Hace diez años, un stack de datos “serio” significaba un presupuesto de seis cifras y un equipo de tres personas. En 2026 una PYME puede tener BI en tiempo real por unos cientos de euros al mes y montarlo en dos semanas. Este es el stack que realmente desplegamos — no uno teórico.
Las capas
1. Ingesta
Qué hace: mueve los datos desde donde viven (CRM, ERP, Postgres, Stripe, Google Ads…) a un único sitio.
Qué usamos: Airbyte o Fivetran para conectores gestionados, n8n para cualquier cosa rara. Coste para una PYME: 50–300 €/mes.
2. Almacenamiento + compute
Qué hace: guardarlo todo y permitirte consultarlo rápido.
Qué usamos: BigQuery (pago por consulta, amigable con presupuestos modestos) o Snowflake (facturación más predecible). Para equipos ya en AWS, Athena va bien. Coste: <100 €/mes hasta tener escala de verdad.
3. Transformación
Qué hace: convertir tablas crudas en conceptos de negocio (clientes, pedidos, MRR).
Qué usamos: dbt. Es SQL con tests y documentación. Tu CFO lo puede leer. Coste: gratis (open source) o 100 $/mes/usuario con Cloud.
4. Activación + BI
Qué hace: llevar los insights a las herramientas que la gente realmente usa.
Qué usamos:
- Metabase o Looker Studio para dashboards.
- Hightouch o Census para reverse ETL — empujar datos limpios de vuelta a tu CRM, Slack, etc.
- Ocasionalmente una app React ligera cuando un operador necesita algo más rico que un dashboard.
5. La capa de IA (opcional, pero es donde está el apalancamiento)
Una vez tienes datos modelados limpios en un warehouse, añadir una capa semántica + un asistente IA que responde en lenguaje natural (“¿qué disparó el churn del MRR el mes pasado?”) es un fin de semana de trabajo, no un proyecto.
El coste total
Para una empresa de 50–200 personas, todo incluido: 800–2.500 €/mes entre herramientas y hosting. El ROI aparece en el primer trimestre porque dejas de pagar a gente por copiar y pegar entre hojas de cálculo, y dejas de decidir con números de hace una semana.
Lo que decimos a los clientes que se salten
- “Primero data lake” — no lo necesitas. Empieza por el warehouse.
- Kafka / infra de streaming — batch cada 15 minutos vale para el 95% de los casos.
- Dashboards a medida — Metabase te da el 80% del valor con el 5% del esfuerzo.
- Contratar un data engineer como primer perfil de datos — contrata un analytics engineer que sepa dbt + modelado. El ingeniero viene después, si es que viene.
La distancia entre “vamos con hojas de cálculo” y “tenemos BI en tiempo real” era antes un viaje de dos años. Para una PYME con claridad, son dos semanas.