Open Source by design

Open Source no es ahorrar licencias. Es recuperar el control.

Apostamos por tecnologías abiertas siempre que es técnicamente posible, porque determinan quién controla la infraestructura, los datos y el conocimiento generado. No somos dogmáticos: si una tecnología comercial es la mejor solución para un problema concreto, la integramos.

Ver nuestro stack Hablar con un ingeniero

Ventajas

Qué gana la empresa

Independencia

Evitar la dependencia de un único fabricante y del vendor lock-in.

Control

El cliente controla su infraestructura, sus datos y su conocimiento.

Interoperabilidad

Integración mediante estándares abiertos y APIs.

Transparencia

Tecnología auditable: se puede revisar lo que hace el sistema.

Escalabilidad

Arquitecturas preparadas para crecer en datos y usuarios.

Flexibilidad

Adaptamos la solución a la necesidad real, no al revés.

Innovación

Acceso a ecosistemas tecnológicos muy activos.

Coste total

Optimización del coste y reducción de licencias cuando es posible.

Propiedad

Propiedad del conocimiento y de los datos

El cliente es propietario de sus datos, de su infraestructura y del conocimiento generado durante el proyecto. Documentamos las arquitecturas, entregamos el código y evitamos formatos cerrados que impidan migrar en el futuro.

Estándares abiertos▸
APIs▸
Datos exportables▸
Sin lock-in

Criterio de elección

01¿Resuelve el problema real con garantías de operación?
02¿Puede integrarse con los sistemas existentes mediante estándares?
03¿Permite auditar lo que hace y dónde va el dato?
04¿El coste total a cinco años es razonable?
05¿Podemos mantenerla y transferir el conocimiento al cliente?

Your data. Your control.

Soberanía del dato

Especialmente orientado a empresas que no quieren enviar información sensible a servicios externos.

Infraestructura privada

Sistemas self-hosted en servidores propios del cliente.

Híbrido y cloud

Cloud cuando aporta, con reglas claras sobre qué información puede salir.

Modelos IA privados

LLM y modelos entrenados y ejecutados dentro del perímetro.

Open Source para el tratamiento de datos

En cada fase del pipeline de datos elegimos herramientas abiertas en lugar de una plataforma cerrada todo-en-uno. El cliente ve, audita y modifica cada pieza, y sus datos permanecen en formatos portables que no dependen de ningún proveedor.

Captación e ingesta

Node-RED

Motor de integración visual que evita depender de conectores propietarios: el cliente ve y modifica cada flujo de datos.

Apache NiFi

Automatización de flujos a gran escala con trazabilidad completa del dato (data provenance), auditable de principio a fin.

Telegraf

Recolección ligera de métricas de sensores y servidores sin licencias por agente.

Eclipse Mosquitto y EMQX

Brokers MQTT abiertos para mensajería IoT, sin coste por dispositivo conectado.

open62541 / FreeOpcUa

Implementaciones abiertas del estándar OPC-UA, evitando el lock-in de las pasarelas OPC comerciales.

Kafka Connect, Debezium y Airbyte

Conectores abiertos y reutilizables hacia bases de datos, APIs y SaaS.

Fluentd / Fluent Bit y Logstash

Recolección y normalización de logs sin depender de un SIEM cerrado.

Streaming y mensajería

Apache Kafka

El estándar abierto de streaming de eventos: el cliente es dueño del clúster y del histórico completo.

Redpanda

Alternativa compatible con Kafka, más ligera, sin dependencia de la JVM.

Apache Pulsar

Streaming multi-tenant para compartir una misma plataforma de datos entre unidades de negocio sin coste de licencia por tenant.

RabbitMQ y NATS

Mensajería ligera para desacoplar sistemas sin motores propietarios de colas.

Series temporales

InfluxDB

Base de datos de series temporales abierta, sin coste por volumen de métricas ingeridas.

TimescaleDB

Series temporales sobre PostgreSQL estándar, evitando un motor propietario adicional.

Prometheus y VictoriaMetrics

Monitorización y métricas sin depender de un SaaS de observabilidad cerrado.

QuestDB

Ingesta masiva de series temporales con SQL estándar.

