Grupo Médico Atlántico coordina actividad clínica, facturación, laboratorio, personal y experiencia de paciente en cinco sistemas que nunca se hablaron entre sí. Esto es lo que construimos sobre Microsoft Fabric — con calidad de dato verificada en cada capa, antes de que llegue a un solo dashboard.
Grupo Médico Atlántico opera una red de centros con actividad clínica, facturación a aseguradoras, laboratorio propio y personal asistencial — cada área resuelta durante años por un sistema distinto, sin una capa de validación común entre ellos. En salud, un dato mal sincronizado no es solo un informe erróneo: es una decisión clínica o administrativa tomada sobre información incompleta.
Barra proporcional al volumen de registros por sistema de origen. El HIS concentra más de la mitad del total — el primer dato que definió el diseño de las dimensiones y el orden de carga en Bronze.
Lo que pedían no era otro dashboard bonito. Era poder confiar en el dato antes de mirarlo: que si un centro, una especialidad o un pagador cambiaba, el número en pantalla reflejara eso de verdad — no una carga a medias o una caché desincronizada que dice "correcto" sin haber movido una sola fila.
El mismo recorrido que seguimos con cualquier cliente de este tamaño, adaptado a un sector donde el error de dato tiene coste real: primero un modelo que aguanta el negocio, después una arquitectura que valida antes de confiar, y por último una verificación que no se conforma con que el pipeline diga "correcto".
Diseñamos un esquema en estrella con seis dimensiones (centro, especialidad, pagador, paciente, personal, fecha) y cinco tablas de hechos, cada una con su tipo de carga según cómo cambia el dato real: catálogos estables en SCD0, atributos que evolucionan en SCD1, historial de paciente-pagador en SCD2.
6 dimensiones · 5 hechos · SCD0 / SCD1 / SCD2Arquitectura medallion (Bronze → Silver → Gold) sobre Fabric. Antes de que una sola dimensión o hecho llegue al Warehouse Gold, pasa por un Gate de calidad con Great Expectations que revisa nulos, rangos, duplicados y relaciones — no se sirve nada que no lo pase.
Great Expectations · Gate 3 en cada dimensión y hechoEncontramos que el endpoint SQL de Fabric puede quedar desincronizado tras una escritura de Spark: el Stored Procedure reporta "Succeeded" aunque procesó cero filas. Lo corregimos con un refresco de metadata vía la API de Fabric, con reintento controlado — no con una espera fija que solo esconde el síntoma.
Fix vía API de Fabric · 0 falsos positivos en producciónCinco dashboards en producción, uno por área operativa, todos leyendo de un Warehouse Gold que ya pasó su propio control de calidad. Capturas reales de la plataforma en producción — clic para ampliar.
En cumplimiento de nuestras políticas de seguridad de la información y de los compromisos de confidencialidad asumidos con el cliente — particularmente sensibles en el sector salud — el nombre de la organización, así como los datos y bases de datos mostrados en este caso, han sido modificados y anonimizados. La naturaleza y magnitud de los resultados reflejan fielmente el trabajo realizado.
Citas por profesional, centro y día de la semana, con ocupación y no-show monitorizados frente a un objetivo.
Captura real · clic para ampliarIngresos por aseguradora y mix privado vs. aseguradora, con historial SCD2 e importe pendiente cruzado por centro.
Captura real · clic para ampliarTiempo de respuesta y % fuera de SLA por tipo de prueba y centro — el umbral de referencia (24h) sigue pendiente de confirmar con el cliente.
Captura real · clic para ampliarSegmentación de pacientes por fidelización, con tendencia de interacciones y tasa de repetición trazadas a un registro maestro único.
Captura real · clic para ampliarCobertura de turnos y horas trabajadas por centro y rol profesional, con la tasa de ausentismo a la vista para detectar huecos a tiempo.
Captura real · clic para ampliarLa diferencia entre un informe y una plataforma de datos que se puede auditar: la segunda te dice dónde puede fallar el propio pipeline antes de que falle en silencio.
El endpoint SQL de Fabric puede quedar desincronizado tras una escritura de Spark: el Stored Procedure reporta "Succeeded" aunque procesó cero filas. Detectado y corregido con un refresco de metadata vía API antes de tocar producción.
Una sesión de notebook interactiva sigue consumiendo capacidad hasta 20 minutos después de su último uso — invisible en el pipeline, pero suficiente para agotar una capacidad de prueba compartida.
El Gate 3 de calidad (Great Expectations) valida 6 dimensiones y 5 hechos antes de que un solo registro llegue al Warehouse Gold — cero excepciones silenciosas, cero "ya lo arreglamos después".
Ningún dashboard lee directamente de un sistema origen. Cada uno consulta un modelo Gold que ya pasó su propio control de calidad — la diferencia no se ve en la pantalla, se ve en que el número no cambia si vuelves a preguntar.
fact_activity + dim_center + dim_specialty + dim_date, con SCD1 en centros y especialidades.
fact_billing + dim_payer + dim_patient, con SCD2 para el histórico de pagador por paciente.
fact_lab + dim_specialty + dim_date, con seguimiento de tiempos de respuesta por especialidad.
fact_patient_interaction + dim_patient, con trazabilidad completa de 56.650 pacientes.
fact_staff_shift + dim_staff + dim_center, con validación de turnos por centro.
Ninguna cifra de esta sección es una promesa contractual. Son los siguientes pasos ya planificados sobre la arquitectura que ya está en producción, no una lista de deseos.
| Palanca | Por qué aplica | Estimado |
|---|---|---|
| Pipeline maestro orquestado | Hoy Bronze, Silver y Gold se ejecutan por separado; el siguiente paso encadena las tres capas más el refresco de Power BI en un único pipeline programado. | Diario · 23:00 |
| Generalizar el fix de sincronización | El refresco de metadata vía API ya aplicado a Gold se extiende a cualquier tabla nueva que dependa del endpoint SQL. | 0 falsos positivos |
| Autoscale de Spark | Evita sobre-aprovisionar la capacidad de prueba en las cargas nocturnas, ahora que el patrón de uso real ya se conoce. | 5–15% cómputo |
| Alertas activas sobre el Gate 3 | Hoy el resultado del Gate se revisa en el notebook; el salto siguiente es notificar automáticamente si una carga no lo pasa. | Detección en minutos |
El pipeline maestro y su validación programada (23:00 diaria) son el siguiente paso confirmado, no una promesa cerrada — se implementan sobre una arquitectura que ya corre en producción con datos reales, no desde cero.
Si tienes actividad, facturación o personal repartidos en más sistemas de los que puedes contar de memoria, probablemente reconoces el punto de partida. Hablemos de qué necesitaría tu caso — empezando, como con Grupo Médico Atlántico, por saber si puedes confiar en el dato antes de construir un solo dashboard.
Escríbenos →