{"id":129,"date":"2025-09-11T18:05:38","date_gmt":"2025-09-11T23:05:38","guid":{"rendered":"https:\/\/marybernalj.com\/blog\/?p=129"},"modified":"2026-01-16T08:56:45","modified_gmt":"2026-01-16T13:56:45","slug":"arquitectura-de-datos-para-decidir-y-no-solo-para-reportar","status":"publish","type":"post","link":"https:\/\/marybernalj.com\/blog\/index.php\/2025\/09\/11\/arquitectura-de-datos-para-decidir-y-no-solo-para-reportar\/","title":{"rendered":"Arquitectura de datos para decidir (y no solo para reportar)"},"content":{"rendered":"\n

De la anal\u00edtica descriptiva a la toma de decisiones<\/strong><\/p>\n\n\n\n

Serie \u00b7 Data Architecture Stories<\/strong>
De los datos al conocimiento: c\u00f3mo dise\u00f1ar infraestructuras con prop\u00f3sito<\/em><\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

En los primeros relatos de esta serie hablamos de la necesidad de dar estructura a los datos, de los cimientos invisibles que sostienen cualquier sistema anal\u00edtico y de c\u00f3mo la evoluci\u00f3n del Data Warehouse al Data Lake abri\u00f3 la puerta a nuevos usos y escalas. Todo ese recorrido tiene un punto en com\u00fan: la arquitectura no es neutra. Cada decisi\u00f3n de dise\u00f1o habilita, o limita, lo que puede hacerse despu\u00e9s con los datos.<\/p>\n\n\n\n

Durante mucho tiempo, la arquitectura de datos se dise\u00f1\u00f3 con una misi\u00f3n clara y aparentemente suficiente: responder preguntas conocidas. Indicadores mensuales, reportes operativos, dashboards que mostraban qu\u00e9 hab\u00eda pasado y si los n\u00fameros sub\u00edan o bajaban. Ese enfoque funcion\u00f3 durante a\u00f1os y permiti\u00f3 a muchas organizaciones ordenar su informaci\u00f3n y ganar control. Pero el contexto cambi\u00f3. Y con \u00e9l, las preguntas.<\/p>\n\n\n\n

Hoy las organizaciones no solo necesitan saber qu\u00e9 ocurri\u00f3, sino qu\u00e9 est\u00e1 ocurriendo, qu\u00e9 podr\u00eda ocurrir y qu\u00e9 conviene hacer a continuaci\u00f3n. Quieren anticipar, simular escenarios, entender trayectorias y no solo resultados finales. Y ese cambio transforma el papel de la arquitectura de datos.<\/p>\n\n\n\n

Un sistema pensado \u00fanicamente para reportes suele estar optimizado para agregaciones, m\u00e9tricas estables, cortes temporales fijos y consultas predefinidas. Funciona bien cuando las preguntas son repetitivas y conocidas de antemano. Pero cuando el objetivo es apoyar decisiones complejas, ese mismo dise\u00f1o empieza a mostrar sus l\u00edmites. Los datos llegan resumidos, los historiales se pierden, las relaciones entre dominios no existen o son dif\u00edciles de reconstruir. No falla el an\u00e1lisis; falla la base que lo sostiene.<\/p>\n\n\n\n

Hay una idea clave que henos estado hablando en toda la serie: la arquitectura de datos define qu\u00e9 preguntas pueden hacerse y cu\u00e1les no podr\u00e1n responderse. Si los datos est\u00e1n excesivamente agregados, desconectados entre \u00e1reas o modelados solo para eficiencia de consulta, se vuelve casi imposible analizar evoluci\u00f3n en el tiempo, entender interacciones complejas o detectar patrones que no estaban previstos desde el inicio. No es una limitaci\u00f3n del equipo anal\u00edtico ni del modelo que se quiera aplicar; es una limitaci\u00f3n estructural.<\/p>\n\n\n\n

En una arquitectura orientada a la toma de decisiones, el tiempo deja de ser un simple atributo y se convierte en un eje central del dise\u00f1o. Ya no basta con guardar el estado actual; es necesario conservar el historial, permitir m\u00faltiples escalas temporales y evitar sobrescribir informaci\u00f3n que puede ser clave para entender cambios. Cuando el tiempo se integra correctamente, los datos dejan de ser solo n\u00fameros y empiezan a contar historias: trayectorias, transiciones, acumulaciones y rupturas.<\/p>\n\n\n\n