Almacenamiento y Data Lake

MinIO

Almacenamiento de objetos compatible con S3 pero alojado dentro del perímetro del cliente, sin depender de un proveedor cloud.

Delta Lake, Apache Iceberg y Apache Hudi

Formatos de tabla abiertos que garantizan que el dato siga siendo legible y portable aunque cambie el motor de proceso.

Apache Parquet

Formato columnar abierto, estándar de facto, sin dependencia de un formato propietario de exportación.

Trino

Consulta federada sobre cualquier fuente sin mover ni duplicar el dato.

Procesamiento y ETL

Apache Spark y Apache Flink

Procesamiento distribuido sin licencias por núcleo.

Apache Airflow, Dagster y Prefect

Orquestación de pipelines totalmente auditable y versionada como código.

dbt

Transformación en SQL con control de versiones y documentación automática del linaje del dato.

Pentaho Data Integration y Talend Open Studio

ETL visual sin coste por conector.

Meltano

Pipelines ELT definidos como código, versionados junto al resto del proyecto.

Bases de datos

PostgreSQL

Motor relacional abierto, extensible con PostGIS, TimescaleDB y pgvector.

ClickHouse

Analítica OLAP en tiempo real sobre miles de millones de registros, sin licencia por volumen.

MongoDB Community y Apache Cassandra

Bases NoSQL abiertas para datos semiestructurados y alta disponibilidad.

DuckDB

Analítica embebida sin infraestructura de servidor.

Open Source para Inteligencia Artificial

Desplegamos modelos e infraestructura de IA en abierto siempre que es posible: los datos del cliente no salen de su perímetro y el coste no depende de APIs comerciales cerradas ni de tarifas por consulta.

Machine Learning

scikit-learn

Machine Learning clásico sin coste de licencia, estándar de facto en Python.

PyTorch y TensorFlow / Keras

Frameworks abiertos de deep learning, sin dependencia de una plataforma de entrenamiento propietaria.

XGBoost / LightGBM

Gradient boosting abierto para mantenimiento predictivo y forecasting.

Hugging Face Transformers

Acceso abierto a miles de modelos preentrenados de NLP, visión y audio.

MLflow

Control de versiones y trazabilidad del ciclo de vida del modelo sin plataforma de MLOps cerrada.

Kubeflow y Ray

MLOps y cómputo distribuido sobre infraestructura propia del cliente.

Prophet

Forecasting de series temporales abierto para demanda energética y producción.

IA generativa privada (LLM self-hosted)

Ollama

Ejecución local de modelos de lenguaje abiertos (Llama, Mistral, Gemma) sin enviar un solo dato a terceros.

LocalAI

API compatible con OpenAI pero servida enteramente dentro de la infraestructura del cliente.

vLLM

Inferencia de alto rendimiento para servir LLM grandes en producción sin depender de un proveedor cloud de IA.

LangChain / LlamaIndex

Orquestación de RAG y agentes sobre los propios datos del cliente, con control total del flujo.

Milvus, Qdrant, Weaviate y ChromaDB

Bases de datos vectoriales abiertas para búsqueda semántica sin coste por consulta.

pgvector

Búsqueda semántica añadida directamente a PostgreSQL, sin sumar una base de datos vectorial adicional.

Modelos abiertos (Llama, Mistral, Qwen)

Pesos publicados y ejecutables en infraestructura propia, con soberanía real del dato y del coste.

Cuando el proyecto necesita más escala o un modelo comercial concreto, lo integramos igual — el criterio sigue siendo el mismo: ¿quién controla el dato? Así trabajamos con Azure y AWS cuando el cloud aporta.

Technology ecosystem

Un ecosistema, no una lista de herramientas.

Cada capa tiene su función y todas se comunican mediante estándares abiertos. Seleccionamos las piezas según el proyecto: no todas las tecnologías aparecen en todas las arquitecturas.

