El proceso de ingeniería de consolidar datos procedentes de fuentes heterogéneas en una representación coherente y unificada o en una capa de mediación accesible que permita el acceso combinado, consultas, análisis o uso a nivel de aplicación, documentando las transformaciones y la procedencia.

Principio

La integración establece correspondencias, transformaciones y reglas de armonización que reconcilian la heterogeneidad de esquemas, formatos y semántica para que las consultas o análisis puedan operar sobre el modelo objetivo; el enfoque elegido (ETL físico, federación virtual o mediación semántica) refleja compensaciones entre rendimiento, fidelidad y preservación de la procedencia.

Demostración

Escenario ilustrativo → Situación: Una universidad quiere informes combinados de adquisiciones, circulación y uso de recursos electrónicos almacenados en tres sistemas distintos. → Reconocimiento: Campos superpuestos pero nombrados de forma heterogénea (por ejemplo 'user_id' vs 'patron_no'), formatos de fecha variados e identificadores distintos para títulos. → Acción: Definir un esquema objetivo, implementar pipelines ETL para transformar y mapear campos, reconciliar identificadores y documentar la procedencia. → Consecuencia: Los administradores ejecutan informes interfuente (por ejemplo costo por uso); los analistas pueden consultar los conjuntos de datos integrados, si bien algunas distinciones propias de la fuente (restricciones de licencia) se conservan mediante campos de procedencia.

Aplicación incorrecta

Suponer que la similitud estructural o léxica implica equivalencia semántica y realizar joins a ciegas (error: confundir compatibilidad de esquema con identidad conceptual), produciendo agregados engañosos o análisis erróneos.

Consecuencia

La integración eficaz habilita análisis holísticos, servicios coordinados y flujos automatizados; una integración mal concebida propaga errores, amplifica inconsistencias, oscurece la procedencia y puede crear riesgos de privacidad o cumplimiento al combinar datos más allá de su ámbito previsto.

Inversión

Cuando requisitos legales, de privacidad, operativos o de procedencia exigen separación (por ejemplo para aislar información personal identificable o preservar licencias específicas de la fuente), puede ser necesario un enfoque federado o de mediación sin consolidación física en lugar de una integración completa.

Límite

Claramente dentro: Proyectos ETL o de mediación semántica que fusionan registros de préstamo, adquisiciones y uso en un único conjunto de datos analítico. Caso límite: Una búsqueda federada que unifica el acceso pero no produce un modelo de datos unificado (algunos aspectos de integración presentes, pero no una representación consolidada). Claramente fuera: Agregación a nivel de interfaz de usuario que solo presenta resultados dispares sin armonizar esquemas ni valores de datos.

Tensión semántica

Interoperabilidad y utilidad analítica mediante estandarización ↔ Fidelidad a la semántica original, procedencia y restricciones legales/de privacidad que resisten la homogenización.

Síntesis

La integración de datos es una compensación técnica explícita: crea una vista unificada utilizable mediante la codificación de mapeos y transformaciones, pero esas decisiones imponen interpretaciones semánticas y obligaciones de procedencia que deben gestionarse activamente.