Arquitectura medallion: El secreto detrás de los datos limpios

¿Qué es la arquitectura medallion?

La arquitectura medallion es un patrón de diseño que organiza los datos dentro de un lakehouse en tres capas de calidad progresiva: bronce, plata y oro. Cada capa representa un nivel distinto de refinamiento, donde los datos pasan de su estado más crudo hasta convertirse en información fiable y lista para el análisis de negocio.

Lo que hace útil a este patrón es su simplicidad conceptual. No importa cuántas fuentes de datos tenga tu organización ni cuán complejas sean las transformaciones: el flujo siempre sigue la misma dirección. Los datos entran por la capa bronce, se procesan en la capa plata y se consolidan en la capa oro para su consumo.

Este modelo no es solo una forma de organizar carpetas o esquemas en una base de datos. Es una filosofía de trabajo que trata la calidad de los datos como una propiedad del pipeline, no como algo que se revisa al final. Cada transición entre capas implica una mejora deliberada y documentada del dato.

El origen del concepto: Databricks y el lakehouse

La terminología bronce, plata y oro fue propuesta originalmente por Databricks como parte de su enfoque para organizar datos dentro de plataformas lakehouse. La idea central era que los datos no llegaban limpios ni listos para usar, y que necesitaban recorrer un camino estructurado antes de poder ser consumidos por analistas o modelos de aprendizaje automático.

Con el tiempo, el patrón trascendió su origen y se convirtió en un estándar de facto en la industria. Hoy lo adoptan equipos que trabajan con distintas plataformas, distintos lenguajes y distintas escalas de datos, porque resuelve un problema universal: los datos crudos no son confiables y necesitan un proceso claro antes de llegar al análisis.

¿Por qué se llama arquitectura medallion?

El nombre toma prestada la metáfora de las medallas deportivas. Los datos entran como bronce, de bajo valor relativo, y se refinan progresivamente hasta alcanzar el nivel oro, donde ya representan información de alto valor para la organización. La analogía es intencional: igual que en el deporte, el oro no se obtiene sin pasar antes por etapas intermedias.

Esto también comunica una idea de fondo importante: cada capa tiene su propio valor y propósito. La capa bronce no es un paso fallido que se debe corregir; es la base histórica e inmutable que permite reproducir el pipeline completo si algo sale mal en etapas posteriores.

Las tres capas de la arquitectura medallion

Cada capa de la arquitectura medallion tiene una función específica, unos criterios de calidad propios y unos consumidores bien definidos. Entender qué ocurre en cada una es la base para aplicar este patrón correctamente en cualquier proyecto de datos.

Capa bronce: el punto de entrada de los datos

La capa bronce es donde los datos llegan tal como son, sin ningún tipo de transformación, limpieza ni validación. Su propósito principal es preservar una copia completa, histórica y auditable de todo lo que entra en el sistema, independientemente de su formato o calidad de origen.

Los registros en esta capa suelen ser inmutables y se acumulan de forma append-only, es decir, solo se añaden nuevos datos sin modificar los existentes. Esto tiene una ventaja directa: si se detecta un error en capas superiores, siempre puedes volver al dato original y reprocesarlo desde cero sin haber perdido nada.

Capa plata: limpieza y consolidación

En la capa plata, los datos provenientes de la capa bronce reciben su primera transformación real. Aquí se aplican reglas de limpieza, se eliminan duplicados, se corrigen formatos inconsistentes y se validan los registros frente a esquemas definidos. El resultado es un conjunto de datos fiable que puede ser usado por analistas y científicos de datos para trabajos de exploración y modelado.

Una de las operaciones más valiosas de esta capa es la fusión de tablas. Puedes tomar varias tablas de la capa bronce que describen distintos aspectos de una misma entidad y consolidarlas en una sola tabla en plata. Por ejemplo, tres tablas separadas sobre un cliente —datos de contacto, historial de compras y preferencias— pueden unirse en una única entidad «Cliente» coherente y normalizada.

Capa oro: datos listos para el negocio

La capa oro es el destino final del dato dentro de la arquitectura medallion. Aquí se aplican las últimas transformaciones orientadas al negocio: agregaciones, cálculo de KPIs, construcción de modelos dimensionales y reglas específicas de cada área, como ventas, marketing o finanzas. Los datos en esta capa están optimizados para ser consultados rápidamente por herramientas de inteligencia de negocio o modelos de aprendizaje automático.

Es importante entender que esta capa no es genérica. Mientras que la capa plata puede servir a varios equipos con la misma versión del dato, la capa oro suele estar segmentada por caso de uso. Un mismo dato en plata puede alimentar varias tablas de oro distintas, cada una diseñada para responder preguntas concretas de un área de la organización.

¿Cómo fluyen los datos entre las capas?

