> Caso de estudio · En producción
Integraciones entre sistemas con ETL en Python
Pipelines que mantienen sincronizados dos sistemas, detectan diferencias automáticamente y avisan antes de que alguien lo note.
- Rol
- Diseño, desarrollo y coordinación del equipo
- Período
- 2025 — Actualidad
- Stack
- Python · pandas · SQL Server · PostgreSQL · REST APIs · Git
- integraciones y automatizaciones en producción
- 15+
- integraciones y automatizaciones en producción
- detección y alerta de diferencias
- Automática
- detección y alerta de diferencias
Contexto
Cuando dos sistemas deben reflejar la misma información (por ejemplo, un sistema de gestión y una plataforma web), cualquier diferencia termina en un problema para los usuarios. Mantenerlos alineados a mano no escala.
La solución
Construí pipelines ETL en Python que:
- Extraen datos de ambos sistemas con SQL y APIs.
- Comparan los registros con una llave de cruce bien definida y clasifican qué falta, qué sobra y qué está correcto.
- Cargan solo los cambios necesarios.
- Alertan automáticamente cuando aparecen diferencias.
Sistema origen
SQL Server
Extracción
Python · SQL
Comparación
pandas
Carga
REST API
Alertas
programadas
Todo vive versionado en Git, con ramas por proceso, para poder auditar cada cambio y delegar la operación al equipo.
Resultados
- Integraciones repetibles y auditables en lugar de cruces manuales.
- Las inconsistencias se detectan antes de que lleguen como reclamo.
- El equipo ejecuta los procesos sin depender de una persona.
Aprendizajes
- La llave de cruce lo es todo: definirla bien es lo que hace confiable el resultado.
- Documentar cada integración evita que el conocimiento quede en una sola cabeza.