Lo mismo ocurre con los dominios. Las decisiones reales rara vez dependen de una sola variable. Surgen de la interacci\u00f3n entre comportamientos, contextos, estados y cambios acumulativos. Una arquitectura moderna debe facilitar estas conexiones, permitir an\u00e1lisis cruzados y evitar silos r\u00edgidos que fragmentan la comprensi\u00f3n. No se trata de perder estructura, sino de dise\u00f1arla con intenci\u00f3n anal\u00edtica, sabiendo que muchas preguntas a\u00fan no existen cuando se construye el sistema.<\/p>\n\n\n\n

No toda arquitectura est\u00e1 pensada para decidir, y eso no es necesariamente un error. Pero s\u00ed es un riesgo no reconocer cu\u00e1ndo un dise\u00f1o, v\u00e1lido para reporting, se convierte en un freno para el an\u00e1lisis avanzado, la anal\u00edtica predictiva o el uso de modelos m\u00e1s complejos. Dise\u00f1ar para decidir implica aceptar la incertidumbre, las preguntas abiertas y los usos futuros que todav\u00eda no est\u00e1n completamente definidos.<\/p>\n\n\n\n

Si quieres saber si tu arquitectura est\u00e1 preparada para apoyar decisiones, hazte una pregunta simple: \u00bfpuedo reconstruir c\u00f3mo y por qu\u00e9 algo cambi\u00f3 en el tiempo, sin rehacer todo el sistema?. <\/em>Como consejo practico, empezar a guardar el historial, desacoplar capas y preservar se\u00f1ales temporales suele ser m\u00e1s valioso que a\u00f1adir una nueva tecnolog\u00eda.<\/p>\n\n\n\n

En el pr\u00f3ximo post para dar cierre a la serie, hablaremos de cuando la arquitectura deja de servir solo al an\u00e1lisis y comienza a alimentar sistemas que aprenden, modelos que evolucionan y decisiones que ya no se toman solo mirando hacia atr\u00e1s, sino tambi\u00e9n hacia adelante.<\/p>\n\n\n\n

\n\n\n\n

Este art\u00edculo hace parte de la serie\u00a0Data Architecture Stories<\/strong>, donde exploramos c\u00f3mo los datos se convierten en conocimiento a trav\u00e9s del dise\u00f1o, la cultura y la tecnolog\u00eda.<\/em>
Pr\u00f3ximo post:\u00a0Arquitectura de datos para IA.<\/strong><\/em><\/p>\n\n\n\n

<\/p>\n","protected":false},"excerpt":{"rendered":"

De la anal\u00edtica descriptiva a la toma de decisiones Serie \u00b7 Data Architecture StoriesDe los datos al conocimiento: c\u00f3mo dise\u00f1ar infraestructuras con prop\u00f3sito En los primeros relatos de esta serie hablamos de la necesidad de dar estructura a los datos, de los cimientos invisibles que sostienen cualquier sistema anal\u00edtico y de c\u00f3mo la evoluci\u00f3n del […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[5,23,7,22],"class_list":["post-129","post","type-post","status-publish","format-standard","hentry","category-data-analitica","tag-analytics","tag-arquitectura","tag-dataarchitecture","tag-datos"],"_links":{"self":[{"href":"https:\/\/marybernalj.com\/blog\/index.php\/wp-json\/wp\/v2\/posts\/129","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/marybernalj.com\/blog\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/marybernalj.com\/blog\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/marybernalj.com\/blog\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/marybernalj.com\/blog\/index.php\/wp-json\/wp\/v2\/comments?post=129"}],"version-history":[{"count":4,"href":"https:\/\/marybernalj.com\/blog\/index.php\/wp-json\/wp\/v2\/posts\/129\/revisions"}],"predecessor-version":[{"id":143,"href":"https:\/\/marybernalj.com\/blog\/index.php\/wp-json\/wp\/v2\/posts\/129\/revisions\/143"}],"wp:attachment":[{"href":"https:\/\/marybernalj.com\/blog\/index.php\/wp-json\/wp\/v2\/media?parent=129"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/marybernalj.com\/blog\/index.php\/wp-json\/wp\/v2\/categories?post=129"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/marybernalj.com\/blog\/index.php\/wp-json\/wp\/v2\/tags?post=129"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}