Wie in 2025 een Azure Data Platform wil realiseren komt al snel tot de conclusie dat er twee marktleiders zijn: Databricks en Microsoft Fabric. Hoe zit het tegenwoordig met deze data platformen en hoe steken ze tegen elkaar af?

Hoogste tijd voor een Battle Databricks Vs Microsoft Fabric

Korte schets van beide data platformen

Voordat we het vergelijk maken, goed om de kenmerken van beide data platformen uit te leggen.

Kenmerken Microsoft Fabric

Microsoft Fabric is de meest recente aanbieding van Microsoft, aangeboden sinds 2023. Het is een alles-in-één, monolithisch Data Analytics Platform, wat van A tot Z aan alle databehoeftes probeert te voldoen.

Fabric wordt gepositioneerd als de one stop shop voor alles wat te maken heeft met data. Denk daarbij aan traditionele Business Intelligence rapportages, maar ook aan data science en kunstmatige intelligentie.

Alle relevante componenten, zoals opslag, rekenkracht, automatisering en rechtenbeheer worden automatisch meegeleverd. Daarnaast wordt alles aangestuurd vanuit één uniforme omgeving. Dit maakt instappen in Fabric ontzettend gemakkelijk.
Je betaalt, je klikt op een knop, en je kan beginnen.

Daar tegenover staat de volledige vendor lock-in bij Microsoft. Je commit jezelf 100% aan Microsoft, en creëert daarmee een afhankelijkheidsrelatie.

Mocht je op termijn weg willen bewegen van Fabric of Microsoft, dan zul je het gehele platform moeten vervangen. Samenwerken met derde partijen doet Fabric maar weinig en voor de configuratie van je platform ben je volledig afhankelijk van het aanbod van Microsoft. De controle en zeggenschap over de techniek liggen bij Microsoft.

Dat geldt ook voor de functionaliteiten in Fabric die nog niet werken. Hoe graag Microsoft Fabric zich ook presenteert als volledig, veel functionaliteit is simpelweg nog niet af. De integraties met GIT en dbt zijn bijvoorbeeld nog niet volledig. Er wordt echter hard aan gewerkt (zie ook de Fabric roadmap), dus wat niet is kan nog komen.

Kenmerken Databricks

Databricks presenteert zich als een breed Data Intelligence Platform, met een focus op datatoegankelijkheid en Machine Learning mogelijkheden. Het platform is gebaseerd op Apache Spark en wordt sinds 2013 zelfstandig ontwikkeld.

In tegenstelling tot Fabric probeert Databricks niet volledig te zijn. Databricks biedt een werkomgeving en de rekenkracht (in de vorm van Spark clusters), maar laat de gebruiker vrij om de andere componenten zelf te kiezen.

Databricks biedt connectoren voor de meeste databases en cloudopslagproviders en werkt vaak goed samen met tools van derde partijen. Ook heb je in de configuratie van het platform zelf de handen aan het stuur en bepaal je zelf hoe je Databricks integreert in je technische infrastructuur.

Tegenover de vrijheid en flexibiliteit die Databricks biedt, staat de vereiste technische kennis. Het opzetten en inrichten van Databricks is niet zo klip en klaar als bij Fabric en kan voor onervaren gebruikers een drempel zijn.

Daarnaast is Databricks toegespitst op gebruikers die gewend zijn in code (hier PySpark en Spark SQL) te werken, waar Fabric veel in low-code of zelfs no-code aanbiedt.

Tot zover de korte uitleg van beide data platformen. Hieronder vergelijken we van beide omgevingen de doelgroep, kosten en toekomstige verwachtingen.

Vergelijk Databricks en Fabric obv doelgroep

Eerder beschreven kenmerken schetsten het beeld dat de twee data platformen voor verschillende doelgroepen bestemd zijn.

• Databricks focust zich op gevorderde gebruikers met flinke technische kennis en complexere vraagstukken. Het biedt een krachtig platform voor dataverwerking, maar bemoeit zich niet (veel) met de verdere inrichting van je infrastructuur.

• Fabric biedt daarentegen een volledig door Microsoft verzorgd platform, wat gunstig is voor gebruikers die minder focus leggen op technologie. Veel complexe vraagstukken worden uitbesteed aan Microsoft, ten koste van de flexibiliteit.

Vergelijk Databricks en Fabric obv kosten

Dit patroon keert terug in de kosten van beide platformen. Databricks en Fabric hanteren verschillende prijsmodellen.

Voor Fabric betaal je in de vorm van capacity, wat staat voor een vaste hoeveelheid rekenkracht voor een vaste prijs. Deze rekenkracht wordt gebruikt voor vrijwel alle activiteiten in Fabric.

Je betaalt per maand voor deze capacity, ongeacht of je de gehele capacity opmaakt. De maandelijkse kosten zijn hoog en het kan voorkomen dat niet alles gebruikt wordt, maar de uitgaven zijn wel voorspelbaar. Tegelijkertijd schaalt Fabric niet automatisch op.
Loop je op een piekmoment tegen limieten aan (dat wil zeggen: je capacity raakt op), dan kan dit drastische impact hebben.

Het prijsmodel van Databricks is het tegenovergestelde: daar zijn de kosten evenredig met de rekenkracht die je gebruikt. Hoeveel rekenkracht er beschikbaar is en hoe ver deze kan opschalen, moet je zelf configureren. Hierdoor heb je dus een bovengrens aan de kosten.

Wederom is Databricks hierin dus flexibeler, maar vereist wel meer inbreng van de gebruiker. Dit maakt dat Databricks in de meeste gevallen kostenefficiënter is dan Fabric, om de simpele reden dat het geen geld kost als je het niet gebruikt.

Vergelijk Databricks en Fabric obv toekomst

Technologische ontwikkeling staat niet stil, zeker niet in het geval van grote spelers als Microsoft en Databricks.

Met name de ontwikkeling van Fabric gaat heel snel en is te volgen via de officiële roadmap. Hierin is te zien dat Fabric nog hard werkt aan bepaalde basisfunctionaliteit, zoals CI/CD. Voor Fabric ligt de focus op het waarmaken van de volledigheid van het platform.

Databricks heeft wat dat betreft een smallere focus en vele jaren ontwikkeling achter de rug.
De verwachte ontwikkeling in Databricks voor de nabije toekomst ligt op het gebied van AI en de bredere inzet daarvan in de rest van het platform.

Denk hierbij aan het integreren van AI in BI rapportages, zodat gebruikers in natuurlijke taal vragen kunnen stellen over hun data. Zo zal Databricks zich verder verdiepen in hun specialiteit: complexe dataverwerking en ML/AI toepassingen.

Conclusies

Microsoft Fabric is een veelbelovende nieuwe ontwikkeling, maar weet op dit moment nog niet alle beloftes waar te maken. Het zet in op een brede doelgroep en ontzorgt de gebruikers op technisch gebied, maar laat tegelijkertijd steken vallen in onderontwikkelde functionaliteit en flexibiliteit.

Blijf ons volgen als je op de hoogte wil blijven van de verdere ontwikkelingen van beide data platformen.

(Her)overweeg je zelf beide platformen en/of heb je hier vragen over?

Laat het ons weten, we helpen je graag verder.

Meer over dit onderwerp