la nube por separado. La guía de SELECT sobre optimización de costos de Databricks te da una regla general para estimar esos costos junto con tu factura de DBU.
Toma a Governance Hub como tu punto de partida. Su página Cost muestra los montos a precio de lista, mientras que los precios personalizados de SELECT te permiten incluir los descuentos negociados en tus números. SELECT también atribuye el gasto hasta el nivel de usuario y de consulta, y Automated Savings actúa donde las recomendaciones de solo lectura de Governance Hub se detienen.
Conoce los límites antes de comprar. SELECT no reescribe código, y el material de lanzamiento de Unravel de mayo de 2026 dice que Arvix AI sí lo hace. Los precios empiezan en $1,499 al mes, y la cotización final depende de tu entorno, así que Governance Hub puede ser suficiente para un entorno más pequeño.
¿Qué categoría le conviene a tu equipo?
Elige según cuánta autoridad estés dispuesto a darle a una herramienta para modificar tus recursos de Databricks. Si lo que más necesitas es mejor visibilidad, empieza con los controles nativos y Governance Hub, que dejan los cambios en tus manos. Governance Hub está en Beta a octubre de 2026. Si además necesitas atribución y detección de anomalías manteniendo los cambios dentro de tu equipo, añade una plataforma de inteligencia de costos como LakeSentry.
Si quieres que los cambios se apliquen por ti, elige un motor autónomo. El control varía según la herramienta, desde aprobaciones previas hasta la ejecución automática con rollback, así que decide cuánta automatización debería recibir cada workload. Si usas Databricks junto con otras plataformas, elige una plataforma amplia de FinOps como Flexera, que coloca a Databricks junto al resto de tu gasto en la nube y en plataformas de datos.
Antes de pagar por otra herramienta, revisa qué ofrece ya Governance Hub y qué aporta la herramienta adicional. La publicación de SELECT sobre qué hacer más allá de los ahorros fáciles cubre la siguiente capa una vez cubierto lo básico. Si quieres evaluar SELECT en tu entorno, puedes conectar un workspace, lo que según SELECT toma unos 20 minutos, o agendar una demo.