¡Hola, chicos!

Recientemente tuve el placer de participar en una sensacional charla en Molde de tela, el podcast de mi gran amigo Sidney Cirqueira. Hablamos durante más de dos horas sobre carreras, los desafíos de trabajar en el extranjero, detrás de escena del equipo de producto de Microsoft y, por supuesto, lo que todos quieren saber: Microsoft Fabric frente a Databricks.

Como el contenido era extremadamente rico, decidí resumir esta conversación para cualquiera que quiera comprender el escenario actual en el área de datos, evitar obstáculos profesionales y dominar las tecnologías de vanguardia.

Fue una charla realmente interesante, abierta y muy honesta sobre carreras, tecnología, datos y el mercado. La idea nunca fue hacer una presentación formal ni vender ninguna tecnología específica, sino hablar de la trayectoria, decisiones y aprendizajes reales a lo largo de los años, incluidos los errores cometidos.

Quienes no pudieron verlo en vivo pueden ver nuestro chat, que quedó grabado. ¡¡Este podcast fue muy TOP!! ¡Estoy seguro de que te gustará!

Enlace de transmisión:

Inicios en la tecnología y los primeros caminos

Empecé a programar muy temprano, cuando aún era un adolescente, a los 12 años. Mi primer contacto profesional con la tecnología fue lejos de las bases de datos o el BI.

Trabajé con soporte, mantenimiento de computadoras, impresoras, cableado, luego desarrollo de escritorio y desarrollo web. Revisé PHP, ASP, WebForms y otros escenarios que, en ese momento, tenían mucho sentido.

Incluso desarrollé generadores de código que redujeron grandes proyectos a unos pocos días de trabajo.

Técnicamente era interesante, pero con el tiempo comencé a notar algo que me molestaba: el ritmo de cambio en el desarrollo web.

Los marcos surgieron y desaparecieron rápidamente, los estándares cambiaron constantemente y el conocimiento acumulado pareció perder valor muy rápidamente.

Esta percepción no era un juicio sobre el área, sino una comprensión personal de que quería algo más estable, donde fuera posible profundizar y reutilizar el conocimiento durante muchos años.

La migración a los datos y la búsqueda de estabilidad técnica

Fue en este contexto que migré al área de datos. En aquella época el BI todavía estaba infravalorado, Power BI no existía y muchas empresas centraban todo en torno a la base de datos.

Trabajé con SQL Server, Oracle, procedimientos, funciones, modelado y administración.

Lo que me llamó la atención fue precisamente la longevidad del conocimiento. SQL seguía siendo SQL. El modelaje siguió siendo esencial.

Comprender los datos, los negocios y el rendimiento marcó la diferencia independientemente de la herramienta de moda.

Esa decisión terminó moldeando toda mi carrera después de eso.

El escenario actual para quienes recién comienzan

Durante el directo hablamos mucho de cómo ha cambiado el escenario para los que empiezan hoy.

Si antes el desafío era el acceso a la información, hoy el problema es todo lo contrario: hay demasiada información.

Veo a mucha gente perdida, intentando estudiar un poco de todo al mismo tiempo: nube, BI, ingeniería de datos, ciencia de datos, Python, Spark, herramientas nuevas cada semana, y sin poder profundizar en nada.

Reforcé mucho que es fundamental elegir primero un área macro y, a partir de ahí, acotarla.

Nadie construye una profundidad real en seis meses. Un generalista no es alguien que sabe superficialmente varias cosas, sino alguien que ha construido una base sólida a lo largo del tiempo.

La comunidad como punto de inflexión profesional

Me uní a la comunidad de forma más activa relativamente tarde, alrededor de 2016 o 2017, y puedo decir con seguridad que esto cambió por completo mi trayectoria profesional.

Antes de la comunidad, mi crecimiento fue mucho más lento y aislado. Después comencé a intercambiar experiencias con personas que estaban pasando por problemas similares, aprendí mucho más rápido y tuve acceso a oportunidades que nunca hubieran surgido individualmente.

La comunidad no es sólo un evento o una conferencia. Es un grupo técnico, de intercambio diario, de ayuda mutua y, a menudo, de resolución conjunta de problemas críticos.

