Estás en el blog de Nicolau Roca
Tecnología de datos para empresas normales: eficiencia, escalabilidad y control sin gastar de más
Una defensa de arquitecturas de datos realistas para pequeñas y medianas empresas: menos hype, más diseño, trazabilidad, herramientas abiertas y control de costes.
Vivimos rodeados de una narrativa tecnológica diseñada para gigantes. Conferencias, proveedores y medios especializados suelen hablar de plataformas distribuidas, data mesh, MLOps, arquitecturas híbridas, equipos enormes y presupuestos millonarios.
Eso crea una falsa dicotomía: o tienes una infraestructura espectacular o estás atrasado. Pero para la mayoría de empresas normales, esa lectura es peligrosa. No siempre hace falta gastar más; muchas veces hace falta diseñar mejor.
El espejismo de la tecnología puntera
Muchos proyectos de datos fracasan no por falta de herramientas, sino por expectativas infladas y diseño pobre. Adoptar una pila compleja sin entender el caso de uso real suele generar costes, dependencia y frustración.
Una empresa pequeña o mediana puede construir una arquitectura de datos sólida sin copiar el stack de una multinacional. Lo importante es priorizar control, trazabilidad, mantenimiento y retorno.
Diseño inteligente antes que hype
Un enfoque razonable puede combinar bases de datos open source, pipelines ligeros, documentación clara, BI accesible y automatización suficiente. PostgreSQL, DuckDB, ClickHouse, dbt, Python, Airbyte, Metabase o Superset pueden resolver más necesidades de las que muchas organizaciones imaginan.
La pregunta no debería ser “¿qué herramienta está de moda?”, sino “¿qué problema operativo queremos resolver y con qué nivel de complejidad podemos mantenerlo?”.
La nube no es el demonio, pero tampoco es Dios
El cloud puede ser útil, pero no debe convertirse en una religión. Hay escenarios donde un servicio gestionado ahorra tiempo y reduce riesgo. Hay otros donde una arquitectura más simple, controlada y portable puede ser más sensata.
El coste rara vez viene solo de usar cloud. Suele venir de sobredimensionar, no apagar recursos, duplicar capas, diseñar mal los procesos o no entender el volumen real de datos.
Mitos habituales
- “Migrar a cloud cuesta millones”. No necesariamente. Una migración gradual y bien acotada puede ser más barata que mantener sistemas obsoletos.
- “Necesitamos un gran equipo”. Con automatización, documentación y herramientas adecuadas, un equipo pequeño puede llegar muy lejos.
- “Externalizar es perder control”. No si se usan soluciones auditables, exportables y con contratos claros.
- “Solo las grandes empresas pueden hacer data science”. Mucho valor analítico puede construirse con Excel, SQL, Python y buena metodología.
Principios para una tecnología de datos sensata
- Empieza simple y escala cuando el problema lo justifique.
- Prioriza auditabilidad y trazabilidad.
- Evita lock-in cuando puedas.
- Invierte en conocimiento interno, no solo en herramientas.
- Mide retorno: una solución elegante que nadie usa no aporta valor.
Por dónde empezar
El primer paso no es comprar una plataforma. Es auditar el estado actual: qué datos existen, qué herramientas se usan, dónde están los cuellos de botella y qué decisiones no se pueden tomar hoy por falta de información fiable.
Después conviene elegir un caso de uso de impacto alto y complejidad controlada: reporting comercial, seguimiento financiero, automatización de una carga recurrente o consolidación de datos dispersos.
Conclusión
La tecnología de datos para empresas normales no necesita parecerse a la arquitectura de una gran tecnológica. Necesita ser útil, controlable, escalable y sostenible.
El objetivo no es tener el stack más moderno. Es construir una base que permita decidir mejor, trabajar con menos fricción y crecer sin hipotecar el futuro.