Sources▸
Connect▸
Store▸
Process▸
Visualize▸
Intelligence▸
Applications

Data ingestion

Node-REDMQTTOPC-UAREST APIModbus

Streaming

Apache KafkaMQTT

Time series

InfluxDB

Visualización

Grafana

Data engineering

Pentaho PDIApache NiFiApache AirflowPythonSQL

Data lake / bases de datos

PostgreSQLMongoDBObject storage

Business Intelligence

Apache SupersetPower BI

Inteligencia Artificial

PythonPyTorchTensorFlowHugging FaceLLM Open Source

Ciberseguridad

WazuhSuricataZeekWireGuardOpenVPNFortinetSecomea

Catálogo Open Source

Herramientas open source por capa del pipeline de datos

63 tecnologías organizadas de la captación del dato a la IA generativa privada.

01 / Captación e ingesta

Captación e ingesta de datos IT/OT, IoT y aplicaciones

Herramientas open source de ingesta de datos industriales y corporativos: conexión con PLC, SCADA, sensores IoT, ERP, CRM y APIs para llevar el dato desde la planta hasta el data lake.

Node-RED

Programación visual por flujos sobre Node.js para integración IoT e industrial. Conecta PLCs y SCADA mediante OPC-UA, Modbus y MQTT, y publica datos hacia bases de datos, APIs REST y sistemas corporativos sin desarrollo a medida.

Apache NiFi

Plataforma de integración y automatización de flujos de datos a gran escala, con diseñador drag-and-drop, enrutamiento condicional y trazabilidad completa del dato (data provenance) para entornos regulados.

Telegraf

Agente ligero de recolección de métricas de servidores, sensores y dispositivos IoT. Parte del stack TICK, con cientos de plugins de entrada/salida y escritura directa en InfluxDB para monitorización en tiempo real.

Eclipse Mosquitto

Broker MQTT ligero, el más extendido en mensajería IoT publish/subscribe de bajo consumo. Ideal para planta industrial, edge computing y despliegues con ancho de banda limitado.

EMQX

Broker MQTT distribuido de alto rendimiento para escenarios IIoT con millones de conexiones concurrentes, clustering y reglas de enrutamiento hacia Kafka o bases de datos de series temporales.

open62541 / FreeOpcUa

Implementaciones open source del estándar OPC-UA (cliente y servidor) para comunicación segura con PLCs, autómatas y sistemas SCADA en proyectos de Industria 4.0.

Kafka Connect

Framework de conectores reutilizables para integrar Apache Kafka con bases de datos, APIs y ficheros en modo fuente o destino, sin escribir código de integración.

Debezium

Plataforma de Change Data Capture (CDC) que captura en tiempo real los cambios de bases de datos relacionales y los publica como eventos, habilitando réplicas y analítica sin impacto en el sistema origen.

Airbyte

Plataforma ELT con cientos de conectores hacia SaaS, bases de datos y data warehouses para consolidar datos de negocio en una única capa analítica.

Fluentd / Fluent Bit

Recolectores y unificadores de logs y eventos con reenvío a Elasticsearch, S3 o Kafka. Fluent Bit es la variante ligera para edge y contenedores.

Logstash

Motor de ingesta y transformación del stack Elastic: parsea, enriquece y normaliza logs y eventos antes de su indexación y análisis de seguridad.

02 / Streaming y mensajería

Streaming de eventos y mensajería en tiempo real

Arquitecturas event-driven open source para mover datos entre sistemas desacoplados con baja latencia, base de la analítica en tiempo real y del mantenimiento predictivo.

Apache Kafka

Estándar de facto en streaming distribuido de eventos: alto volumen, baja latencia y persistencia, núcleo de las arquitecturas de datos en tiempo real industriales y corporativas.

Redpanda

Alternativa compatible con la API de Kafka escrita en C++, sin ZooKeeper ni JVM, orientada a menor latencia y operación más simple en infraestructuras reducidas.

Apache Pulsar

Mensajería y streaming distribuido con multi-tenancy nativo y separación de cómputo y almacenamiento, útil en plataformas de datos compartidas entre varias unidades de negocio.

RabbitMQ

Broker de mensajería AMQP para colas de tareas y comunicación entre microservicios, con enrutamiento flexible y garantías de entrega.

NATS

Mensajería ultraligera de muy baja latencia para arquitecturas cloud-native y edge computing en planta.

