Arquitectura de datos: qué es, componentes y ejemplo en una empresa

Si buscas la versión aplicada de este tema con resultados medibles en empresas reales, revisa nuestra página de consultoría de negocios con datos.

La arquitectura de datos es el diseño de cómo una empresa captura, guarda, integra y entrega sus datos para decidir. Define las fuentes, dónde se almacenan (data warehouse, data lake o lakehouse), cómo se limpian y modelan, quién responde por cada dato y cómo llegan a los reportes, dashboards y modelos de IA.

¿Qué es la arquitectura de datos y por qué importa?

La arquitectura de datos es el plano de cómo fluye la información en tu empresa: desde dónde nace un dato hasta que se convierte en una decisión. Igual que una casa necesita planos antes que muebles, tus datos necesitan una estructura antes que dashboards bonitos. Sin ella, cada reporte se arma a mano, cada número no cuadra con el de al lado, y cada cambio de sistema rompe todo.

Lo veo todo el tiempo en consultoría: empresas que compran una herramienta de IA o un Power BI carísimo y no funcionan, no por la herramienta, sino porque debajo no hay arquitectura. La IA ejecuta, pero alguien tiene que haber decidido de dónde salen los datos y si son confiables. Ese criterio es justo lo que ordeno cuando entro a una empresa: antes de montar nada encima, de dónde sale cada dato y quién responde por él. Es el trabajo de la consultoría de negocios con datos.

Las capas de una arquitectura de datos (explicado simple)

Todo esto se apoya en un concepto previo: cómo se guarda y se relaciona la información. Si vienes de cero, empieza por qué es una base de datos.

1. Fuentes: de dónde nacen los datos: tu ERP, tu CRM, ventas, web, hojas de cálculo, sensores.
2. Ingesta e integración: cómo se traen esos datos a un solo lugar, de forma automática y consistente.
3. Almacenamiento: dónde viven (data warehouse o data lake, ver más abajo).
4. Modelado y transformación: cómo se limpian, se unen y se ordenan para que signifiquen algo (aquí vive la calidad de datos).
5. Consumo: cómo llegan a los dashboards, reportes y modelos de IA que usan las personas.

El error más común es saltarse las capas del medio y conectar el dashboard directo al sistema transaccional. Funciona un mes, hasta que el sistema cambia el esquema o se satura. El almacenamiento intermedio es lo que da estabilidad.

Componentes de una arquitectura de datos que no salen en el diagrama

Las capas son el camino del dato. Encima de ese camino hay componentes que no se dibujan en la flecha y que deciden si la arquitectura de datos de una empresa aguanta el día a día:

• Modelo de datos: cómo se organizan las tablas para el análisis. Para reportes, lo que mejor funciona es un modelo en estrella: una tabla de hechos (ventas) rodeada de dimensiones (cliente, producto, fecha).
• Diccionario de datos: la definición escrita de cada indicador y cada campo. Sin él, "venta neta" significa una cosa en finanzas y otra en comercial.
• Orquestación: qué carga corre primero, a qué hora y qué pasa si falla. Es lo que hace que el tablero de las 8 de la mañana tenga los datos de ayer.
• Calidad: reglas que avisan cuando llega un dato vacío, duplicado o fuera de rango. Está en calidad de datos.
• Seguridad y accesos: quién ve qué. Ventas no necesita ver planillas.
• Gobierno: un dueño por cada dato crítico y un acuerdo de cómo se cambia una definición. Lo explico en gobierno de datos.

Data warehouse vs data lake: cuál necesitas

• Data warehouse: almacena datos ya estructurados y modelados, listos para reportes y BI (ejemplos: BigQuery, Snowflake, Synapse, Redshift). Es tu fuente confiable para dashboards ejecutivos.
• Data lake: almacena datos crudos de cualquier tipo (texto, imágenes, logs) sin estructurar todavía. Útil para explorar, ciencia de datos y machine learning.
• La verdad práctica: muchas empresas medianas usan ambos (arquitectura "lakehouse"), pero la mayoría debería empezar por un data warehouse bien hecho. No compres un data lake porque suena moderno si aún no tienes un warehouse ordenado.

La comparación completa, con cuándo conviene cada uno, está en data warehouse, data lake y lakehouse.

Ejemplo de arquitectura de datos para una empresa mediana en Perú

Un caso típico, armado como ejemplo y no como el de un cliente: una distribuidora con unas cien personas, un ERP para facturación e inventario, un CRM para el equipo comercial, las metas en Excel y la facturación electrónica de SUNAT. La gerencia quiere ver cada mañana la venta contra la meta y el margen por cliente.

Tres decisiones hacen que este ejemplo funcione: los datos crudos se guardan sin tocar, para poder reprocesar si una regla cambia; la limpieza vive en un solo lugar y no en cada reporte; y cada indicador tiene un dueño con nombre. Si la empresa ya trabaja con Microsoft 365, Fabric junta varias de estas capas en una sola plataforma; qué es y cuándo conviene está en qué es Microsoft Fabric.

Cómo empezar sin sobreinvertir

No necesitas la arquitectura de una multinacional para arrancar. El camino sensato es: primero mapear tus fuentes reales y qué decisiones quieres apoyar, luego elegir un almacenamiento central simple, integrar las 2 o 3 fuentes que más importan, y recién ahí montar dashboards encima. La arquitectura crece con el negocio; lo que no puede faltar desde el día uno es el criterio de que los datos tengan un solo lugar confiable.

Este enfoque de fundamentos primero es justo lo contrario de "compra la herramienta y ya". Y es lo que hace que la inversión en IA y analítica rinda en vez de morir en un piloto.

Arquitectura de datos para tu empresa: cómo te ayudo

Cuando una empresa me llama por su arquitectura de datos, casi nunca dice "arquitectura". Dice que los reportes no cuadran, que el Power BI se cae o que cada área tiene su número. Lo que hago es lo mismo en todos los casos:

1. Diagnóstico de 30 minutos: qué decisiones quieres apoyar, de dónde salen hoy tus datos y dónde se rompe el camino.
2. Diseño a la medida de tu tamaño: las capas, el almacenamiento y el modelo que tu operación necesita hoy, sin comprar lo que todavía no vas a usar. Es parte de la consultoría de negocios con datos.
3. Equipo que lo mantiene: en la capacitación in company tu equipo aprende a operar el modelo y los tableros con sus propios datos.

Si quieres revisar tu caso, agenda un diagnóstico de 30 minutos conmigo.

Preguntas frecuentes

Escrito por

Gera Flores (Miss Yera)

Consultora y experta en IA

Agenda 30 min con Gera Ver bio completa