Diagnóstico de madurez de datos: qué mejorar antes de invertir

Autor: Ignacio Muñoz Riquelme · Publicado el 04/11/2026 · 5 min de lectura
‍

En un retail financiero en Chile, el estado de cuenta de los clientes tardaba días en estar disponible. El monto y los movimientos aparecían el mismo día; el PDF, no. La solución partió por la preparación del dato y por desacoplar un proceso que dependía de un proveedor externo, sin reemplazar los sistemas existentes.

Un diagnóstico de madurez de datos evalúa arquitectura, calidad, gobierno, costos y operación para identificar qué brecha frena hoy al negocio y qué inversión la resuelve. En ACL lo hacemos en un plazo de dos a cuatro semanas, antes de comprometer presupuesto en plataformas, licencias o IA.

¿Por qué diagnosticar antes de invertir?

La presión por invertir ya está en los presupuestos. Según el AI Maturity Index Chile 2026 de Forbes Chile, nueve de cada diez ejecutivos chilenos aumentará este año su presupuesto en IA, pero apenas uno de cada diez declara tener datos con madurez plena para alimentar modelos productivos. Uno de cada tres apunta a la calidad y el gobierno de los datos como la principal barrera para escalar.

Un mismo síntoma puede tener causas que se resuelven con inversiones muy distintas.

"El reporte llega cuando la decisión ya se tomó" es uno de los problemas que describimos en ACL al hablar de plataformas de datos. Puede venir de una arquitectura que no escala, de datos fragmentados entre sistemas, de pipelines con poca observabilidad o de un proceso que depende de un proveedor externo. Una plataforma nueva resuelve solo el primer caso.

La matriz: cinco dimensiones y qué decisión implica cada brecha

En la Data Practice de ACL trabajamos con cinco dimensiones que deben funcionar coordinadas: arquitectura, calidad, gobierno, costos y operación. Esta tabla las ordena según la señal que aparece en el negocio y la solución que corresponde a cada una.

Si la brecha está en gobierno o en calidad, una plataforma nueva no la resuelve: solo la traslada a otro sistema.

En Chile, el gobierno de datos tiene además una fecha: la Ley 21.719 rige desde el 1 de diciembre de 2026. Tener clasificados los datos personales, con sus accesos y su linaje, deja evidencia ante la nueva Agencia de Protección de Datos Personales.

Qué muestran los proyectos

En el retail financiero del inicio se usó Databricks para preparar los datos, Kafka para desacoplar el flujo y microservicios para generar los documentos. En el piloto, los datos quedaron listos en unos 15 minutos y el estado de cuenta estuvo disponible el mismo día de la facturación.

Hayfin, firma europea de inversión, migró su modelamiento financiero a Databricks con una arquitectura modular en PySpark, junto a nuestro equipo global en DataArt. Sus modelos corren hasta cuatro veces más rápido, y los releases toman días en lugar de semanas.

Desde 2025, una empresa de generación eléctrica recibe soporte y desarrollo para su BI corporativo sobre Azure, Databricks y Power BI, con SLA por prioridad y comités de gobierno. El modelo se replicó en otra filial del grupo con un contrato espejo.

Para mí, el último es la señal más clara de valor: el cliente llevó el mismo modelo a otra empresa del grupo.

¿Qué incluye un diagnóstico de madurez de datos?

En la Data Practice de ACL powered by DataArt lo armamos por módulos, para que cada empresa parta por donde está su urgencia:

Assessment de arquitectura y Data Lake: arquitectura, plataformas e integraciones sobre Azure, AWS, Google Cloud o Databricks.
Prediagnóstico de gobierno: madurez del gobierno, catálogo, linaje y calidad.
Diagnóstico Ley 21.719: inventario de datos personales, mapeo de flujos y riesgos regulatorios.
AI Readiness: si los datos están listos para casos de IA generativa.

Al cierre, el equipo de la empresa recibe una hoja de ruta priorizada, con las brechas ordenadas y la inversión que corresponde a cada una.

El diagnóstico es el punto de partida, sin compromiso de largo plazo. Si sus conclusiones justifican avanzar, el mismo equipo puede implementar en un proyecto acotado y medible, con fecha fija, y después operar la plataforma con un servicio mensual: mesa de servicio L1/L2, arquitecto, governance officer, DPO e ingeniero de datos en modalidad fraccionada, sin contratar un equipo completo.

Trabajamos sobre la nube que ya usas (AWS, Azure o Google Cloud), sin obligarte a migrar para empezar, y con el respaldo del grupo DataArt, Databricks Consulting Partner y Snowflake Elite Services Partner.

¿Vas a aprobar una inversión en datos o IA?

Si tu comité va a decidir una plataforma, una migración o un proyecto de IA en los próximos meses, revisemos primero dónde está la brecha. En un máximo de cuatro semanas sabrás qué conviene resolver primero y con qué inversión.

Agenda una reunión sin costo con nuestro equipo de Datos

Preguntas frecuentes

¿Cuánto dura un diagnóstico de madurez de datos?

Entre dos y cuatro semanas, según el alcance.

¿Qué entrega el diagnóstico?

Una hoja de ruta priorizada: las brechas en las cinco dimensiones, la inversión que corresponde a cada una y por dónde partir.

¿Es lo mismo que un AI Readiness Assessment?

No. El AI Readiness evalúa si los datos sirven para llevar IA a producción. El diagnóstico de madurez incluye además costos y operación, y sirve para decidir en qué invertir primero.

¿Necesito tener Databricks?

No. El assessment cubre plataformas sobre Azure, AWS, Google Cloud y Databricks, y trabajamos sobre la nube que ya usas.

¿Ayuda a prepararse para la Ley 21.719?

Sí. El módulo de Ley 21.719 incluye el inventario de datos personales, el mapeo de sus flujos y los riesgos regulatorios.

¿Te ha interesado este contenido? No te pierdas nuestros otros artículos

Contrata a los mejores desarrolladores de software en Latinoamérica

Accede a talento top y soluciones de TI eficientes con nuestros servicios Nearshore.

Contáctanos