Incluso dejé claro que, en los procesos de selección, para mí siempre pesa positivamente la participación activa en la comunidad.

El surgimiento del blog técnico

El blog surgió de manera muy simple. Guardé mis guiones y notas en Evernote y decidí centralizarlos en un solo lugar. Al principio fue algo completamente personal.

Con el tiempo, me di cuenta de que escribir me ayudaba a aprender mejor y a organizar mi pensamiento.

Los textos se hicieron más grandes, más detallados y más profundos. También comencé a tratar el blog como un portafolio técnico, donde no solo muestro el “cómo”, sino el “por qué” de las decisiones.

Siempre he creído que un artículo bien escrito muestra mucho más sobre un profesional que un simple repositorio de código suelto.

Entrada más fuerte al BI y nuevos desafíos

Cuando comencé a trabajar más directamente con BI, no tenía experiencia formal en el área.

Fui muy transparente al respecto y dejé claro que estudiaría intensamente. Profundicé en modelado dimensional, Kimball, SSIS, SSAS y SQL pesado.

Este patrón se repitió a lo largo de mi carrera: aceptar desafíos mayores que mi experiencia actual, pero siempre con un compromiso real de estudiar y cumplir.

Nunca creí en “arreglarlo más tarde”.

Power Tuning, Power Embedded y Fabric

Me uní a Power Tuning cuando la empresa aún era pequeña y ayudé a estructurar el equipo de BI.

En 2023 apareció Power Embedded, prácticamente junto al lanzamiento de Microsoft Fabric.

El producto fue creado para resolver un problema real del mercado: el costo y las licencias de Power BI.

Hoy en día lo utilizan cientos de empresas, muchas con Fabric en producción, entornos grandes, decenas o cientos de informes, preocupación real por la gobernanza, la capacidad y el rendimiento.

Nada de esto nació de la teoría o la exageración. Era una demanda real de los clientes.

Experiencia trabajando fuera de Brasil

También compartí mi experiencia trabajando en Barbados. Me propuse desmitificar la idea de que trabajar en el extranjero es simplemente glamour.

Hay mucho aprendizaje, especialmente en inglés, DevOps, CI/CD y nube, pero también hay grandes desafíos: el aislamiento, la infraestructura limitada, la pandemia, el bloqueo severo, la dependencia de visas y el impacto emocional son factores reales que deben considerarse.

Trabajar en el extranjero es una decisión que va mucho más allá del salario.

Paso por Microsoft y cambio de ruta

Trabajar en el equipo de producto de Power BI fue una experiencia importante, pero también dejó claro que no todos los entornos se adaptan a todos los perfiles.

El ritmo corporativo, la burocracia y los largos ciclos de entrega no se alineaban con lo que me gusta hacer.

Reconocer esto y cambiar de rumbo fue una decisión consciente. No lo veo como un error, sino como un aprendizaje sobre mí mismo.

Fabric, Databricks y opciones técnicas

Hablamos mucho sobre Fabric y Databricks. Mi punto de vista es simple: no existe la mejor herramienta absoluta. Hay una herramienta más adecuada al contexto.

Databricks es más maduro y ofrece más control. Fabric es más nuevo, pero evoluciona rápidamente y se integra muy bien con el ecosistema de Microsoft, especialmente con Direct Lake.

Las comparaciones superficiales de costo o rendimiento no ayudan a nadie.

El papel de un profesional con más experiencia es comprender los pros, los contras y el impacto en el negocio antes de tomar una decisión.

Base técnica y visión de negocio.

Al hablar de ingeniería de datos dejé claro lo que considero esencial: SQL, modelado de datos y Spark. Python llega más tarde, al igual que CI/CD y DevOps.

Ignorar el modelado crea problemas graves: informes lentos, consumo excesivo de capacidad y soluciones frágiles. El código no es una solución en sí mismo. La solución es el impacto en el negocio.

La tecnología es un medio, no un fin. Quienes crecen son quienes entienden qué genera dinero, qué genera pérdidas y qué es crítico para la empresa.

Microsoft Fabric versus Databricks: Choque de titanes

Esa es la pregunta del millón. ¿Son competidores? Sí.

