Caso de Estudio
Una de las firmas de servicios de inversión inmobiliaria más grandes de Estados Unidos estaba perdiendo tiempo y precisión por un problema fácil de subestimar: la integración manual de datos. Sus agentes extraían información de tres fuentes externas — Reonomy, Crexi y Alphamap — y la cargaban a mano en su CRM. El resultado era un sistema lleno de duplicados, inconsistencias y registros desactualizados. Los agentes pasaban horas gestionando datos en lugar de cerrar operaciones. Y a medida que crecía el volumen de datos, el proceso no solo se hacía más lento — se rompía.
Renaiss diseñó Hyperion — un pipeline de datos cloud-native construido sobre AWS que automatizó todo el ciclo de vida de los datos, desde la ingesta hasta la carga en el CRM. En su núcleo, Dagster maneja la orquestación: gestiona dependencias, programación y captura de metadata de forma automática para gobernanza y auditoría. DuckDB potencia la capa de transformación, aplicando deduplicación y estandarización en todas las fuentes entrantes.
La arquitectura corre sobre AWS EKS por resiliencia y escalabilidad, con S3 como capa de almacenamiento desacoplada que separa los datos crudos de los transformados para una auditabilidad completa. Un mecanismo de carga asíncrono basado en SQS maneja las escrituras masivas en Gemini PostgreSQL sin cuellos de botella. Cada pieza se construyó para ser independiente, observable y lista para absorber más fuentes de datos a medida que el negocio crece.
Hyperion eliminó el esfuerzo manual por completo. Los agentes dejaron de gestionar datos y volvieron a vender. La calidad de los datos mejoró en todas las fuentes — las reglas de estandarización impusieron una consistencia que el proceso manual nunca pudo lograr. Los reportes se volvieron confiables y, con un linaje de datos claro, la firma cumplió por primera vez con sus requisitos de auditoría. La arquitectura hoy está en condiciones de escalar frente a nuevos volúmenes de datos e integraciones adicionales con terceros, sin necesidad de reconstruirla.
La automatización end-to-end reemplazó un proceso que consumía tiempo de los agentes e introducía errores en cada paso.
Con datos precisos y actualizados disponibles directamente en el CRM, el equipo se enfocó por completo en la actividad que genera ingresos.
Reglas de deduplicación y estandarización aplicadas de forma consistente en Reonomy, Crexi y Alphamap — sin excepciones.
Cada registro tiene un historial de procesamiento trazable, cumpliendo requisitos de gobernanza que el flujo anterior hacía imposibles.
Cada registro tiene un historial de procesamiento trazable, cumpliendo requisitos de gobernanza que el flujo anterior hacía imposibles.
La infraestructura nativa de AWS soporta el crecimiento de los volúmenes de datos y nuevas integraciones sin cambios estructurales.
Discovery y mapeo de datos
Auditamos el esquema de CRM existente del cliente, las fuentes de datos de terceros y los flujos manuales para entender dónde se introducían los errores y qué debía garantizar el pipeline.
Diseño de orquestación con Dagster
Implementamos Dagster como capa de orquestación — gestionando la programación, las dependencias y la captura automática de metadata para que cada corrida sea observable y auditable de punta a punta.
Transformación y control de calidad
Implementamos Dagster como capa de orquestación — gestionando la programación, las dependencias y la captura automática de metadata para que cada corrida sea observable y auditable de punta a punta.
Infraestructura escalable en AWS
Desplegamos aplicaciones containerizadas en EKS, configuramos S3 con etapas diferenciadas para datos crudos y transformados, y construimos un mecanismo de carga basado en SQS para escrituras masivas eficientes y resilientes en Gemini PostgreSQL.
Gobernanza y traspaso
Establecimos el seguimiento de linaje de datos y el historial de procesamiento en todo el pipeline, y entregamos un sistema que el equipo del cliente puede monitorear, extender y en el que puede confiar — sin depender de Renaiss para mantenerlo funcionando.
Construido para escalar
La infraestructura nativa de AWS soporta el crecimiento de los volúmenes de datos y nuevas integraciones sin cambios estructurales.
Trabajamos sobre todo con bancos y empresas del mercado de capitales en proyectos de modernización tecnológica: infraestructura, sistemas core e incorporación de IA a procesos reales. También tomamos proyectos de otros sectores cuando la exigencia técnica es la misma — varios de los casos de esta sección lo son. En todos los casos, entramos como equipo técnico senior embebido, no como una mesa de soporte tercerizada.
Tenemos base en Rosario, Argentina, y trabajamos con clientes en toda Latinoamérica. Eso significa conocimiento directo del contexto regulatorio y operativo de la región — por ejemplo la normativa del BCRA para fintechs argentinas — y coordinación en el mismo huso horario, sin la fricción de trabajar con un equipo a 10 horas de diferencia.
Nuestro trabajo está en la intersección de infraestructura cloud, arquitectura de aplicaciones e IA: diseño de arquitectura cloud-native, automatización de infraestructura, plataformas, pipelines de datos e integración de GenAI. No hacemos soporte cloud genérico — construimos y operamos sistemas que necesitan escalar.
Nuestra mayor profundidad es en AWS. También trabajamos con Azure y GCP según el stack que ya tenga el cliente — el objetivo siempre es adaptarnos a tu entorno, no imponer un proveedor.
Sí — es uno de los problemas en los que más trabajamos. Modernizar una aplicación suele implicar alguna combinación de: separar un monolito en servicios, migrar a infraestructura cloud-native, reemplazar dependencias obsoletas o mejorar el pipeline de CI/CD para que el equipo entregue más rápido. Siempre arrancamos con un diagnóstico técnico antes de recomendar un camino.
© 2026 - Renaiss, hecho con cariño
