Ir para o conteúdo principal
Empresa

O Databricks é Líder e está posicionado mais alto em execução no 2026 Gartner® Magic Quadrant™ para Plataformas de Data Lakehouse

A categoria de lakehouse que criamos agora é um mercado do Gartner. Com o Lakebase, estamos construindo a próxima categoria para bancos de dados operacionais.

por Kaitlin Baumgardner, Kevin Balaji, Brianna Helm, Jonathan Keller e Susan Pierce

  • A posição da Databricks como Líder no Gartner Magic Quadrant for Data Lakehouse Platforms de 2026 valida que fomos pioneiros e estabelecemos a categoria de mercado de lakehouse.
  • A Databricks foi nomeada como a única Visionária no Gartner Magic Quadrant for Cloud Operational Database Management Systems, um forte posicionamento competitivo que destaca nossa visão estratégica para o futuro dos bancos de dados operacionais.
  • Um lakebase é um banco de dados transacional que mantém seus dados no lake, em um formato aberto, para que agentes possam criar e descartar bancos de dados sob demanda e outros engines possam trabalhar com os mesmos dados. O Databricks Lakebase Postgres é a primeira implementação comercial deste novo banco de dados e é usado como o system of record para todas as aplicações: novas workloads de agentes, aplicações modernas, bem como sistemas transacionais tradicionais.

A IA está unindo dados analíticos e operacionais

Por décadas, as empresas gerenciaram seus dados em dois mundos separados. Um data warehouse ou lakehouse lida com análises. Bancos de dados OLTP tradicionais executam aplicações. Pipelines movem dados entre eles, criando cópias, atrasos e governança separada ao longo do processo.

Essa configuração funcionava enquanto painéis e aplicações viviam separados. A IA muda isso. Um agente que responde a uma pergunta de um cliente, aprova uma transação ou atualiza uma previsão precisa de dados operacionais frescos e contexto analítico profundo ao mesmo tempo, e frequentemente precisa gravar de volta. Cada pipeline extra adiciona latência, custo e risco, de modo que a fronteira entre os dois sistemas se tornou um gargalo.

Esses mercados são avaliados amplamente de forma independente. O Gartner acabou de publicar um Magic Quadrant para Plataformas de Data Lakehouse e um Magic Quadrant para Sistemas de Gerenciamento de Bancos de Dados Operacionais em Nuvem. No entanto, vemos que os clientes precisam cada vez mais que os dois sistemas funcionem como um só.

O Lakehouse: uma categoria que fomos pioneiros, agora reconhecida pela indústria

Quando introduzimos o lakehouse, a ideia era simples. Dar a cada carga de trabalho de dados uma fundação aberta e governada, em vez de manter data lakes e data warehouses como sistemas separados. Hoje, milhares de organizações executam engenharia de dados, data warehousing, streaming, BI e IA nessa fundação.

Acreditamos que nossa posição como Líder no primeiro Magic Quadrant do Gartner para Plataformas de Data Lakehouse, com as maiores pontuações em execução, reflete com o que os clientes contam todos os dias:

  • Nativo de IA. O Genie permite que qualquer pessoa faça perguntas sobre seus dados em linguagem natural, fundamentadas em semânticas de negócios governadas definidas uma única vez no Unity Catalog. As AI Functions executam inferência diretamente em dados governados, e a IA otimiza o lakehouse automaticamente.
  • Aberto por design. Os dados vivem em formatos abertos (Delta Lake e Apache Iceberg), portanto os clientes não ficam presos a um mecanismo proprietário.
  • Governança unificada. O Unity Catalog aplica um conjunto de permissões, linhagem e controles de qualidade em dados e IA.
  • Desempenho e custo. A computação serverless e as melhorias contínuas no mecanismo traçam uma relação preço-desempenho de classe de data warehouse para o lakehouse.
  • Tempo real. O Lakehouse//RT traz análises de baixa latência e alta concorrência diretamente para os dados do lakehouse.

Vimos o impacto com nossos clientes. A Airwallex e a Volkswagen Brasil migraram do Google BigQuery para o Databricks Lakehouse e viram um tempo para insights 3 a 4 vezes mais rápido e uma redução de 25% no TCO, respectivamente. O Nubank, por exemplo, executa mais de 50 milhões de consultas por mês com um desempenho de consulta P90 7 vezes melhor e custos mais de 40% menores.

image1.png

O lakehouse não começou como uma categoria, mas como uma forma diferente de construir. Os clientes o adotaram, o ecossistema se formou ao redor dele e o mercado o seguiu. Esse é o caminho que estamos trilhando novamente.

O lakebase: Redefinindo bancos de dados operacionais no lake

O lakehouse reconstruiu análises em armazenamento em nuvem aberto e de baixo custo. Um lakebase faz o mesmo para bancos de dados operacionais. Acreditamos que ele servirá como o sistema de registro para todas as aplicações: novas cargas de trabalho de agentes, aplicações modernas, bem como sistemas transacionais tradicionais.

No Magic Quadrant do Gartner de 2026 para Sistemas de Gerenciamento de Bancos de Dados Operacionais em Nuvem, a Databricks é a única fornecedora nomeada Visionária, menos de um ano após o Lakebase Postgres se tornar geralmente disponível. Vimos isso como um sinal de para onde a categoria está indo.

A maioria dos bancos de dados operacionais em uso hoje foi projetada para outra era. O armazenamento e a computação estão fortemente acoplados, portanto a capacidade é paga pelo pico. Os bancos de dados são ativos pesados que as equipes raramente duplicam, e levar dados para análises ou IA significa construir e manter pipelines. Eles não foram projetados para softwares que agentes escrevem e executam.