Aunque ambos funcionan Chispa y utilizar formatos abiertos como lago delta, las filosofías son diferentes:

1. Databricks (el experto maduro)

Databricks es una plataforma PaaS (plataforma como servicio) extremadamente madura. Le brinda "control total del motor". Usted elige el tipo de máquina, sintoniza el clúster, cambia el Fotón y ajusta cada detalle del cálculo.

  • Ventajas: Control granular, madurez y excelente para equipos de ingeniería pesada (Python/Scala).

  • Contras: Configuración compleja y gestión de costes que requiere de un especialista para evitar “pasarse” del presupuesto.

2. Microsoft Fabric (el ecosistema integrado)

Fabric es una solución SaaS (software como servicio). La idea aquí es la simplicidad y la integración. Con el un lago, tienes un repositorio único para toda la empresa.

  • Ventajas: Lago directo (acceso a datos sin necesidad de Importación o Consulta Directa), interfaz amigable para quienes vienen de Power BI e integración nativa con el ecosistema de Microsoft.

  • Contras: Debido a que es SaaS, tiene menos “tornillos” que apretar en la infraestructura en comparación con Databricks.

Tabla de comparación técnica

Característica Tela de Microsoft Ladrillos de datos
Modelo SaaS (totalmente gestionado) PaaS (gestión de infraestructura)
Almacenamiento OneLake (Formato Delta) Catálogo de Unity/DBFS
Modo de lectura PBI Lago directo (alto rendimiento) Importación o consulta directa
Perfil de usuario Ingenieros y analistas (Low-code/Pro-code) Ingenieros de datos (Pro-código)

La guía de supervivencia del ingeniero de datos moderno

Si quieres destacar en 2026, no te concentres únicamente en la herramienta de moda. Concéntrese en los fundamentos.

A continuación te enumero el orden de prioridad que recomiendo a cualquiera que me pregunte:

  1. Servidor SQL (T-SQL): Es la base de todo. Si no sabe cómo realizar un JOIN o no comprende un plan de ejecución, la herramienta no lo salvará.

  2. Modelado de datos: el libro de Kimball Sigue siendo la ley. Si su modelado es deficiente, sus informes en Power BI serán lentos, sin importar si usa Fabric o Databricks.

  3. Python/PySpark: Esencial para transformaciones complejas donde SQL no brilla tanto.

  4. DevOps y CI/CD: Aprenda a versionar su código (Git) y automatizar la implementación.

  5. Habilidades blandas (principal): Nadie quiere trabajar con el “genio de la cueva”. Necesita saber explicar el valor de su proyecto al director, hablar de reducción de costes e impacto en el negocio.

ALERTA CRÍTICA: Nunca descuides el análisis de desempeño. En el mundo de la nube, un código mal escrito cuesta dinero real cada segundo. Supervise siempre los tipos de espera (Tipos de espera) y el consumo de CU (Unidades de capacidad).

Habilidades blandas y asesoramiento final.

También hablamos de habilidades blandas. El inglés no es una diferencia, es un requisito.

La comunicación, las relaciones y las ganas de aprender marcan mucha diferencia.

Los perfiles arrogantes, difíciles de tratar o que sólo señalan problemas sin aportar soluciones no son sostenibles.

También le dejé algunos consejos directos: nunca dimita sin tener otro trabajo, siempre haga los deberes antes de proponer cambios y piense siempre en el impacto de las decisiones.

Al final, el mensaje fue simple: la tecnología es un área excelente, pero requiere estudio, enfoque y madurez continuos.

Quien entiende esto y construye su carrera con constancia siempre encuentra espacio.

 

Conclusión y visión de futuro

El mercado de datos nunca ha estado tan caliente, pero la demanda de profesionales completos (técnicos + empresariales) ha aumentado drásticamente.

Si usted es un defensor de Databricks o un entusiasta de Fabric, lo importante es ofrecer valor y resolver los cuellos de botella de su empresa.

Estudia inglés, participa en la comunidad y nunca dejes de aprender. La tecnología es sólo el medio; Tu conocimiento es el verdadero activo.