Qué es un data warehouse y cuándo lo necesita tu empresa (sin jerga)

Lunes, comité de dirección. Comercial dice que el trimestre cerró en 4,2 millones. Finanzas dice 3,9. Los dos tienen razón: uno cuenta pedidos y el otro facturas, uno incluye devoluciones y el otro no. La reunión se va en averiguar de dónde sale cada número, y la decisión que había que tomar se queda para la semana que viene.

Un data warehouse existe para que esa conversación no vuelva a pasar. En esta guía explicamos qué es, en qué se diferencia del ERP, de Power BI y del Excel de siempre, cuándo lo necesita una empresa de verdad (y cuándo no) y cómo se implanta sin parar la operación.

Qué es un data warehouse, en una frase

Un data warehouse (en español, almacén de datos) es un lugar único donde se reúnen los datos de todos los sistemas de la empresa, se limpian y se ordenan con unas definiciones comunes, para que cualquier informe salga de la misma fuente y diga lo mismo.

Tu ERP sabe de facturas. Tu CRM sabe de oportunidades. El software del almacén sabe de stock y la tienda online sabe de pedidos web. Cada uno responde bien a las preguntas de su área. El problema llega con las preguntas que cruzan áreas, que son justo las que se hace la dirección: ¿qué margen real deja cada cliente después de logística y devoluciones?, ¿qué comercial vende más, pero con peores condiciones de cobro?, ¿qué referencias inmovilizan stock sin vender?

Para responderlas hoy, alguien exporta cuatro informes a Excel y los cruza a mano. El data warehouse hace ese cruce de forma automática, cada día, siempre con las mismas reglas.

Cómo funciona: tres capas

1. Las cargas: traer el dato

Unos procesos automáticos copian cada día (o cada hora) los datos de las fuentes acordadas: ERP, CRM, almacén, tienda online, banca, y también los Excel que de verdad se usan. Los técnicos lo llaman ETL o ELT (extraer, transformar y cargar). Lo importante para ti es que el dato llega solo y que nadie tiene que exportar nada.

2. El modelo: ordenar el dato

Aquí está el valor real. Se decide qué es un cliente, qué es un pedido y cómo se calcula el margen, y esas definiciones se aplican igual a todos los datos. Se unifican los códigos (el mismo cliente puede llamarse de tres formas en tres sistemas) y se añaden reglas de calidad que avisan cuando algo llega mal: una factura sin cliente, un importe negativo o una fecha imposible.

3. La explotación: usar el dato

Sobre ese dato ordenado se construyen los cuadros de mando de cada área, con la herramienta que ya uses (Power BI, Looker, Qlik o la que sea). Y es también la base para automatizar procesos y aplicar inteligencia artificial: un modelo de IA que lee datos contradictorios da respuestas contradictorias.

Lo que un data warehouse no es

• No es tu ERP. El ERP registra la operación del día a día. El data warehouse no sustituye al ERP ni a ningún otro sistema: los lee y los junta. Nadie cambia de herramienta de trabajo.
• No es Power BI. Power BI (o cualquier herramienta de BI) es la capa de arriba, la que pinta los gráficos. Si lo que consume son datos dispersos y sin definiciones comunes, los informes se contradicen igual, solo que más bonitos. El warehouse es lo que hace que el BI sirva.
• No es una copia de seguridad. No guarda todo «por si acaso». Guarda lo que hace falta para responder las preguntas acordadas, ordenado para eso.
• No es un data lake. Un data lake almacena datos en bruto, de cualquier formato, para analizarlos más adelante. Es útil en algunos proyectos de analítica avanzada, pero para que la dirección tenga cifras fiables, lo que hace falta es el dato ya ordenado del warehouse.

Seis señales de que lo necesitas

1. Dos áreas dan cifras distintas del mismo indicador y nadie sabe cuál es la buena.
2. El cierre mensual ocupa una semana, y buena parte se va en cuadrar datos entre sistemas.
3. Hay una persona (o varias) que dedica días a consolidar Excel, y si se va de vacaciones no hay informe.
4. Trabajas con cuatro o más sistemas que no se hablan entre sí: ERP, CRM, almacén, tienda online, herramienta de RR. HH.
5. Las preguntas que cruzan áreas no tienen respuesta, o la tienen tres semanas tarde.
6. Quieres aplicar IA a tus datos y no tienes claro de dónde sacaría la IA una información fiable.

El tamaño de la empresa importa menos de lo que parece. Lo que decide es cuántos sistemas hay y cuánto cuesta consolidar a mano. Una empresa de cincuenta personas con cuatro sistemas lo necesita más que una de trescientas con uno solo.

Cuándo no lo necesitas

No siempre hace falta. Si casi todo tu negocio vive en un único ERP con buenos informes, si las preguntas de la dirección se responden desde ahí o si el problema real es que nadie mira los informes que ya existen, un data warehouse no lo va a arreglar. En esos casos suele bastar con ordenar los informes del ERP o con un buen cuadro de mando sobre él.

