Sociedad Química y Minera de Chile despliega pipelines 99% más rápido y escala datos en tiempo real a nuevos mercados

Tamaño de la empresa
2000+
Región
América Latina
Industria
Energía y servicios públicos

Empieza gratis

Prueba la transferencia de datos a nivel empresarial, sin contratos de por medio

Inicio gratisAgendar una demostración en vivo
Fuentes de conectores
Oracle
SQL Server
MySQL
Salesforce
ServiceNow
Destinos del conector
Databricks
Cloud Platform
Microsoft Azure
Resultados clave
  • Logró una reducción de más del 98% en el tiempo de recuperación de pipelines, de 2 días a una resolución casi instantánea, manteniendo las operaciones mineras funcionando 24/7.
  • Aceleró el despliegue de nuevos pipelines en un 99%, lo que permite una expansión de mercado y una incorporación más rápidas en nuevas regiones
  • Redujo los costos de integración de datos al eliminar la arquitectura dual-cloud y las reconstrucciones manuales de ETL.
  • Estableció confianza en los datos para respaldar el modelado con LLM y la toma de decisiones en tiempo real en los equipos de supply chain, operaciones y comercial.
“Fivetran nos da confianza en nuestros pipelines de datos, así podemos dejar de preocuparnos por las interrupciones y enfocarnos en construir modelos de IA y expandirnos globalmente.”
— Jorge Utreras, Head of Projects, Architecture and Data Office en SQM

Sociedad Química y Minera de Chile (SQM) es un líder minero global y una compañía Fortune 2000 con sede en Chile, que opera en 5 líneas de negocio: desde litio y yodo hasta nutrición vegetal de especialidad y sales solares. Con más de 7,000 empleados y operaciones en expansión hacia nuevos mercados globales, SQM es un actor clave en las tecnologías que impulsan la transición mundial hacia la energía limpia y el desarrollo sostenible.

Detrás de esa transformación está Jorge Utreras, Head of Architecture and Data, responsable de habilitar decisiones basadas en datos en todas las operaciones globales de SQM. Su misión es asegurar que datos oportunos y confiables lleguen a los stakeholders internos para respaldar la cultura de lean management de SQM y la toma de decisiones en tiempo real.

A medida que SQM se expandió globalmente, la complejidad de sus operaciones dificultó entregar insights consistentes y en tiempo real entre faenas mineras remotas y oficinas regionales. Esos sitios aportan los datos que impulsan la producción, la logística y el forecasting de ventas — lo que convierte los retrasos en los datos en un riesgo directo para la eficiencia operativa y el crecimiento de los ingresos.

Reemplazar pipelines frágiles por un data stack moderno

La arquitectura original de SQM comenzó como un portafolio orgánico de soluciones diseñadas a medida para cada línea de negocio. Algunos grupos usaban Google Data Stream para sincronizar datos de Oracle en BigQuery, mientras otros centralizaban cargas de trabajo en Microsoft Azure. Aunque respondían a las necesidades particulares de cada equipo, los costos eran altos, el rendimiento era inconsistente y cada pipeline era un proyecto de desarrollo a medida. Los problemas de conectividad en faenas mineras remotas rompían pipelines con frecuencia, y la recuperación requería, en promedio, 2 días de trabajo manual. Las interrupciones de fin de semana solían detener la producción y la logística hasta el lunes siguiente, retrasando decisiones, entregas y capacidad de respuesta al cliente en un negocio que funciona 24/7.

La paciencia inicial frente a los retrasos se agotó cuando los stakeholders comprendieron cuán crítico era contar con datos en tiempo real para tomar decisiones mejores y más rápidas. Utreras puso en marcha programas piloto internos que demostraron la posibilidad de tener datos más frescos y oportunos, lo que llevó a los equipos de negocio a exigir acceso casi en tiempo real para una toma de decisiones más ágil y veloz. Utreras convirtió un problema técnico en una oportunidad crítica para el negocio.

Él y su equipo necesitaban una solución de movimiento de datos en la que pudieran confiar y que fuera fácil de acceder y administrar. Se asociaron con Databricks, que recomendó Fivetran para ayudar a modernizar los pipelines de datos de SQM. Montaron un piloto con 3 fuentes de datos de alto valor para probar la capacidad de Fivetran de manejar el caso límite más desafiante de la compañía: condiciones de red inconsistentes en faenas mineras remotas.

En 30 días, los pipelines idempotentes de Fivetran demostraron ser resilientes y entregaron una recuperación 100% autónoma incluso durante un apagón a nivel nacional. Utreras reportó cero pérdida de datos, cero reconstrucciones manuales y total confianza en el rendimiento de los pipelines. Esto liberó a su equipo para enfocarse en trabajo de mayor valor, como construir modelos predictivos y expandirse a nuevos mercados.

Con una nueva confianza en Fivetran y en su amplia biblioteca de conectores, pronto hizo que cada faena minera centralizara sus datos en Databricks sobre Azure. Al equipo de Utreras le tomó solo 5 meses desplegar y reemplazar 8 pipelines críticos para el negocio por sitio en todas las ubicaciones. Sin Fivetran, esto probablemente habría tomado al menos un año.

