Definición
Un pipeline de datos es una secuencia automatizada de pasos que recoge datos de una o varias fuentes, los transforma (limpia, combina, calcula) y los entrega en el destino donde se usarán: un data warehouse, un panel, un modelo de IA u otro sistema. Es la tubería por la que circula la información de la empresa. El ETL o ELT es un tipo concreto de pipeline; el concepto general incluye también flujos en tiempo real y los que alimentan a los modelos de machine learning.
En una empresa, los pipelines de datos son invisibles hasta que fallan. Cada noche mueven la facturación al data warehouse, cada minuto agregan los eventos de uso del producto, cada vez que llega un lead lo enriquecen y lo envían al CRM. Herramientas como Airflow, Dagster, Prefect o los servicios gestionados de las nubes orquestan estos flujos, controlan que cada paso se ejecute en orden y avisan cuando algo se rompe.
El malentendido es pensar que un pipeline se construye una vez y funciona para siempre. Las fuentes cambian, las APIs se actualizan, un campo se renombra y el panel de dirección empieza a mostrar ceros sin que nadie lo note. Los pipelines de datos serios se tratan como software: con pruebas, control de versiones, monitorización y alertas. En 2026 alimentan además los sistemas RAG y los agentes de IA, así que un pipeline roto significa una IA que responde con datos viejos.
En la práctica
El pipeline de datos de un SaaS recoge cada hora los eventos de uso, calcula qué clientes llevan 14 días sin entrar y envía la lista al equipo de éxito de cliente, que llama antes de que cancelen: la retención mejora sin contratar a nadie.
Por qué importa
Tus pipelines de datos determinan si las cifras que ves son de hoy o de hace tres semanas, y si son correctas. Merece la pena preguntar quién los vigila y qué pasa cuando fallan.
Preguntas frecuentes
- ¿Qué diferencia hay entre un pipeline de datos y un ETL?
- El ETL es un tipo específico de pipeline, el que extrae, transforma y carga datos por lotes en un almacén. Pipeline de datos es el término general e incluye también flujos en tiempo real, procesos que alimentan modelos de IA o que envían datos de un sistema operativo a otro. Todo ETL es un pipeline; no todo pipeline es un ETL.
- ¿Cómo sé si mis pipelines de datos son fiables?
- Pregunta tres cosas: cuándo se actualizaron los datos del panel por última vez, quién recibe un aviso si el proceso falla y qué pruebas comprueban que las cifras tienen sentido. Si nadie sabe responder, es probable que en algún momento hayas tomado decisiones con datos incorrectos sin saberlo.