El MICIU crea el primer mapa nacional de ciencia en España basado en un Data Lakehouse impulsado por Cloudera

El MICIU crea el primer mapa nacional de ciencia en España basado en un Data Lakehouse impulsado por Cloudera

Proyecto SICTILake: una fuente de conocimiento para impulsar la innovación

El Ministerio de Ciencia, Innovación y Universidades (MICIU) es el departamento del Gobierno de España responsable de proponer y ejecutar las políticas en materia de ciencia, desarrollo tecnológico e innovación.

La institución gestiona un enorme volumen de datos procedentes de organismos, profesionales, investigaciones, patentes, tesis, ayudas a la I+D, etc. A través del proyecto SICTILake ha creado un mapa nacional de la ciencia que permite acceder a toda esta información en un único repositorio, gracias a capacidades avanzadas de gestión y procesamiento del dato. El proyecto beneficia no solo a la organización, sino también a la sociedad, al generar una única fuente de conocimiento compartido.

Un volumen de datos amplio y heterogéneo

Antes de Cloudera, dos intentos previos de unificar los datos de I+D de España con otras tecnologías habían fracasado. El reto no eran solo los 2,7 millones de registros: era la falta de un «lenguaje común» entre universidades, oficinas de patentes y centros de investigación. El MICIU necesitaba una plataforma capaz de manejar esta complejidad sin renunciar a la soberanía ni a la seguridad del dato. A esto se sumaba la heterogeneidad de las fuentes, la necesidad de garantizar la calidad y la trazabilidad de la información, y la posibilidad de reutilizarla en futuros análisis y políticas públicas, lo que exigía una plataforma de datos robusta y escalable.

La solución requería desarrollar una arquitectura Open Data Lakehouse capaz de unificar datos estructurados, semiestructurados y no estructurados en un único formato abierto y gobernado. De este modo se resolvía la heterogeneidad de las fuentes mediante un lenguaje común que también permite interpretar la información en su contexto. Este aspecto era especialmente relevante en el ámbito de la investigación, donde la colaboración entre múltiples organizaciones y la diversidad de prácticas de registro de datos exigen una comprensión coherente de la información. Todo ello garantizando la seguridad y la soberanía del dato, y demostrando que la protección de la información es plenamente compatible con un uso compartido y reutilizado bajo control.

Soberanía y privacidad del dato como pilares fundamentales

Para superar estos retos, el MICIU eligió Cloudera on premises. Esta decisión ha permitido al Ministerio mantener el control y la soberanía sobre información crítica del sector público, garantizando la seguridad y el cumplimiento normativo.

La implantación de la arquitectura y la plataforma ha hecho posible eliminar los silos y crear un entorno seguro y gobernado. Desde el inicio del proyecto se han procesado más de 3,8 millones de registros: más de 970.000 de investigadores, 670.000 de universidades y centros, y 2.200.000 de proyectos de investigación. Todo ello demuestra la capacidad de la plataforma de Cloudera para operar a gran escala manteniendo la consistencia, la calidad y la gobernanza del dato en entornos de gran complejidad.

Con la implantación de Cloudera On Premise, PUEDATA, integrador de sistemas de Cloudera con sede en España, ha permitido al Ministerio mantener una soberanía y seguridad del dato totales en un entorno público y eliminar de forma efectiva los silos de información heredados. Han desarrollado una interfaz específica que permite a los expertos del Ministerio unificar o desincronizar entidades manualmente, garantizando la máxima fiabilidad del dato.

Mediante la construcción de una API REST y un buscador web apoyado en Apache Solr, han hecho posible que los ciudadanos crucen fácilmente información sobre investigadores, patentes y proyectos financiados, ofreciendo una visión clara del retorno de la inversión científica.

Impulso a las arquitecturas distribuidas en el sector público

El Ministerio se ha convertido en un organismo público pionero en la aplicación de arquitecturas distribuidas modernas, apostando por tecnologías de vanguardia en el procesamiento masivo de datos para unificar sus fuentes de información. Gracias a ello, el conocimiento científico es fácilmente accesible a través del buscador, y por primera vez es posible cruzar de forma directa proyectos de investigación, autores y ayudas existentes en un ámbito concreto.

Además, se ha desarrollado una interfaz de modificación que permite a los responsables del Ministerio dar respuesta a las solicitudes relacionadas con los derechos de protección de datos de los investigadores, lo que mejora la gobernanza y la calidad del dato.

La arquitectura Open Data Lakehouse implantada sobre la plataforma Cloudera ha proporcionado al MICIU una base tecnológica sustentada en datos fiables y gobernados, preparada para evolucionar hacia nuevos casos de uso basados en analítica avanzada e inteligencia artificial sin necesidad de rediseñar la arquitectura. Al mismo tiempo, actuará como catalizador de un modelo basado en la colaboración y el intercambio de conocimiento en los ámbitos científico, académico y empresarial. Partiendo del buscador como caso de uso fundamental, se seguirá mejorando la calidad del dato para alcanzar análisis más avanzados y detectar redes de colaboración.

Por primera vez en la historia de España, el conocimiento científico es consultable y cruzable en tiempo real. El MICIU puede ahora mapear al instante redes de colaboración y hacer seguimiento del retorno de la inversión pública en I+D. Y lo más importante: la arquitectura está preparada para IA, con una base gobernada que permitirá futuros modelos de analítica predictiva sin necesidad de rediseñar el sistema.

Story developed in May 2026