Solución a la dispersión de datos en entornos Fintech mediante un Data Warehouse

Abstract

Las organizaciones del sector fintech operan con datos dispersos en múltiples fuentes heterogéneas, situación que genera inconsistencias en los reportes y dificulta la toma de decisiones. El presente trabajo aborda esta problemática en una fintech chilena del segmento factoring mediante el diseño e implementación de un Data Warehouse escalable en BigQuery que centraliza y estructura la información, materializado en una primera etapa sobre el dominio de las campañas de marketing. El desarrollo siguió la metodología HEFESTO, complementada con el modelado dimensional de Kimball, sobre una arquitectura por capas (raw, staging, silver, gold y semántica) desplegada en un stack multinube (AWS y Google Cloud Platform) bajo un enfoque ELT, e integró la base de datos operacional y la plataforma externa Brevo a través de procesos automatizados de extracción, transformación y carga. La validación, apoyada en el modelo de éxito de DeLone y McLean, se acotó al dominio de campañas de marketing evidenció para este caso una reducción del tiempo de consolidación de tres horas a veintinueve segundos, la eliminación de las inconsistencias entre reportes y un incremento de dos a diez indicadores disponibles en modalidad de autoservicio. Los resultados demuestran que la solución transforma un escenario de consolidación manual en un repositorio centralizado, automatizado y documentado.

Organizations in the fintech sector operate with data scattered across multiple heterogeneous sources, a situation that generates inconsistencies in reports and hinders decision-making. This work addresses this problem in a Chilean fintech company from the factoring segment through the design and implementation of a scalable Data Warehouse in BigQuery that centralizes and structures information, materialized in a first stage on the marketing campaigns domain. The development followed the HEFESTO methodology, complemented with Kimball's dimensional modeling, over a layered architecture (raw, staging, silver, gold and semantic) deployed on a multi-cloud stack (AWS and Google Cloud Platform) under an ELT approach, and integrated the operational database and the external platform Brevo through automated extraction, transformation and loading processes. The validation, supported by the DeLone and McLean information systems success model, was scoped to the marketing campaigns domain and showed for this case a reduction in consolidation time from three hours to twenty-nine seconds, the elimination of inconsistencies between reports, and an increase from two to ten indicators available in self-service mode. The results demonstrate that the solution transforms a manual consolidation scenario into a centralized, automated and documented repository.