Ampliar los casos de uso a los datos de operaciones del negocio para decidir más rápido

Con las operaciones centrales estabilizadas, SQM inició la siguiente fase de su despliegue de Fivetran: escalar la integración a los sistemas de negocio. El equipo configuró pipelines para el reporting de Salesforce CRM y para ServiceNow, con el fin de dar seguimiento a los incidentes internos en cada sitio. Para los nuevos mercados globales, están sumando nuevas fuentes de datos y sistemas operativos en distintas regiones y líneas de negocio antes de que comiencen las nuevas operaciones mineras. Esto da a los líderes una visibilidad proactiva y en tiempo real del desempeño, las operaciones y el crecimiento.

La velocidad de despliegue de Fivetran sustenta la capacidad de expansión de SQM. Nuevos pipelines que antes tomaban semanas o meses ahora entran en producción en menos de un día, a menudo en apenas 15 minutos. El equipo interno gestiona cada integración sin ampliar el equipo ni depender de soporte externo. Esa agilidad ha eliminado cuellos de botella y acelerado la experimentación en todo el negocio, ayudando a SQM a responder más rápido a condiciones cambiantes y nuevas oportunidades. Según Utreras, Fivetran ya ha tenido un impacto sustancial en la capacidad de SQM de hacer negocios.

Los stakeholders de logística, mantenimiento, química y supply chain ahora cuentan con datos confiables y actualizados para guiar las decisiones del día a día. El seguimiento de rendimiento, el diagnóstico de equipos y la coordinación del transporte han mejorado con un mejor acceso a insights más frescos. Los data scientists usan datos oportunos para construir modelos predictivos que optimizan la producción de planta y el desempeño de los activos. En paralelo, el equipo de Analytics & Digital está construyendo herramientas basadas en grandes modelos de lenguaje (LLM) que permiten a los usuarios internos consultar datos en tiempo real mediante lenguaje natural, un primer paso en el avance de SQM más allá de los dashboards estáticos.

“Fivetran nos entrega la confiabilidad de datos que necesitamos para construir con seguridad herramientas impulsadas por LLM, haciendo que los insights en tiempo real sean accesibles en todo el negocio — sin necesidad de SQL.”
— Jorge Utreras, Head of Projects, Architecture and Data Office en SQM

Respaldar el crecimiento global con datos confiables

A medida que SQM se expande a nuevos territorios, Fivetran sigue cumpliendo un rol central en el respaldo de su rápido crecimiento. La compañía ha lanzado nuevas operaciones comerciales en India y Brasil, cada una con sistemas propios del sitio que se conectan y quedan operativos desde el primer día. La infraestructura detrás de esos datos puede escalar con facilidad al mismo ritmo que el negocio.

Fivetran está habilitando una arquitectura de datos unificada en todas las ubicaciones, asegurando consistencia y cumplimiento al centralizar los datos en Databricks y hacerlos accesibles a través de Unity Catalog para gobernanza y supervisión. Sin importar el origen del sistema — ya sea una nueva herramienta comercial en Brasil, una instancia de CRM en India o una base de datos de mantenimiento en una faena minera — Fivetran estandariza la ingesta, aplica políticas de gobernanza mediante Databricks Unity Catalog y entrega los datos con la misma cadencia casi en tiempo real. El resultado es una toma de decisiones más rápida, menor overhead operativo, una estrategia de datos más ágil a nivel de toda la empresa y — lo más importante para SQM — confiabilidad.

De cara al futuro, Utreras y su equipo planean ampliar el uso de Fivetran para cubrir más aplicaciones como Salesforce y ServiceNow, acelerar el despliegue de casos de uso de inteligencia artificial (IA) y machine learning (ML), y profundizar la gobernanza mediante Unity Catalog en Databricks. Estos esfuerzos reflejan un cambio más amplio: del reporting manual y los sistemas fragmentados a un ecosistema de datos inteligente y automatizado — uno que impulsa decisiones más rápidas, acelera la expansión global y respalda iniciativas de IA de vanguardia en todo el negocio.

“Fivetran es esencial para nuestra estrategia de expansión global. Nos da acceso rápido y seguro a datos en tiempo real en nuevos mercados como India y Brasil, y facilita conectar nuevos sistemas y entregar datos desde el primer día.”
— Jorge Utreras, Head of Projects, Architecture and Data Office en SQM

[CTA_MODULE]

Further reading
No items found.
No items found.
Historias de clientes relacionadas
Case study

Shutterstock construye una Open Data Infrastructure lista para IA con Fivetran

Case study

Activision escala el marketing personalizado para millones de jugadores

Case study

LVMH logra insights en tiempo real y excelencia operativa

Case study

Tinuiti crea un data lake escalable para el marketing impulsado por IA

Case study

Cómo Fivetran impulsa el imperio de moda de SKIMS

Case study

Yardzen resuelve su dolor de cabeza con el ETL gracias al Plan Gratuito de Fivetran

Case study

El ingrediente secreto detrás del crecimiento de Databricks en analítica de marketing

Case study

Sharp HealthCare descubre información clínica con datos sanitarios en tiempo real

Case study

Raiffeisen Bank International usa datos en tiempo real para captar más clientes

Case study

SpotOn ofrece informes 5 veces más rápidos con Fivetran Transformations para dbt Core™