Estrategias de datos en AWS: optimización y evaluación del rendimiento
1. La metodología agile data warehousing
Ya que el desarrollo ágil (agile development) o la metodología ágil se ha incorporado hace años dentro del desarrollo de software convencional en las empresas, también ha ocurrido el mismo fenómeno dentro del desarrollo orientado a manejo de datos y data warehousing. Recordemos que agile parte como un movimiento en el año 2001, resumido en el llamado manifiesto ágil que revoluciona el pensamiento acerca de cómo crear software, poniento en primer lugar al cliente como foco del desarrollo y enfatizando la comunicación entre los miembros del equipo de la empresa, la colaboración y la capacidad de respuesta rápida ante el cambio.
Todo esto buscaba derribar la antigua concepción de que los procesos de desarrollo de software debían ser rígidos, controlados en forma vertical y dándole mayor importancia al proceso que el cliente y los inversores.
De esta forma, varias metodologías van apareciendo a lo largo de los años, inspiradas en los principios de agile, tales como Scrum, Kanban, Lean-Agile, Extreme Programming y otras, tratando de maximizar el resultado hacia el cliente, mediante el desarrollo iterativo y la respuesta rápida ante cambios.
El diseño e implementación de almacenes de datos (data warehouses, data marts, data lakes y otros) ha sido también alcanzado por el uso de las metodologías ágiles, destacando en este caso lo denominado como agile data warehousing. El desarrollo ágil de data warehouses consiste en aplicar los mismo principios del manifiesto ágil sogbre el diseño e implementación de data warehouses:
- Individuos e interacciones por sobre procesos y herramientas
- Sistemas de data warehousing e inteligencia de negocios funcionales por sobre documentación comprensiva
- Colaboración con los usuarios finales y los inversores por sobre negociación de contratos
- Respuesta al cambio por sobre seguir un plan detallado
Sin embargo, las metodologías basadas en los principios ágiles son adaptativas a la realidad de cada organización, por lo que no es necesario seguirlas al pie de la letra, aunque sí sea importante tender a cumplirlas en algún momento para mejorar el proceso ágil.
En resumen, la idea es permitir que todos estos conceptos tomen forma dentro del proceso de creación y mantención de los sistemas de almacenes de datos como un proceso continuo e iterativo, sin fin, buscando siempre maximizar el valor final hacia el usuario.

2. Herramientas para la implementación de un sistema de almacenamiento de datos
La implementación de sistemas de almacenamiento de datos puede verse significativamente facilitada mediante el uso de herramientas especializadas que permiten automatizar total o parcialmente el proceso de construcción de un data warehouse. Estas herramientas apoyan tareas como el modelamiento de datos, la definición de esquemas dimensionales, la carga de información y la orquestación de los procesos asociados
A partir de los revisado, se vuelve relevante considerar el uso de sistemas de software que permite implementar almacenes de datos de forma automatizada o semiautomatizada, apoyando una gestión más eficiente de la información.
Por ejemplo, Astera (2025) indica que, a través de su sistema comercial de creación de data warehouses (Astera DW Builder), se puede construir un sistema de almacén de datos en 7 pasos generales:
- Modelar los datos fuentes
- Construir el modelo dimensional
- Configurar tablas de dimensiones y de hechos
- Desplegar el modelo
- Cargar datos en las tablas de dimensiones y de hechos, mediante procesamiento ETL
- Orquestar (administrar o gestionar) el proceso completo
- Consumo de los datos a través de reportes y dashboards, hacia los usuarios