El flujo de datos en la arquitectura medallion sigue una dirección lineal y secuencial: de bronce a plata, y de plata a oro. Cada transición es un pipeline independiente que se activa cuando los datos de la capa anterior ya están disponibles. Este enfoque, conocido como multi-hop, garantiza que los errores en una capa no contaminen las siguientes sin ser detectados primero.

En la práctica, los datos pueden llegar tanto en modo batch como en modo streaming. La arquitectura medallion es compatible con ambos enfoques: puedes ingestar datos en bloque una vez al día o procesarlos en tiempo casi real, dependiendo de las necesidades del proyecto y las herramientas disponibles en tu plataforma.

Uno de los aspectos más valorados de este flujo es la trazabilidad completa del dato. Como la capa bronce conserva siempre el dato original, cualquier tabla en plata u oro puede reconstruirse desde cero si se detecta un problema en las transformaciones. Esto elimina el riesgo de pérdida de datos y facilita la auditoría del pipeline.

Ventajas de usar una arquitectura medallion

Adoptar la arquitectura medallion no solo ordena el pipeline de datos: transforma la forma en que los equipos se relacionan con la información. La separación clara entre capas reduce los errores en producción y acelera el tiempo que tarda un dato en pasar de fuente a análisis. A continuación se detallan las ventajas más concretas que ofrece este patrón.

Siguiendo las buenas prácticas de ingeniería de datos, la arquitectura medallion se convierte en un estándar que reduce la deuda técnica y hace que los pipelines sean más fáciles de mantener y evolucionar con el tiempo.

¿En qué plataformas puedes implementar la arquitectura medallion?

Una de las fortalezas de la arquitectura medallion es que no está atada a ninguna tecnología específica. Es un patrón lógico que puedes aplicar sobre cualquier plataforma que soporte almacenamiento estructurado y procesamiento de datos. La elección de la herramienta depende de los requisitos de tu organización, el volumen de datos y el presupuesto disponible.

Plataforma	Capa bronce	Capa plata / oro	Formato nativo
Databricks	Delta Lake + Autoloader	Delta Live Tables (DLT)	Delta Lake
Microsoft Fabric	Lakehouse (OneLake)	Notebooks / Dataflows	Delta Parquet
Snowflake	Snowpipe / stages	Streams y tasks	Tablas nativas
Google BigQuery	Datasets raw	Scheduled queries / dbt	BigQuery tables
Open lakehouse	S3 / ADLS / GCS	Apache Spark + dbt	Iceberg / Hudi

La lógica del patrón es la misma en todas estas plataformas. Lo que cambia son las herramientas de ingesta, las capacidades de procesamiento y el formato de almacenamiento. Si ya tienes una plataforma en uso, lo más probable es que puedas aplicar la arquitectura medallion sobre ella sin necesidad de migrar ni reemplazar tu infraestructura actual.

Errores comunes al implementar la arquitectura medallion

Conocer los errores más frecuentes te ayuda a evitar problemas que pueden costar semanas de trabajo correctivo. La arquitectura medallion parece simple sobre el papel, pero su implementación práctica tiene varios puntos de falla recurrentes que conviene anticipar desde el inicio del diseño.

Mantener una buena gestión de las expectativas de calidad en cada capa es también parte esencial del trabajo. Para ello, los contratos de datos son una herramienta que complementa perfectamente la arquitectura medallion, ya que establecen acuerdos formales entre productores y consumidores de datos sobre el formato, la frecuencia y la calidad esperada.

Arquitectura medallion y calidad de datos

La arquitectura medallion no es solo una forma de organizar datos: es una declaración de intenciones sobre la calidad. Trata la calidad del dato como una propiedad del pipeline, no como algo que se verifica a posteriori. Cada capa aplica un estándar más exigente que la anterior, y los datos solo avanzan cuando cumplen los criterios definidos para esa transición.

«La arquitectura medallion garantiza que la calidad del dato mejora de forma progresiva en cada capa, desde los datos brutos hasta la información de negocio certificada.» — Databricks

Esta filosofía tiene un impacto directo en la confianza que los equipos de negocio depositan en los datos. Cuando un analista sabe que la capa oro ha pasado por validaciones documentadas en bronce y plata, usa esa información con más seguridad. La confianza en los datos reduce el tiempo que los equipos dedican a cuestionar y verificar números antes de tomar decisiones.

Desde la perspectiva de la ingeniería de datos, la arquitectura medallion es una de las estrategias más efectivas para elevar la madurez de un equipo en materia de gestión de la calidad, porque fuerza a definir criterios concretos de aceptación en cada etapa del pipeline, en lugar de dejar esa responsabilidad implícita o distribuida sin control.

Preguntas frecuentes

¿Qué diferencia hay entre la capa bronce, plata y oro?

