¿Qué es la infraestructura de datos? Una sola vista, sin necesidad de un analista.

Durante la última década, la doctrina dominante fue clara: cualquier empresa que aspirase a tomar decisiones basadas en datos debía construir el llamado modern data stack. La arquitectura típica encadena cinco capas. La ingesta, con herramientas como Fivetran o Airbyte, replica las fuentes hacia el almacén. La capa de almacenamiento, normalmente Snowflake, BigQuery o Redshift, alberga el dato crudo. La transformación, gestionada con dbt, produce las tablas de hechos y dimensiones. La capa semántica centraliza las definiciones de métricas. Y, finalmente, la capa de presentación entrega los tableros a la dirección.

Este modelo funcionó para empresas con equipos de datos dedicados y presupuestos analíticos consistentes. El problema apareció cuando el resto del mercado intentó reproducirlo. Una marca de comercio electrónico de quince millones de dólares de facturación rara vez puede sostener un ingeniero analítico, un ingeniero de datos y un analista senior con la antigüedad necesaria para mantener viva la infraestructura. El resultado fue previsible: tuberías rotas, modelos sin documentación y tableros que mostraban cifras distintas según el momento de la consulta.

La consolidación llegó con las plataformas de inteligencia operativa. En lugar de obligar al operador a ensamblar cinco productos, integran las cinco capas en un solo entorno. Conectan las fuentes, almacenan el dato modelado, mantienen la capa semántica viva y presentan la próxima acción a ejecutar. Donde antes había una orquesta de proveedores y una factura mensual de cinco cifras, ahora hay un producto único y un coste predecible.

Esta página describe los componentes del stack moderno, los criterios para escoger entre construir o consolidar, y la guía de compra que los operadores con menos de cincuenta millones de dólares de facturación aplican hoy para evitar la deuda de infraestructura que paralizó a tantos equipos entre 2020 y 2024.

El director de operaciones y el responsable de revenue ops. No escriben SQL ni mantienen modelos dbt, pero dependen de la infraestructura para cerrar el ciclo semanal. Su criterio de éxito es muy concreto: la cifra que aparece en el tablero del lunes coincide con la cifra del cierre contable del mes y con la previsión del trimestre.

El ingeniero analítico y el ingeniero de datos. Son las figuras que mantienen viva la capa de transformación, escriben los modelos dbt, gestionan los permisos en el almacén y resuelven las alertas de freshness. En empresas de menos de cincuenta personas, este rol suele combinarse con el de analista. Por encima de doscientas, se desdobla en dos perfiles separados.

El director financiero y el equipo de planificación. Consumen las salidas del almacén para preparar la previsión rodada, el análisis de variaciones presupuestarias y el material trimestral del consejo. Su exigencia principal sobre la infraestructura es la trazabilidad: poder reconstruir, métrica por métrica, cómo se calculó cada cifra desde la fuente original. Para esa disciplina, conviene revisar el hub de business intelligence.

El fundador o el director general. Tiene un único requisito sobre la infraestructura: que la pregunta «¿cuánto facturamos este trimestre, por canal y por región?» se conteste en menos de treinta segundos, sin abrir cinco herramientas. Cuando ese requisito no se cumple, la conversación interna pasa de la estrategia a la calidad del dato, y la velocidad de decisión cae.

Una infraestructura de datos moderna se diseña sobre cinco principios. El primero es el de una única fuente de verdad: una métrica, una definición, una tabla de origen, sin excepciones. El segundo es la trazabilidad: cualquier número visible en un tablero debe poder rastrearse hasta el sistema fuente con dos clics. El tercero es la observabilidad: cada tubería emite señales de freshness y de calidad que se monitorizan como cualquier otro servicio crítico.

El cuarto principio es la separación entre almacenamiento y cómputo, característica que hizo despegar a Snowflake y BigQuery. Permite escalar la consulta independientemente del volumen guardado, lo que evita los cuellos de botella clásicos de los almacenes locales. El quinto es la gobernanza: el catálogo de datos, la trazabilidad de linaje y los permisos por filas son requisitos no negociables cuando el dato circula por más de un departamento.

En la práctica, pocas organizaciones por debajo de los cincuenta millones de dólares de ingresos construyen los cinco principios en interno. La pauta habitual consiste en delegar las capas de ingesta y almacenamiento a proveedores gestionados, mantener un repositorio dbt para la transformación crítica y consolidar el resto en una plataforma operativa. Esa combinación entrega el ochenta por ciento de la utilidad analítica con una décima parte del coste total de propiedad.