03 / Series temporales

Bases de datos de series temporales para IoT e infraestructura

Almacenamiento optimizado para métricas de sensores, consumos energéticos y monitorización de sistemas, con consultas rápidas sobre histórico y tiempo real.

InfluxDB

Base de datos de series temporales para métricas de sensores, IoT e infraestructura, con retención configurable, downsampling e integración directa con Telegraf y Grafana.

TimescaleDB

Extensión de PostgreSQL que añade series temporales manteniendo SQL estándar y garantías relacionales: la opción natural cuando conviven datos de proceso y datos de negocio.

Prometheus

Monitorización y base de datos de series temporales con modelo pull y lenguaje PromQL, referencia para métricas de sistemas, contenedores y disponibilidad de servicios.

QuestDB

Base de datos de series temporales de alto rendimiento con SQL, diseñada para ingesta masiva de datos financieros e IoT con latencia mínima.

VictoriaMetrics

Almacenamiento de métricas compatible con Prometheus, con mayor eficiencia de disco y consultas a escala de millones de series.

04 / Almacenamiento y Data Lake

Data Lake privado y almacenamiento analítico

Capa de almacenamiento open source para construir un data lake self-hosted, con formatos abiertos, transacciones ACID y consulta federada sin mover el dato.

MinIO

Almacenamiento de objetos compatible con S3 y autoalojable, base habitual de un data lake privado dentro del perímetro de la empresa.

Apache Hadoop (HDFS)

Sistema de ficheros distribuido para almacenamiento masivo, todavía presente en arquitecturas Big Data corporativas heredadas.

Delta Lake

Capa de almacenamiento con transacciones ACID, versionado y time travel sobre data lakes en Parquet, para garantizar consistencia en pipelines analíticos.

Apache Iceberg

Formato de tabla abierto para data lakes de gran escala, con evolución de esquema, particionado oculto e interoperabilidad entre Spark, Trino y Flink.

Apache Hudi

Formato de tabla orientado a ingesta incremental y upserts eficientes sobre data lake, útil en réplicas CDC y cargas continuas.

Apache Parquet

Formato columnar comprimido, estándar de facto para analítica sobre data lake por su eficiencia de lectura y coste de almacenamiento.

Trino

Motor SQL distribuido (antes PrestoSQL) para consultar datos allí donde estén —data lake, bases relacionales, NoSQL— sin necesidad de moverlos ni duplicarlos.

05 / Procesamiento y ETL

Procesamiento Big Data, orquestación y transformación ETL/ELT

Motores y orquestadores open source para limpiar, transformar y gobernar el dato: de la ingesta cruda al modelo analítico documentado y versionado.

Apache Spark

Motor de procesamiento distribuido para Big Data en batch y streaming, con APIs en Python, Scala y SQL; núcleo de arquitecturas analíticas a gran escala.

Apache Flink

Procesamiento streaming-first con estado y baja latencia para detección de eventos, alarmas de proceso y analítica continua.

Apache Airflow

Orquestador de pipelines de datos basado en DAGs, el estándar más extendido para programar, reintentar y monitorizar cargas batch.

Dagster

Orquestación moderna centrada en activos de datos (assets), con tipado fuerte y observabilidad integrada del linaje.

Prefect

Orquestador de flujos con foco en simplicidad de desarrollo, gestión de fallos y reintentos automáticos.

dbt

Transformación analítica en SQL con control de versiones, tests y documentación automática: la capa de modelado del enfoque ELT moderno.

Pentaho Data Integration (Kettle)

ETL visual clásico de código abierto, con diseñador gráfico de transformaciones y amplia conectividad con sistemas corporativos y ficheros.

Talend Open Studio

Suite ETL e integración de datos con interfaz gráfica y generación de código Java, habitual en entornos corporativos consolidados.

Meltano

Plataforma ELT basada en el estándar Singer para definir pipelines de datos as code, versionados junto al resto del proyecto.

06 / Bases de datos

Bases de datos analíticas y de propósito general

Motores open source para la capa operacional y analítica, desde el relacional de referencia hasta el columnar OLAP para dashboards en tiempo real.