Por eso conviene decidir antes de comprar. En Milmoh empezamos siempre por una hoja de ruta de datos: qué necesita saber tu dirección, dónde vive hoy cada dato y si de verdad hace falta un warehouse para tenerlo. A veces la respuesta es que no.

Cloud u on-premise

Hace diez años, un data warehouse era un proyecto de servidores propios y licencias caras, al alcance de muy pocas empresas medianas. Con las plataformas cloud (Snowflake, Google BigQuery, Microsoft Fabric o Amazon Redshift, entre otras), el coste de entrada ha bajado mucho: pagas por lo que almacenas y procesas, y la infraestructura no es tu problema.

Aun así, el cloud no es obligatorio. Las empresas con datos especialmente sensibles o con una política de datos estricta pueden montarlo en sus propios servidores (on-premise). Lo razonable es elegir la plataforma al final, cuando ya sabes qué tiene que hacer, y no al principio. Trabajamos con varias, entre ellas Snowflake, de la que somos partner.

Cómo se implanta, por fases

Un proyecto de datos que se plantea de una vez, para toda la empresa, tiene muchas papeletas de eternizarse. La forma que funciona es por fases, con algo útil en producción pronto:

1. Ordenar: la hoja de ruta de datos. Se acuerdan los indicadores con cada área, se escriben sus definiciones, se mapean las fuentes y quién mantiene cada dato, y se decide el alcance y la arquitectura.
2. Construir: integración y calidad. Se levantan las cargas automáticas sobre los sistemas que ya tienes, sin sustituir el ERP ni parar la operación, con reglas de calidad y trazabilidad de cada dato.
3. Usar: explotación y adopción. Un primer cuadro de mando real en producción y, a partir de ahí, nuevas fuentes y nuevas áreas. Formación para que el equipo lo use y lo pueda mantener.

La primera fase es la que más se tiende a saltar y la que más proyectos salva. Elegir la herramienta antes de saber qué preguntas tiene que responder es la forma más habitual de acabar con un warehouse caro que nadie usa.

Cuánto cuesta

Depende sobre todo de tres cosas: cuántas fuentes hay que conectar, en qué estado llega el dato (no es lo mismo un ERP bien mantenido que diez años de Excel) y cuántas áreas lo van a usar. A eso se suman tres partidas que conviene pedir siempre por separado:

• La licencia de la plataforma, que en cloud suele ser un coste mensual ligado al uso.
• La implantación: cargas, modelo, calidad y primeros cuadros de mando.
• El mantenimiento: lo puede asumir tu equipo, si se le forma, o el proveedor como servicio continuado.

Si una propuesta no separa estas tres partidas, es difícil compararla con otra. La hoja de ruta de datos sirve también para eso: de ella sale un alcance cerrado y un presupuesto comparable.

Cinco errores habituales

1. Empezar por la herramienta. Comprar la plataforma o la licencia de BI antes de saber qué preguntas tiene que responder.
2. No acordar las definiciones. Si «venta» significa una cosa en Comercial y otra en Finanzas, el warehouse heredará la discusión.
3. Querer todo a la vez. Conectar todas las fuentes antes de enseñar el primer resultado. El proyecto pierde apoyo antes de dar fruto.
4. No nombrar responsables del dato. Alguien tiene que responder de que el maestro de clientes esté bien. Es lo que se llama gobierno del dato.
5. Olvidar al equipo. Un cuadro de mando que nadie sabe leer acaba sustituido por el Excel de siempre.

Un ejemplo real

Una empresa importadora y exportadora de frutos secos, semillas y superfoods necesitaba decidir con información real y actualizada, pero sus datos estaban repartidos entre varios sistemas. Diseñamos y desarrollamos un data warehouse que centraliza toda la información de negocio, con datos de calidad y una base lista para business intelligence e inteligencia artificial. Puedes leer el caso completo.

Preguntas frecuentes

¿Un data warehouse es solo para empresas grandes?

No. El criterio es el número de sistemas y lo que cuesta consolidar a mano, no la plantilla. Con las plataformas cloud, el coste de entrada está al alcance de muchas empresas medianas.

Ya tengo Power BI. ¿Para qué quiero un warehouse?

Power BI enseña los datos; el warehouse los ordena. Si tus informes se contradicen o alguien los prepara a mano antes de cargarlos, el problema está debajo de Power BI, no en él.

¿Tengo que cambiar de ERP?

No. El warehouse se construye sobre los sistemas que ya tienes y los lee sin tocarlos. Tu equipo sigue trabajando igual.

¿Y la IA? ¿No puede ordenar los datos sola?

No de forma fiable. La IA aprovecha muy bien un dato ordenado, pero no decide por ti qué es un cliente o cómo se calcula el margen. Lo explicamos con más detalle en por qué necesitas buenos datos antes de usar la IA.

En resumen

Un data warehouse es el sitio donde los datos de toda la empresa se juntan y se ordenan para que todos los informes digan lo mismo. Lo necesitas cuando tienes varios sistemas, cifras que no cuadran y personas cuadrándolas a mano. No lo necesitas si todo vive en un solo sistema con buenos informes. Y en cualquier caso, la decisión va antes que la herramienta.