ExpertApuntamos nueve plataformas iPaaS al mismo stack desordenado (una base de datos Postgres, tres APIs SaaS y un webhook) y les pedimos mover datos sin una línea de código de pegamento. Lo que nos sorprendió no fue código abierto contra empresa, sino qué pocas dejaban al ingeniero meter código de verdad cuando el editor visual se quedaba sin camino.
Metimos el mismo fichero de 5.000 registros postales y de correo hechos un desastre por diez verificadores de direcciones, cada uno conectado a un ETL real y no a una demo. La sorpresa no fue la precisión, sino lo distinto que se comportan cuando un registro falla y lo pocas que dan una puntuación de confianza usable.
Tras hacer pasar una operación financiera sintética por nueve plataformas de federación con Postgres, Snowflake, un lago Iceberg, Salesforce y un tema de Kafka, la sorpresa a la que nuestro equipo regresaba era lo rápido que corría cada demo y lo mal que se torcía la misma consulta al primer derrame de la fuente grande.
La extracción de datos cubre tres trabajos que los proveedores difuminan a propósito: hacer scraping de la web pública, ingerir fuentes SaaS y de bases de datos mediante conectores gestionados y automatizar el pegamento entre ambos. La mejor herramienta de extracción depende casi por completo de cuál de esos tres estás haciendo de verdad.