La decisión entre data lake, data warehouse o lakehouse no es una mera elección tecnológica: define cómo su organización almacenará, procesará y extraerá valor de los datos durante los próximos años. Esta arquitectura condiciona los tiempos de acceso, los costes operativos, la agilidad analítica y, en última instancia, la capacidad competitiva de la empresa.

Puntos clave que vamos a tratar:
- Las características fundamentales, ventajas y limitaciones de cada arquitectura
- Criterios técnicos y de negocio para seleccionar la estrategia adecuada
- Patrones híbridos y arquitecturas convergentes (lakehouse)
- Migración y coexistencia de múltiples paradigmas
- Errores comunes y antipatrones que debe evitar..

Los datos son un activo estratégico, pero convencer al comité de dirección de que las inversiones en plataformas, ingenieros o modelos de IA generan valor tangible sigue siendo uno de los mayores retos del CIO y del CDO. Lo que se exige es capacidad de demostrar un retorno de inversión (ROI) claro y medible, con KPIs concretos, experimentos comparables y una gobernanza presupuestaria que permita priorizar y rendir cuentas.

En este capítulo proponemos un marco práctico para medir y gestionar el ROI de las iniciativas de datos. Veremos métricas, cómo plantear experimentos controlados, un ROI Canvas para proyectos de datos, y cómo estructurar la gobernanza del presupuesto de datos..