O Lakebase Postgres parte de premissas diferentes. Ele é Postgres, então os desenvolvedores mantêm as ferramentas que já conhecem, mas a computação é separada do armazenamento e os dados residem em armazenamento de objetos em nuvem, a mesma base do lakehouse. A computação é serverless e escala para zero. Os bancos de dados criam ramificações instantaneamente, como códigos, para que desenvolvedores e agentes possam criar cópias isoladas em segundos. E como o Lakebase Postgres é nativo da Databricks Data + AI Platform, seus dados são governados no Unity Catalog junto com todo o resto.

Os clientes já estão executando cargas de trabalho de produção em um lakebase. O PRADA Group o utiliza para fornecer milhares de KPIs confiáveis em suas marcas como APIs de baixa latência, entregando-os cerca de 130 vezes mais rápido (de aproximadamente 2 segundos para 15 milissegundos) enquanto reduz os custos de infraestrutura em cerca de 50%.

“O lakebase nos permitiu passar da entrega tradicional de KPIs baseada em consultas para uma camada de atendimento de baixa latência onde cada métrica é exposta como uma API em milissegundos.”- Michele Piunti, Data Platform Manager, PRADA Group

LTAP: uma fundação unificada de dados de agentes para operações e análises

image3.png

Levar dados operacionais para análises sempre significou copiá-los. Uma consulta analítica pesada não pode ser executada na mesma máquina que transações sensíveis à latência sem causar interrupções, então as equipes adicionam réplicas de leitura ou constroem pipelines de CDC em um warehouse. Elas pagam por cópias extras, esperam por pipelines frágeis e acabam governando duas versões dos mesmos dados cujas permissões divergem. Essa é uma grande razão pela qual os bancos de dados operacionais e as plataformas de análise têm sido há muito tempo comprados, executados e avaliados como mercados separados.

A arquitetura Lake Transactional/Analytical Processing (LTAP) , habilitada pelo lakebase, unifica os dois na camada de armazenamento em vez de forçar um único mecanismo a fazer os dois trabalhos. O Lakebase Postgres lida com transações com garantias ACID completas, e os mecanismos do lakehouse lidam com análises. Ambos leem uma única cópia durável dos dados em formatos abertos como Delta Lake e Apache Iceberg, governados no Unity Catalog. Não há pipeline para construir e nem tabelas para espelhar, e as consultas analíticas nunca desaceleram a aplicação. As análises leem instantaneamente dados frescos que a aplicação acabou de escrever, sem atrasos. É assim que os dados operacionais e analíticos funcionam em uma única fundação.

Já estamos vendo clientes alcançando valor com essa unificação. A Posti já executa suas análises no Databricks Lakehouse e planeja usar o Lakebase Postgres para alimentar GIS e planejamento operacional na mesma plataforma governada, para que aplicações operacionais e análises não vivam mais em pilhas separadas.

Para uma visão mais aprofundada de como o LTAP funciona, leia nossa postagem no blog.

O que vem a seguir

Alguns anos atrás, o lakehouse era uma ideia que precisávamos explicar. Hoje é uma categoria de mercado, e achamos que o lakebase está no início da mesma mudança. As aplicações não são mais a única coisa escrevendo em bancos de dados. Os agentes agora criam, ramificam e consultam bancos de dados em uma velocidade e escala para as quais os sistemas tradicionais não foram projetados, e eles precisam do contexto analítico que vive no lakehouse.

Estamos construindo em direção a uma fundação aberta e governada onde cada carga de trabalho, operacional ou analítica, construída por pessoas ou por agentes, seja executada nos mesmos dados. Construímos o Lakehouse junto com nossos clientes e estamos construindo o Lakebase da mesma maneira.

Comece agora

Gartner, Magic Quadrant for Data Lakehouse Platforms, Aaron Rosenbaum, Michael Gonzales, Masud Miraz, Ramke Ramakrishan, Xingyu Gu, Robin Schumacher, Prasad Pore, 4 de novembro de 2026.

Gartner, Magic Quadrant for Cloud Operational Database Management Systems, Masud Miraz, Aaron Rosenbaum, Ramke Ramakrishan, Xingyu Gu, Michael Gonzales, Prasad Pore, Robin Schumacher, 12 de novembro de 2026.

O Gartner não endossa nenhum fornecedor, produto ou serviço retratado em suas publicações de pesquisa e não aconselha os usuários de tecnologia a selecionarem apenas os fornecedores com as classificações mais altas ou outra designação. As publicações de pesquisa do Gartner consistem nas opiniões da organização de Pesquisa & Consultoria do Gartner e não devem ser interpretadas como declarações de fato. O Gartner exime-se de todas as garantias, expressas ou implícitas, no que diz ao respeito a esta pesquisa, incluindo quaisquer garantias de comercialização ou adequação a uma finalidade específica.

GARTNER e MAGIC QUADRANT são marcas registradas da Gartner, Inc. e/ou de suas afiliadas nos EUA e internacionalmente, e são usadas aqui com permissão. Todos os direitos reservados.

Este gráfico foi publicado pela Gartner, Inc. como parte de um documento de pesquisa maior e deve ser avaliado no contexto de todo o documento. O documento do Gartner está disponível mediante solicitação à Databricks.

(Esta publicação no blog foi traduzida utilizando ferramentas baseadas em inteligência artificial) Publicação original

Tags relacionadas:

Lakebase, LTAP e Lakehouse Architecture

Receba os posts mais recentes na sua caixa de entrada

Assine nosso blog e receba os posts mais recentes diretamente na sua caixa de entrada.