Hay guerras tecnológicas que todos vemos: Apple contra Samsung, Netflix contra Disney, Tesla contra los fabricantes tradicionales. Y luego están las guerras que casi nadie ve, pero que son igual o más importantes. La batalla entre Databricks y Snowflake es una de ellas.
No compiten por teléfonos, ni por redes sociales, ni por streaming. Compiten por algo mucho más profundo: la infraestructura donde viven los datos del mundo. Y en una era donde los datos alimentan la inteligencia artificial, esa infraestructura podría convertirse en una de las posiciones más estratégicas de toda la economía digital.
Si lo pensamos como un tablero de ajedrez, estas dos empresas llevan más de una década moviendo piezas con paciencia, construyendo plataformas, adquiriendo empresas y expandiendo capacidades. El objetivo final es claro: convertirse en el cerebro donde las empresas almacenan, analizan y utilizan sus datos para tomar decisiones y crear inteligencia artificial.
El origen de Snowflake: hacer que los datos funcionen en la nube
Snowflake fue fundada en 2012 por Benoît Dageville, Thierry Cruanes y Marcin Żukowski, ingenieros que habían trabajado durante años en sistemas de bases de datos empresariales. Su ambición era bastante clara: construir un data warehouse completamente diseñado para la nube.
En ese momento muchas organizaciones todavía dependían de sistemas pesados que habían sido diseñados para infraestructuras tradicionales. Escalar esos sistemas era complicado, costoso y lento. Snowflake llegó con una idea que parecía simple, pero que cambió la forma en que las empresas trabajaban con datos. Separaron el almacenamiento de datos del poder de cómputo que los procesa. En términos prácticos, esto permitía almacenar enormes cantidades de información mientras se escalaba la capacidad de análisis de forma independiente.
Ese diseño permitió que empresas de todos los tamaños ejecutaran consultas complejas sobre grandes volúmenes de datos sin preocuparse demasiado por la infraestructura. Con el tiempo, Snowflake expandió esa visión hasta convertirse en lo que hoy llaman un Data Cloud, una plataforma que permite no solo almacenar datos sino también compartirlos, analizarlos y construir aplicaciones sobre ellos.
La adopción fue rápida. Miles de organizaciones comenzaron a utilizar la plataforma para análisis de negocio, inteligencia empresarial y procesamiento de grandes volúmenes de información. Hoy Snowflake cuenta con más de diez mil clientes y procesa miles de millones de consultas cada día. En el tablero de ajedrez del mundo de datos, Snowflake se posicionó como una pieza clave para los equipos de analítica y business intelligence (Forbes, 2021).
El nacimiento de Databricks: la revolución del big data
Mientras Snowflake crecía con su enfoque en data warehouses modernos, otra revolución estaba ocurriendo en el mundo académico. En el laboratorio AMPLab de la Universidad de Berkeley, un grupo de investigadores desarrolló una tecnología llamada Apache Spark, diseñada para procesar enormes cantidades de datos de manera distribuida. De ese proyecto nació Databricks en 2013, fundada por algunos de los propios creadores de Spark, incluyendo Matei Zaharia, Ali Ghodsi e Ion Stoica.
La visión de Databricks era distinta desde el principio. Mientras Snowflake se enfocaba en mejorar el análisis de datos estructurados, Databricks apostaba por resolver un problema diferente: cómo trabajar con grandes volúmenes de datos desordenados provenientes de múltiples fuentes. Este enfoque llevó al desarrollo de uno de los conceptos más influyentes en la arquitectura moderna de datos: el Lakehouse.
El lakehouse intenta combinar dos mundos que durante años estuvieron separados. Por un lado están los data lakes, que permiten almacenar enormes cantidades de datos en bruto. Por otro lado están los data warehouses, que ofrecen estructuras organizadas para análisis confiables. La arquitectura lakehouse busca unir ambas cosas en una sola plataforma.
Gracias a esto, las organizaciones pueden realizar en un mismo entorno tareas que antes requerían múltiples herramientas: ingeniería de datos, analítica, machine learning e incluso desarrollo de inteligencia artificial. Databricks fue ampliando su ecosistema con herramientas como Delta Lake para gestionar datos, MLflow para manejar modelos de machine learning y plataformas para análisis en tiempo real. Más recientemente lanzó Mosaic, una suite orientada a inteligencia artificial generativa, y presentó su propio modelo de lenguaje abierto llamado DBRX (Bigeye, 2023).
