Qué es Pentaho
Pentaho es una plataforma de análisis empresarial y data integration nacida en 2004, una de las soluciones BI open-source más maduras del mercado. Desde 2015 forma parte de Hitachi Vantara, que mantiene tanto la versión Community Edition (CE) como la versión Enterprise Edition (EE) con soporte comercial.
A diferencia de otras suites BI puras, Pentaho destaca por integrar en un mismo ecosistema las dos capas que normalmente requieren herramientas separadas:
- La capa de integración de datos (ETL/ELT): extraer datos de fuentes, transformarlos y cargarlos en el destino.
- La capa de análisis y visualización: explorar, agregar y presentar esos datos al usuario.
Los módulos de Pentaho
Pentaho no es un único producto, sino una suite con varios componentes que pueden usarse de forma independiente o integrada.
Pentaho Data Integration (PDI / Kettle)
El módulo estrella y probablemente el motivo principal por el que muchas empresas adoptan Pentaho. PDI (también conocido por su nombre histórico Kettle) es una herramienta gráfica para diseñar pipelines ETL.
- Spoon: cliente gráfico para diseñar transformaciones y jobs.
- Pan / Kitchen: ejecutores en línea de comandos para automatizar transformaciones (Pan) y jobs (Kitchen) desde cron o herramientas de orquestación.
- Conexión a más de 50 fuentes: bases de datos relacionales, ficheros, APIs REST, Hadoop (HDFS, Hive, Spark), MongoDB, Salesforce…
PDI sigue siendo competitivo en 2026 frente a Talend, Apache NiFi o herramientas modernas como Airbyte para casos donde se prefiere un diseño visual y on-premise.
Pentaho BI Server (Pentaho Server)
El servidor central que aloja:
- Reports y dashboards.
- Vistas analíticas OLAP.
- Gestión de usuarios y permisos.
- API REST para integraciones.
Mondrian (motor OLAP)
Mondrian es el motor OLAP de Pentaho. Permite definir cubos virtuales sobre una base de datos relacional usando archivos XML de schema y consultarlos con MDX. Una de las pocas opciones open-source maduras de OLAP relacional (ROLAP).
Pentaho Reporting
Motor de generación de informes pixel-perfect. Diseña con Pentaho Report Designer y publícalos en el server. Soporta exportación a PDF, Excel, HTML, CSV.
Pentaho Analyzer / Dashboards
Para análisis interactivo y construcción de cuadros de mando. CTools (CDF, CDE, CDA) es el conjunto de herramientas open-source de la comunidad para crear dashboards muy customizables.
Pentaho y big data
Pentaho fue una de las primeras suites BI en integrar nativamente Hadoop (HDFS, MapReduce, Hive). En 2026, la integración cubre:
- Apache Hadoop: HDFS, Hive, Impala.
- Apache Spark: ejecución de transformaciones PDI sobre Spark mediante el plugin AEL.
- Bases NoSQL: MongoDB, Cassandra.
- Streaming: Apache Kafka, MQTT.
- Lakehouse: conectividad a Delta Lake, Iceberg vía JDBC/Spark.
Históricamente se ha usado el término "Pentaho big data" o "Pentaho data lake" para referirse a las arquitecturas donde PDI alimenta data lakes o ecosistemas Hadoop. Es el mismo PDI con conectores específicos.
Casos de uso típicos
Dónde Pentaho sigue siendo una buena opción en 2026:
- PYMEs con presupuesto limitado que necesitan ETL + BI sin pagar licencias enterprise (versión Community).
- Sector público y educación: instituciones que requieren software open-source con código auditable.
- Empresas con stack on-premise que no quieren mover su data warehouse a cloud.
- Migraciones de datos puntuales: PDI sigue siendo una herramienta ETL muy productiva para proyectos de migración.
- Reporting pixel-perfect regulado: cuando hace falta generar informes oficiales en PDF con formato estricto.
Dónde no es la mejor opción:
- Stacks 100% cloud-native modernos (donde dbt + Snowflake/BigQuery + Looker dominan).
- Casos centrados en self-service analytics para usuarios de negocio (Power BI, Tableau y Looker tienen mejor experiencia).
- Proyectos de IA generativa (donde la integración nativa con LLM es prácticamente nula).
Pentaho vs alternativas
| Solución | Tipo | Fortaleza vs Pentaho |
|---|---|---|
| Talend | ETL + Data Quality | Mejor data quality, suite empresarial robusta |
| Apache Airflow | Orquestación | Estándar de orquestación moderna en código Python |
| Airbyte / Fivetran | ELT cloud | Conectores SaaS plug-and-play |
| dbt | Transformación SQL | Estándar de transformación en stacks modernos |
| Power BI | BI | Mejor experiencia de usuario y precio competitivo |
| Tableau | BI | Mejor visualización avanzada |
| Apache Superset | BI open-source | Alternativa moderna open-source con foco web |
Pentaho Community vs Enterprise
| Característica | Community (CE) | Enterprise (EE) |
|---|---|---|
| Coste | Gratis | Suscripción anual (consultar Hitachi) |
| Soporte oficial | No | Sí |
| Roadmap actualizaciones | Más lento | Prioritario |
| Plugins enterprise | No incluidos | Incluidos (Lineage, Operations Mart, etc.) |
| Casos de uso recomendados | PYME, pruebas, proyectos puntuales | Producción crítica, gran empresa |
Cómo empezar con Pentaho
Para evaluar la suite:
- Descarga Pentaho Community Edition desde el sitio oficial de Hitachi Vantara o desde SourceForge (PDI/Kettle suele estar disponible directamente).
- Instala PDI y prueba con una transformación simple: fichero CSV → MySQL/PostgreSQL local.
- Si funciona y te encaja, instala Pentaho Server CE y conecta un report con Report Designer.
- Para producción seria, evalúa la versión Enterprise vs el coste de mantener el stack tú mismo.
Recursos relacionados en Dataprix
- Pentaho Data Integration — ficha producto
- Recursos de Pentaho con Apache Hadoop
- Vídeo Pentaho BI: introducción y demo
- Categoría Business Intelligence — Dataprix
Preguntas frecuentes
¿Pentaho es gratis?
Pentaho Community Edition es gratuito y open-source. La versión Enterprise requiere licencia comercial de Hitachi Vantara.
¿Pentaho sigue vivo en 2026?
Sí. Hitachi Vantara mantiene el desarrollo activo, especialmente en la versión Enterprise. La Community Edition recibe actualizaciones más espaciadas pero sigue funcional. [VERIFICAR última versión publicada]
¿Es lo mismo Pentaho y Kettle?
No exactamente. Kettle es el nombre histórico de Pentaho Data Integration (PDI), que es uno de los módulos de la suite Pentaho. Aunque coloquialmente se usa "Kettle" como sinónimo de PDI.
¿Qué es Pentaho BI?
"Pentaho BI" se usa habitualmente como nombre genérico de la suite completa de Business Intelligence: BI Server + Mondrian + Reporting + Analyzer. Es decir, todo lo que no es PDI.
¿Pentaho funciona con data lake / lakehouse?
Sí, mediante conectores Hadoop y Spark, y vía JDBC para Delta Lake / Iceberg. Es viable para arquitecturas data lake aunque no es la opción más moderna del mercado para casos cloud-native.
Artículo del Equipo Editorial Dataprix. Actualizado en abril de 2026.
