En los últimos meses no hay conversación sobre arquitectura de datos que no acabe en dos términos: data mesh y data fabric. Ambos prometen resolver el mismo dolor de fondo —que los datos de la empresa estén dispersos, sean difíciles de encontrar y nadie se fíe del todo de ellos—, pero lo abordan desde ángulos muy distintos. Y como suele pasar con los términos de moda, se usan a menudo como sinónimos cuando no lo son.
En este artículo aclaramos qué es cada uno, en qué se diferencian de verdad y cómo decidir cuál encaja en tu organización.
Por qué en 2022 se habla tanto de arquitecturas de datos
La razón es sencilla: el volumen y la variedad de datos han crecido más rápido que la capacidad de las empresas para organizarlos. El clásico data warehouse centralizado y el equipo de datos único que lo gestiona todo empiezan a quedarse cortos cuando cada área de negocio tiene sus propias fuentes, sus propias necesidades y sus propias prisas.
De ese cuello de botella nacen dos respuestas. Una es organizativa; la otra, tecnológica.
Qué es Data Mesh
El data mesh es, ante todo, un cambio de organización. El concepto lo acuñó Zhamak Dehghani (Thoughtworks) y parte de una idea provocadora: dejar de tratar los datos como un producto secundario de un equipo central y empezar a tratarlos como un producto de primera clase, propiedad de quien mejor los entiende.
Se apoya en cuatro principios:
- Propiedad por dominios de negocio. Cada dominio (ventas, logística, marketing) es responsable de sus propios datos, en lugar de depender de un único equipo central.
- Datos como producto. El dominio no solo genera datos: los publica con calidad, documentación y unos “acuerdos de servicio” claros, pensando en quien los va a consumir.
- Plataforma de autoservicio. Una infraestructura común permite a cada dominio publicar y consumir datos sin reinventar la rueda.
- Gobernanza federada. Reglas comunes (seguridad, definiciones, calidad) que se aplican de forma coordinada, no impuestas desde un silo.
En resumen, el data mesh descentraliza: reparte la responsabilidad de los datos entre los equipos que los conocen.
Qué es Data Fabric
El data fabric es, sobre todo, un enfoque tecnológico. Impulsado con fuerza por Gartner, propone una capa de integración inteligente que se extiende sobre todas tus fuentes de datos —estén donde estén: on-premise, en la nube, en distintas aplicaciones— y las conecta de forma coherente.
Su ingrediente clave son los metadatos activos: el data fabric analiza cómo se usan los datos, qué relaciones existen entre ellos y dónde están, y usa esa información (con ayuda de aprendizaje automático) para automatizar la integración, sugerir conexiones y facilitar el acceso.
Dicho de otro modo, el data fabric no te obliga a mover ni reorganizar tus datos: crea una capa por encima que los unifica virtualmente y hace que encontrarlos y combinarlos sea mucho más sencillo.
En qué se diferencian
Aquí está la clave que muchos artículos pasan por alto:
- Data mesh es un cambio organizativo y cultural. Responde a la pregunta “¿quién es responsable de los datos?”. Su unidad central es el dominio de negocio y las personas.
- Data fabric es un cambio tecnológico. Responde a “¿cómo conecto e integro técnicamente mis datos?”. Su unidad central son los metadatos y la automatización.
No son rivales que compiten por el mismo puesto. De hecho, pueden convivir: una organización puede adoptar la filosofía de dominios del data mesh y, a la vez, apoyarse en una capa de data fabric para integrar técnicamente esos dominios.
Una forma útil de recordarlo: el data mesh decide quién hace qué; el data fabric decide cómo se conecta todo.
Cuál elegir según tu organización
No hay una respuesta universal, pero sí algunas señales:
- Inclínate por data mesh si tu problema principal es organizativo: un equipo central saturado, áreas de negocio que esperan semanas por sus datos y falta de responsabilidad clara sobre la calidad. Requiere madurez y equipos de negocio dispuestos a “ser dueños” de sus datos.
- Inclínate por data fabric si tu problema es técnico: datos repartidos en muchos sistemas distintos, integraciones frágiles y dificultad para tener una visión unificada. Es un enfoque más apoyado en herramientas y menos disruptivo a nivel de personas.
- Considera ambos si eres una organización grande y compleja: la cultura de dominios más una capa de integración inteligente se complementan bien.
Sea cual sea el camino, los dos comparten un requisito previo innegociable: definiciones claras y gobernanza. Ninguna arquitectura salva unos datos que nadie sabe qué significan. Por eso ambos encajan de forma natural dentro de un Modern Data Stack bien pensado.
Empieza por el diagnóstico, no por la etiqueta
El error más habitual es elegir la arquitectura por su nombre de moda antes de entender el problema real. Lo primero es diagnosticar: ¿tu cuello de botella es de personas o de tecnología?
En Digital Fox Data ayudamos a responder esa pregunta y a diseñar una arquitectura de datos que se ajuste a tu realidad, no a la última tendencia, con nuestra consultoría de Business Intelligence. Si quieres ordenar tu estrategia de datos antes de invertir en herramientas, hablemos.