Semantic layer

¿Qué es?

El semantic layer (o capa semántica) es una capa de abstracción que traduce los datos técnicos del warehouse en términos de negocio comprensibles, garantizando que métricas como “ingresos”, “clientes activos” o “tasa de conversión” tengan una única definición consistente en todos los sistemas que las consuman.

Sin esta capa, cada analista o herramienta de BI puede calcular la misma métrica con lógica diferente, generando los tristemente famosos conflictos de “mis números no cuadran con los tuyos” en las reuniones de dirección.

¿Para qué sirve?

El semantic layer resuelve el problema de la inconsistencia de métricas en empresas donde varios equipos, herramientas y dashboards consultan el mismo warehouse:

• Define las métricas una sola vez con su lógica canónica.
• Desacopla las herramientas de visualización del modelo físico de datos — si cambia la tabla subyacente, solo se actualiza la definición en el semantic layer, no en cada dashboard.
• Permite a usuarios de negocio hacer preguntas en lenguaje natural y obtener respuestas consistentes.
• Facilita la gobernanza: un catálogo de métricas con propietario, descripción y linaje.

Ejemplo

Marketing calcula “clientes activos” como usuarios con al menos una compra en 30 días. Producto lo define como usuarios con sesión en 30 días. Finanzas lo define como contratos activos en el mes.

Con un semantic layer, el CEO pregunta “¿cuántos clientes activos tenemos?” y la definición acordada (la de finanzas, o la de marketing, o una combinación) se aplica uniformemente en Power BI, en Tableau y en la app interna —sin que nadie tenga que armonizar a mano.

Tecnologías de referencia

• dbt Semantic Layer: define métricas en YAML junto al modelo de dbt. Se integra con herramientas BI que soportan el protocolo JDBC/ADBC de dbt.
• Cube: plataforma especializada en semantic layer y headless BI, compatible con múltiples warehouses.
• LookML (Looker): el modelo de datos de Looker es en la práctica un semantic layer propietario.
• AtScale, Calcite: otras opciones para entornos enterprise.
• Microsoft Analysis Services / Power BI datasets: implementación del semantic layer en el stack Microsoft.

Más información

Lee sobre arquitectura de datos y Business Intelligence en Dataprix.