Migre desde SAS con sus agentes de código

data work.big_orders;
  set sales.orders;
  where amt > 1000;
  tier = 'Key';
  net = amt * 0.9;
run;

proc sql;
  create table work.by_region as
  select region, sum(net) as net
  from work.big_orders
  group by region;
quit;

# Converted by Alchemist
from pyspark.sql import functions as F

big_orders = (
  spark.table("sales.orders")
  .filter(F.col("amt") > 1000)
  .withColumn("tier", F.lit("Key"))
  .withColumn("net", F.col("amt") * 0.9)
)

by_region = (
  big_orders.groupBy("region")
  .agg(F.sum("net").alias("net"))
)
by_region.createOrReplaceTempView(
  "by_region"
)

Mismo motor, mismo PySpark, tanto si el código se ejecuta en Databricks como en Snowflake o Microsoft Fabric. Los agentes son una de las vías de acceso al conjunto de herramientas de migración de SAS a PySpark, que además analiza su entorno SAS y automatiza la migración en torno a la conversión.

1. Tiempo

   Reescribir SAS a mano lleva meses, y la mayor parte de ese tiempo se va en traducción repetitiva, no en diseño.

2. Coherencia

   Cada desarrollador traduce de forma algo distinta, y en cientos de programas esas diferencias se acumulan hasta desviar la lógica.

3. Quién puede participar

   Cuando solo los ingenieros pueden convertir, los equipos de negocio y de analítica esperan su turno. Con los agentes, ellos mismos se encargan de su propio alcance.

1. 1 · Su agenteDatabricks Genie, Snowflake Cortex, Microsoft Copilot, Claude Codesolicitud en lenguaje natural →
2. 2 · AlchemistSkill → Alchemist APIapi.getalchemist.iocódigo convertido →
3. 3 · Su notebookRevisar, ajustar, ejecutar

• Databricks Genie
• Snowflake Cortex
• Microsoft Copilot
• Claude Code
• Cualquier cliente MCP (en desarrollo)