PostgreSQL

Base de datos relacional open source de referencia, extensible con PostGIS, TimescaleDB y pgvector: sirve como backend operacional, analítico y de búsqueda semántica.

ClickHouse

Base de datos columnar OLAP de altísimo rendimiento sobre grandes volúmenes, idónea para cuadros de mando en tiempo real con miles de millones de registros.

MongoDB Community

Base NoSQL documental para datos semiestructurados —logs, eventos, catálogos— con esquema flexible y escalado horizontal.

Apache Cassandra

NoSQL distribuida de columna ancha orientada a alta disponibilidad y escritura masiva sin punto único de fallo.

DuckDB

Base analítica embebida, el SQLite de la analítica: procesa ficheros Parquet y CSV en local sin desplegar infraestructura de servidor.

07 / Visualización y BI

Visualización de datos y Business Intelligence open source

Cuadros de mando en tiempo real para planta y analítica histórica self-service para negocio, con alertado y explotación SQL.

Grafana

Plataforma de dashboards en tiempo real y alertado, estándar para visualizar series temporales de InfluxDB, Prometheus o TimescaleDB en producción, energía y mantenimiento.

Apache Superset

Business Intelligence open source con SQL Lab integrado para analítica histórica, exploración self-service y cuadros de mando corporativos.

Metabase

BI centrado en la simplicidad: permite a perfiles no técnicos construir consultas y dashboards sin escribir SQL.

Kibana

Exploración y visualización sobre Elasticsearch, muy usada en análisis de logs, eventos y casos de ciberseguridad.

Redash

Consultas SQL colaborativas y dashboards compartidos entre equipos, con conexión a múltiples fuentes de datos.

08 / Machine Learning

Machine Learning, modelos analíticos y MLOps

Librerías y plataformas open source para entrenar, validar y poner en producción modelos de mantenimiento predictivo, forecasting, calidad y visión artificial.

scikit-learn

Librería Python de referencia en Machine Learning clásico: regresión, clasificación, clustering y reducción de dimensionalidad sobre datos tabulares industriales.

PyTorch

Framework de deep learning más usado en investigación e industria para entrenar redes neuronales, visión artificial y modelos de IA propios.

TensorFlow / Keras

Framework de deep learning con API de alto nivel Keras, orientado tanto a experimentación como a despliegue en producción y edge.

XGBoost / LightGBM

Gradient boosting sobre árboles, referencia en modelos predictivos tabulares: mantenimiento predictivo, forecasting de demanda y scoring.

Hugging Face Transformers

Librería y hub de modelos preentrenados de NLP, visión y audio, estándar para trabajar con modelos de lenguaje y multimodales open source.

MLflow

Gestión del ciclo de vida del modelo (MLOps): tracking de experimentos, registro de versiones y despliegue reproducible.

Kubeflow

MLOps sobre Kubernetes para orquestar pipelines de entrenamiento e inferencia a escala en infraestructura propia.

Ray

Computación distribuida para escalar cargas Python: entrenamiento, tuning de hiperparámetros e inferencia en clúster.

Prophet

Librería de forecasting de series temporales con estacionalidad, aplicable a demanda energética, consumos y previsión de producción.

09 / IA generativa privada

IA generativa y LLM self-hosted (Private AI)

Modelos de lenguaje ejecutados en infraestructura propia, con RAG sobre documentación interna: la IA generativa sin que el dato salga del perímetro de la empresa.

Ollama

Ejecución local y sencilla de LLM open source (Llama, Mistral, Gemma) sin depender de APIs externas ni enviar datos a terceros.

LocalAI

API compatible con OpenAI para servir modelos de texto, imagen y audio de forma self-hosted, reutilizando integraciones existentes.

vLLM

Motor de inferencia de alto rendimiento para servir LLM grandes en producción con throughput elevado y uso eficiente de GPU.

LangChain / LlamaIndex

Frameworks para construir aplicaciones sobre LLM: orquestación de prompts, RAG (Retrieval-Augmented Generation), agentes y conexión con fuentes de datos propias.

Milvus / Qdrant / Weaviate / ChromaDB

Bases de datos vectoriales open source para búsqueda semántica y RAG: almacenan embeddings de documentación técnica, procedimientos y datos de producción.