La diferencia principal está en el nivel de calidad y el propósito de cada capa. La capa bronce almacena los datos exactamente como llegaron, sin ninguna transformación, y sirve como historial inmutable del sistema. La capa plata aplica limpieza, validación y deduplicación, generando un conjunto de datos fiable para análisis exploratorio. La capa oro contiene los datos con las transformaciones de negocio aplicadas —agregaciones, KPIs, modelos dimensionales— y está diseñada para ser consumida directamente por herramientas de inteligencia de negocio o modelos de aprendizaje automático.

¿La arquitectura medallion solo funciona en Databricks?

No. Aunque la terminología bronce, plata y oro fue popularizada por Databricks, el patrón es completamente agnóstico en cuanto a plataforma. Puedes implementar la arquitectura medallion en Snowflake, Microsoft Fabric, Google BigQuery, Azure Synapse o sobre cualquier almacenamiento en la nube combinado con herramientas de procesamiento como Apache Spark o dbt. Lo que define la arquitectura es la separación lógica en capas y los criterios de calidad de cada una, no la herramienta que uses para ejecutarla.

¿Cuándo conviene aplicar la arquitectura medallion?

La arquitectura medallion es especialmente útil cuando tu organización maneja múltiples fuentes de datos con distintos niveles de calidad, cuando necesitas mantener un historial auditable de los datos originales o cuando diferentes equipos consumen los mismos datos con distintas necesidades de transformación. Si tus pipelines son simples y de un solo origen, puede ser un patrón excesivo; pero en cuanto la complejidad crece, la separación por capas se convierte en una ventaja competitiva real para el equipo de datos.

¿Qué es un data lakehouse y cómo se relaciona con la arquitectura medallion?

Un data lakehouse es una arquitectura de plataforma que combina la flexibilidad de un data lake —para almacenar grandes volúmenes de datos en distintos formatos— con las capacidades de gestión y consulta estructurada de un data warehouse. La arquitectura medallion es el patrón de organización lógica que se aplica dentro de un lakehouse: el lakehouse proporciona el motor de almacenamiento y procesamiento, mientras que la arquitectura medallion define cómo se organizan y refinan los datos en su interior a través de las capas bronce, plata y oro.

¿Es lo mismo la arquitectura medallion que un data warehouse por capas?

Comparten la idea de estructurar los datos en niveles de transformación progresiva, pero no son lo mismo. Un data warehouse tradicional trabaja con datos ya estructurados y aplica esquemas rígidos desde la ingesta. La arquitectura medallion, en cambio, está diseñada para entornos lakehouse que manejan grandes volúmenes de datos semiestructurados y no estructurados, admite schema-on-read en las primeras capas y es más flexible ante cambios en los esquemas de origen. También soporta de forma nativa tanto el procesamiento en batch como el streaming, algo que los data warehouses clásicos no gestionan igual de bien.

¿Cuántas capas tiene la arquitectura medallion?

La arquitectura medallion estándar tiene tres capas: bronce, plata y oro. Sin embargo, algunos equipos añaden capas adicionales según sus necesidades. Por ejemplo, es posible encontrar una capa «plata refinada» para datos que requieren transformaciones más complejas antes de llegar a oro, o incluso una capa de «platino» para agregaciones ultraoptimizadas. Estas extensiones son válidas siempre que cada capa adicional tenga un propósito claro y criterios de calidad bien definidos que justifiquen su existencia.

¿Qué ocurre si se omite la capa plata en la arquitectura medallion?

Omitir la capa plata es uno de los errores más frecuentes y costosos en la implementación de este patrón. Cuando los equipos construyen tablas de oro directamente desde la capa bronce, cada tabla de oro tiene que reimplementar su propia lógica de limpieza y deduplicación, lo que genera inconsistencias entre reportes y duplica el esfuerzo de mantenimiento. Además, se pierde la capa de datos validados que puede servir de base común a múltiples casos de uso, lo que obliga a repetir las mismas transformaciones en distintos pipelines con resultados potencialmente distintos.

Conclusión

La arquitectura medallion es una de las bases más sólidas que puedes incorporar si trabajas con datos a cualquier escala. Su propuesta es clara: organizar el flujo de datos en tres capas con calidad creciente —bronce, plata y oro— para que cada equipo reciba la información que necesita, en el estado que necesita, sin pasos intermedios innecesarios ni pérdida de trazabilidad.

Lo que aprendiste aquí tiene aplicación directa. Puedes empezar por revisar cómo llegan los datos a tu sistema actual, identificar si existe una separación real entre el dato crudo y el dato transformado, y definir criterios concretos de calidad para cada transición. No necesitas cambiar de plataforma: el patrón funciona sobre la mayoría de las herramientas que ya conoces.

Si este tema te genera nuevas preguntas sobre cómo estructurar pipelines, gestionar la calidad del dato o diseñar plataformas de datos más robustas, en este sitio web encontrarás más contenido que te ayuda a avanzar paso a paso en el campo de la ingeniería de datos.

Sigue aprendiendo: