Cross-cloud conversational analytics made simple with open standards
The reality for most organizations is that data lives everywhere. As engineering teams expand and adopt specialized platforms for their workloads, enterprise data naturally disperses across multiple clouds and operational systems.
The reality for most organizations is that data lives everywhere. As engineering teams expand and adopt specialized platforms for their workloads, enterprise data naturally disperses across multiple clouds and operational systems.
Traditional architectures address this fragmentation with scheduled extraction pipelines that copy remote datasets into a central staging warehouse. This approach creates synchronization lag, adds recurring storage costs, and triggers variable network egress fees. When schemas change upstream, pipelines break, and teams spend hours reconciling metrics across out-of-sync dashboards.
BigQuery and Google Cloud’s borderless Lakehouse offer a streamlined way to solve this challenge with a foundation based on the open Apache Iceberg REST catalog specification. Rather than moving data to the compute engine, you can bring Google Cloud compute and generative AI directly to your data, querying it in place across Databricks, Snowflake, and AWS Glue.
In this post, we walk through how to configure Databricks Unity Catalog for federation into BigQuery (AWS Glue and Snowflake set up in appendix), run a single query joining data across all three external catalogs, and use conversational analytics in BigQuery to explore the consolidated data with natural language.
Figure 1: BigQuery federates metadata across external Apache Iceberg REST catalogs through Lakehouse, enabling in-place conversational analytics without data migration.
The borderless lakehouse architecture This solution uses Lakehouse runtime catalog to synchronize metadata from other cloud providers, allowing you to query data with BigQuery or external open source engines through the Apache Iceberg REST catalog endpoint, all without migrating the data. Because Databricks Unity Catalog, Snowflake Horizon Catalog, and AWS Glue Data Catalog support the open Apache Iceberg REST catalog specification, you can apply a consistent connection pattern across all three platforms.
In context
- Topic: Cloud y Arquitectura — Nube pública, híbrida, costos y decisiones de infraestructura.
- Source: Google Cloud Blog
- Published: 13/10/2026
Continue reading at the original source →
Excerpt published automatically by the site radar. The full text belongs to its publisher and is linked above.
Por qué importa
La nube dejó de ser una decisión técnica hace rato. Hoy es una decisión financiera con consecuencias técnicas: se cambia inversión de capital por gasto mensual, y ese cambio le sienta bien a algunas empresas y le queda muy mal a otras.
Separo lo que se mueve por costo de lo que se mueve por capacidad. Migrar para ahorrar casi nunca funciona; migrar para poder hacer algo que antes no se podía, sí. Cuando el argumento es solo de ahorro, conviene revisar los números otra vez porque suelen estar incompletos.
Lo que suele salir mal
Lo que más veo fallar es la migración literal. Se mueve el sistema tal como estaba, sin rediseñar nada, y se termina pagando por hora lo que antes se pagaba una vez. Funciona igual, cuesta más, y a los dos años alguien pregunta para qué se hizo. Levantar y mover no es modernizar.
Qué mirar
- Quién ve la factura y con qué detalle: sin dueño del gasto, el gasto crece solo.
- Dónde quedan físicamente los datos y qué exige la regulación local sobre eso.
- Qué pasa cuando el proveedor tiene una caída, porque la va a tener, y qué queda operando mientras tanto.
Cómo leo esta entrada
Si esto entrara en una decisión de infraestructura, yo pediría el costo total a tres años con el crecimiento real puesto adentro, no el del primer año con descuento de entrada. La mayoría de las sorpresas de nube están en el año dos, cuando el descuento se acaba y el volumen ya subió.
La noticia original está publicada en otro idioma; acá se cita el extracto tal como lo entrega el medio y el comentario se escribe en español.
Comentarios
Todavía no hay comentarios. El primero puede ser el tuyo.
¿Lo estás viviendo en tu equipo?
Abrí el chat y contame cómo lo están manejando. Me interesa comparar notas.