Si Snowflake conquistó a los analistas de negocio, Databricks empezó a ganar terreno entre ingenieros de datos y científicos de inteligencia artificial.
Dos caminos distintos hacia el mismo destino: La inteligencia artificial intensificó la batalla
Durante varios años estas dos empresas parecían operar en territorios diferentes. Snowflake dominaba el mundo de la analítica empresarial. Databricks se convertía en una herramienta esencial para quienes trabajaban con big data y machine learning. Pero a medida que los datos se volvieron el recurso más valioso de las organizaciones, esos dos mundos comenzaron a converger. Los equipos de analítica necesitaban capacidades de machine learning. Los científicos de datos necesitaban estructuras más confiables para análisis empresariales. En ese momento el tablero de ajedrez cambió. Las dos empresas comenzaron a moverse hacia el mismo espacio estratégico: convertirse en la plataforma central de datos de las empresas.
Además, la explosión reciente de la inteligencia artificial generativa aceleró aún más esta convergencia. Los modelos de inteligencia artificial dependen profundamente de los datos. Necesitan grandes volúmenes de información bien organizados para entrenarse, ajustarse y generar resultados útiles. Esto hizo que la plataforma donde viven los datos se volviera aún más estratégica.
Snowflake empezó a integrar capacidades de inteligencia artificial directamente dentro de su plataforma, incluyendo herramientas para trabajar con modelos de lenguaje y búsqueda vectorial. Databricks, por su parte, reforzó su enfoque en inteligencia artificial con herramientas para entrenar modelos, construir pipelines de machine learning y desarrollar sistemas de IA sobre datos empresariales.
De repente, la discusión ya no era solo sobre dónde analizar datos. Era sobre dónde construir la inteligencia de las empresas.
Una batalla en un mercado gigantesco
Las cifras ayudan a dimensionar la magnitud de esta rivalidad. Snowflake genera hoy ingresos anuales cercanos a los 3.8 mil millones de dólares. Databricks, aunque sigue siendo una empresa privada, ya opera con un run rate cercano a los 3 mil millones y crece a un ritmo más acelerado. Ambas compañías invierten enormes cantidades de capital en investigación, desarrollo y expansión (Fahey, 2024).
La razón es simple: la empresa que logre consolidarse como la plataforma central de datos tendrá una posición privilegiada en la economía de la inteligencia artificial.
Figura 1. La carrera por dominar la infraestructura de datos y la inteligencia artificial. Este gráfico muestra la evolución reciente de la valoración de Snowflake y Databricks, dos de las principales plataformas de datos en la industria tecnológica. Mientras Snowflake logró consolidarse como una empresa pública con una capitalización cercana a los 92 mil millones de dólares, Databricks ha experimentado un crecimiento más acelerado a través de rondas de inversión privadas, pasando de 37.9 mil millones en 2021 a aproximadamente 121 mil millones en 2025. En conjunto, el gráfico refleja cómo el auge de la inteligencia artificial ha impulsado especialmente a Databricks, permitiéndole superar en valoración a Snowflake en los últimos años.
Lo que el juego de ajedrez nos enseña
Desde fuera, Databricks vs Snowflake puede parecer una discusión técnica reservada para ingenieros. Pero en realidad es un caso fascinante de estrategia empresarial. Nos muestra cómo dos empresas pueden partir de problemas distintos y, con el tiempo, converger hacia el mismo mercado.
Nos muestra cómo las plataformas tecnológicas se construyen lentamente, pieza por pieza, durante años. Y sobre todo nos recuerda algo que muchas veces olvidamos cuando pensamos en innovación. Las grandes guerras tecnológicas rara vez ocurren en los productos que usamos todos los días. Muchas veces ocurren en la infraestructura invisible que sostiene todo lo demás.
Hoy esa infraestructura son los datos. Y en ese tablero de ajedrez, Databricks y Snowflake siguen moviendo sus piezas. La partida todavía está lejos de terminar.
Bibliografía
Fahey, J. (2024). Snowflake vs Databricks: The battle for the future of data and AI. Medium.
Bigeye. (2023). A brief history of Databricks.
Forbes. (2021). La increíble historia de Snowflake, la OPI más grande de la historia del software.