Migre do SAS com os seus agentes de codificação

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"
)

Mesmo motor, mesmo PySpark, seja o código executado no Databricks, no Snowflake ou no Microsoft Fabric. Os agentes são uma das portas de entrada para o toolkit de migração de SAS para PySpark, que também analisa o seu ambiente SAS e automatiza a migração em torno da conversão.

1. Tempo

   Uma reescrita manual de SAS se mede em meses, e a maior parte desse tempo vai para tradução repetitiva, não para o desenho da solução.

2. Consistência

   Cada desenvolvedor traduz de um jeito um pouco diferente e, ao longo de centenas de programas, essas diferenças se acumulam em desvios de lógica.

3. Quem pode participar

   Quando só engenheiros podem converter, as equipes de negócio e de analytics esperam na fila. Com agentes, elas executam o próprio escopo.

1. 1 · Seu agenteDatabricks Genie, Snowflake Cortex, Microsoft Copilot, Claude Codepedido em linguagem natural →
2. 2 · AlchemistSkill → Alchemist APIapi.getalchemist.iocódigo convertido →
3. 3 · Seu notebookRevise, refine, execute

• Databricks Genie
• Snowflake Cortex
• Microsoft Copilot
• Claude Code
• Qualquer cliente MCP (em desenvolvimento)