¿Necesito un data warehouse antes de usar IA?

No necesariamente. Necesitás que los datos del caso de uso específico estén limpios y accesibles. Muchos proyectos de IA exitosos arrancan con una base de datos simple bien estructurada. El data warehouse completo puede construirse en paralelo, a medida que se suman casos de uso.

¿Cuánto tiempo lleva preparar los datos para un proyecto de IA?

Para un caso de uso acotado, entre dos y cuatro semanas: identificar fuentes, limpiar duplicados, unificar catálogos y montar el acceso programático. Un diagnóstico previo de data readiness permite estimar el esfuerzo real antes de comprometer presupuesto.

¿Qué pasa si mis datos están todos en Excel?

Es el punto de partida más común y tiene solución directa: las planillas se migran a una base de datos estructurada, se definen catálogos únicos y se automatiza la carga para que el Excel deje de ser la fuente. Lo importante es la consistencia de los datos, no la herramienta original.

Datos

Data readiness: cómo preparar los datos de tu empresa para usar IA en serio

Equipo Okun Data · 8 de abril de 2026 · 5 min de lectura

La frase se repite en cada proyecto que fracasa: "la IA no funcionó". Cuando se investiga, el problema casi nunca es el modelo: son los datos. Incompletos, duplicados, encerrados en PDFs, repartidos en quince planillas con criterios distintos. La inteligencia artificial no arregla datos malos; los amplifica.

Antes de invertir en cualquier iniciativa de IA, conviene responder una pregunta más aburrida pero más importante: ¿están mis datos en condiciones? A eso se le llama data readiness, y este artículo te da un marco práctico para evaluarlo.

Las cuatro dimensiones del data readiness

Acceso: ¿los datos se pueden consultar de forma programática (base de datos, API), o viven en mails, PDFs y planillas personales? La IA necesita fuentes conectables, no capturas de pantalla.
Calidad: ¿hay registros duplicados, campos vacíos, criterios de carga inconsistentes? Un cliente cargado tres veces con tres nombres distintos rompe cualquier análisis.
Estructura: ¿existe un modelo de datos, aunque sea simple? Tablas con claves consistentes, catálogos únicos de clientes y productos, fechas en formato uniforme.
Gobernanza: ¿quién es dueño de cada dato, quién puede verlo y quién lo corrige cuando está mal? Sin responsables, la calidad se degrada sola.

El test de los 15 minutos

Una forma rápida de medir dónde estás parado: pedile a tu equipo el listado de ventas por cliente de los últimos 12 meses, con margen por producto. Si la respuesta llega en 15 minutos desde un sistema, tus datos están razonablemente listos. Si requiere dos días y tres personas cruzando planillas, ahí está tu verdadero primer proyecto — y no es de IA, es de arquitectura de datos.

Preparar datos no es un proyecto de un año

La buena noticia: data readiness no significa perfección. No hace falta un data warehouse corporativo de manual para empezar con IA. Hace falta que los datos del caso de uso elegido estén limpios y accesibles. Si el objetivo es un agente que concilie pagos, alcanza con ordenar extractos bancarios y facturación; el resto de la empresa puede esperar.

Este enfoque quirúrgico —ordenar lo mínimo necesario para el primer caso de uso, y expandir desde ahí— reduce el tiempo de preparación de meses a semanas. Es el mismo principio que aplicamos en los proyectos de inteligencia empresarial: el valor aparece cuando el primer tablero se usa, no cuando la arquitectura está completa.

Señales de que ya estás listo

Podés avanzar con confianza a un proyecto de IA cuando: las fuentes del caso de uso están identificadas y accesibles; hay una persona que conoce esos datos y puede validar resultados; los catálogos clave (clientes, productos) no tienen duplicados graves; y existe algún registro histórico —la IA aprende del pasado, y sin pasado no hay aprendizaje.

Conclusión

La pregunta correcta no es "¿qué puede hacer la IA por mi empresa?" sino "¿qué datos tengo en condiciones de alimentarla?". Las empresas que dedican dos o tres semanas a un diagnóstico honesto de sus datos antes de arrancar evitan el 80 % de los fracasos en proyectos de IA. Y como bonus: los datos ordenados mejoran también todo lo demás — reportes, decisiones y operación diaria.

¿No sabés si tus datos están listos para IA?

Hacemos un diagnóstico de data readiness de tu empresa en una semana, con un plan de acción concreto.

Solicitar demo

Preguntas frecuentes

¿Necesito un data warehouse antes de usar IA?: No necesariamente. Necesitás que los datos del caso de uso específico estén limpios y accesibles. Muchos proyectos de IA exitosos arrancan con una base de datos simple bien estructurada. El data warehouse completo puede construirse en paralelo, a medida que se suman casos de uso.
¿Cuánto tiempo lleva preparar los datos para un proyecto de IA?: Para un caso de uso acotado, entre dos y cuatro semanas: identificar fuentes, limpiar duplicados, unificar catálogos y montar el acceso programático. Un diagnóstico previo de data readiness permite estimar el esfuerzo real antes de comprometer presupuesto.
¿Qué pasa si mis datos están todos en Excel?: Es el punto de partida más común y tiene solución directa: las planillas se migran a una base de datos estructurada, se definen catálogos únicos y se automatiza la carga para que el Excel deje de ser la fuente. Lo importante es la consistencia de los datos, no la herramienta original.