Databench by Alkera
Alkera (Alkera AI, Inc.) · Programación · Productividad · Negocios
Databench by Alkera es un espacio de trabajo open source y autoalojado donde los equipos de datos y los agentes de IA comparten cuadernos, archivos, chat y cómputo en servidores propios.
Acerca de Databench by Alkera
About
Qué es Databench by Alkera
Databench by Alkera es un espacio de trabajo en navegador para trabajo con datos, publicado como open source con licencia Apache-2.0. El equipo recibe cuadernos compartidos, archivos, chats con agentes y las máquinas donde corren esos chats, todo dentro de un despliegue que el propio equipo aloja. Alkera, la empresa detrás, vende además una versión gestionada en alkera.ai con conectores administrados y un plan gratuito.
El problema que ataca resulta conocido para cualquiera que haya puesto un agente de programación delante de un almacén de datos. Una consulta puede ejecutarse sin errores y aun así estar mal, porque el join, la muestra o la tabla de origen no eran los correctos. Databench mantiene al agente dentro del mismo cuaderno que una persona está editando, de modo que sus cambios aparecen celda por celda mientras ocurren.
No es una herramienta de BI gestionada. Los paneles interactivos, los conectores empaquetados y el SSO pertenecen a la plataforma comercial de Alkera. La versión abierta entrega un cuaderno colaborativo, archivos compartidos, chats con agentes y cómputo que uno mismo añade; ese es el intercambio por mantener los datos en hardware que la empresa ya paga.
Quien compara esto con un cuaderno alojado en realidad pregunta si un espacio de trabajo de datos autoalojado compensa el trabajo operativo. La respuesta depende de cuánto dato puede salir del edificio. Cuando no puede salir, un agente de IA para análisis de datos que corre en máquinas propias es la única versión que un responsable puede aprobar.
Primeros pasos
- Instala Docker con Compose v2, clona el repositorio, copia
.env.examplea.envy añade una clave de Anthropic u OpenAI. - Ejecuta
docker compose up --build, abrehttp://localhost:8080e inicia sesión como administrador por defecto para comprobar que la pila funciona. - Para un despliegue al que acceda más gente, usa el archivo de compose de producción con secretos reales y una URL pública, y después crea la primera cuenta de administrador.
- Añade un servidor Linux por SSH en Organisation y luego Machines, espera a que se registre su nodo y mueve un espacio de trabajo allí para que los chats y los cuadernos de SQL y Python corran en esa máquina.
Información del producto
Un vistazo rápido a los precios, las plataformas compatibles y el rendimiento de Databench by Alkera.
Ideal para
Los usuarios, tareas y casos de uso en los que esta herramienta encaja mejor.
Usuarios
- Ingenieros de datos
- Ingenieros de analítica
- Científicos de datos
Tareas
- Análisis del almacén en SQL
- Entrenamiento y postentrenamiento con capacidad alquilada
- Revisar la salida del agente
- Pasar trabajo a un colega
Casos de uso
- Equipos que deben mantener los datos dentro de casa
- Equipos pequeños de datos sin grupo de plataforma
- Empezar con un conjunto de datos desconocido
Funciones clave
Cuadernos que mezclan SQL, Python y agentes
Un cuaderno reúne celdas SQL y Python en el mismo archivo. La celda SQL consulta cualquier conexión configurada y entrega el resultado a Python como dataframe, con tablas y gráficas dibujadas en línea. El archivo sigue siendo Python normal, compatible con marimo, así que se abre en un editor y se compara en git como cualquier fuente. Eso importa cuando el equipo quiere historial de revisión y no una captura del resultado.
Ediciones en vivo de un agente que trabaja al lado
El agente lee, escribe y ejecuta celdas en el cuaderno que tienes abierto, y sus cambios aparecen a medida que los hace. Varias personas pueden entrar en el mismo chat, lo que convierte un análisis individual en una sesión compartida. Puedes detener una ejecución, editar una celda y devolverle una corrección al agente en vez de repetir la petición completa.
Cómputo que añades tú mismo
Un administrador de la organización añade cualquier servidor Linux accesible por SSH y Databench instala allí un nodo. Las máquinas se comparten por equipo, así una caja con GPU sirve a quien la necesita sin abrir una cuenta aparte en un clúster. Cada chat corre en su propio sandbox con gVisor y reglas de nftables que dejan intactos los demás servicios del host.
Puerta de modelos con claves de modelo propias
Los chats llegan a Anthropic, OpenAI o Bedrock por una puerta que usa las claves que tú aportas. No hay reventa ni cuota compartida entre tu equipo y el proveedor. Cambiar una clave o de proveedor es un ajuste de configuración por tu parte, no un ticket de soporte.
Organizaciones, equipos y registro de permisos
El acceso con contraseña cubre organizaciones, equipos anidados, invitaciones y roles. Una capa única de autorización clasifica cada acción y guarda la decisión, lo que deja rastro para quien revisa cuando el agente propone algo destructivo. Esta pieza es la que hace utilizable la plataforma de datos agéntica con personal externo y auditores.
Archivos compartidos y una CLI
Cada organización tiene una unidad compartida con edición en vivo, enlaces y papelera, así un CSV que sube un compañero queda disponible para todos los cuadernos del espacio. La CLI alkera levanta un demonio local y habla JSON-RPC con la aplicación web, de modo que un desarrollador trabaja desde la terminal sin perder la sesión compartida.
Ventajas y desventajas
Ventajas
- Licencia Apache-2.0 sin coste por asiento, así que el equipo lo mantiene por el precio de los servidores y los tokens de modelo.
- Los datos se quedan en infraestructura que tú registras, incluido un Docker local para las primeras pruebas.
- Las ediciones del agente se ven en el cuaderno mientras ocurren, lo que convierte la revisión en parte del flujo.
- Traer tus propias claves deja la elección de proveedor y la factura bajo tu control.
- Los cuadernos son archivos Python normales, así que el control de versiones y las herramientas de marimo siguen funcionando.
Desventajas
- El autoalojamiento exige Docker, TLS, gestión de secretos y acceso SSH a servidores Linux, más trabajo que una herramienta de cuadernos gestionada.
- El arnés del Claude Agent SDK sigue en desarrollo, así que hoy opencode es el único que funciona.
- Los servidores con ufw o firewalld descartan por defecto el tráfico reenviado y el nodo no añade reglas para ninguno de los dos, así que hay que abrir los puertos a mano.
- No hay aplicación móvil ni soporte de servidor en Windows. Windows solo vale para la CLI y su demonio.
Preguntas frecuentes
El espacio de trabajo open source se autoaloja gratis bajo Apache-2.0 y solo pagas servidores y tokens de modelo. La plataforma gestionada de Alkera añade un plan gratuito con 10 GB de almacenamiento, luego Plus a 50 dólares al mes y Pro a 200 dólares al mes.
Contenido relacionado
Explora herramientas, habilidades y artículos relacionados con Databench by Alkera.
Alternativas a Databench by Alkera
Base Code
Base44 (Wix) · Programación · ProductividadBase Code es un entorno de desarrollo en la nube compartido de Base44. El equipo describe cambios sobre un repositorio de GitHub en el chat, los ve en una vista previa y los envía como pull requests.
Google EmbeddingGemma 2
Google DeepMind · Escritura · Imagen · ProgramaciónGoogle EmbeddingGemma 2 es un modelo abierto de 740 millones de parámetros que convierte texto, código, imágenes, audio y fotogramas de vídeo en vectores de un mismo espacio de 768 dimensiones, y funciona en móviles y portátiles.
GitGlow
GitGlow · Programación · ProductividadGitGlow es un cliente Git de escritorio que reúne tu código y los cambios de tus agentes de IA en una sola revisión, para que sepas qué va a salir de tu máquina antes de publicarlo.