Para una empresa mediana colombiana en 2026, Supabase es una opción seria de data lake hasta 5 TB con queries moderadas: arquitectura Bronze/Silver/Gold limpia, Postgres puro sin lock-in, escalado horizontal hasta el punto donde BigQuery o Snowflake ganan. En una distribuidora cliente nuestra normalizamos los datos legacy de SQL Server 2019, repartidos en tablas inconsistentes, todo en Supabase con verificación fila-a-fila. Cuando los datos se unifican, los problemas se anuncian solos.
¿Supabase sirve realmente para data lake?
Sí, Supabase sirve para data lake hasta volúmenes de 1 a 5 TB con queries moderadas. Supabase es Postgres puro (PostgreSQL 17 al momento) con extensiones (pg_vector, postgis, pg_graphql), storage S3-compatible con buckets públicos o privados, edge functions Deno, auth con RLS row-level security, y realtime via WAL.
Para una empresa mediana colombiana (50 a 300 empleados, 100 GB a 2 TB de datos operativos), Supabase es alternativa seria a AWS data lake o BigQuery. Pasado los 5 TB con queries pesadas analíticas, conviene migrar a un warehouse columnar como BigQuery, Snowflake o ClickHouse.
Arquitectura Bronze, Silver, Gold sobre Supabase
El patrón estándar Bronze/Silver/Gold se implementa con esquemas Postgres separados:
Esquema bronze: datos crudos como llegan. Tablas espejo de los sistemas fuente, sin modificación. Storage barato (puede ir a Supabase Storage como parquet si es muy grande). Útil para auditabilidad y reprocesamiento.
Esquema silver: datos normalizados, deduplicados, con tipos correctos y joins de referencia aplicados. Vistas o tablas según volumen. Es la capa que tu equipo de datos consulta directamente.
Esquema gold: tablas de decisión listas para BI y reportería ejecutiva. KPIs precalculados, vistas materializadas para sub-segundo, agregados por dimensión. Es lo que conecta tu dashboard.
El flujo es: ingesta → bronze → transformación dbt → silver → agregación → gold → BI. dbt orquesta las transformaciones con tests y lineage automático.
Comparativa 2026: Supabase vs AWS vs BigQuery para empresa mediana
| Criterio | Supabase Pro | AWS (S3+Athena+Glue) | BigQuery |
|---|---|---|---|
| Costo entry mensual | 25 USD | Pago por uso | 0 + storage 20 USD/TB |
| Storage 1 TB | 100 USD/mes | 23 USD/mes | 20 USD/mes (active) |
| Compute base | 25 USD incluido | Pay-per-query | Pay-per-query |
| Curva de equipo | Baja (Postgres puro) | Alta | Media |
| Lock-in | Bajo | Alto | Medio |
| Escalado más de 5 TB | Llega a límite | Excelente | Excelente |
El caso real: migración de datos legacy a Supabase
En una distribuidora cliente nuestra implementamos data lake completo en Supabase con arquitectura Bronze/Silver/Gold:
- Reto inicial: años de datos legacy desorganizados en SQL Server 2019, repartidos en tablas inconsistentes.
- Stack: Supabase Pro, Python 3.12, pymssql, PyArrow, parquet, dbt, BigQuery espejo.
- Snapshot worker: chunking paralelo por lotes, con throttle de queries, y bronze en parquet subido a Supabase Storage.
- Verificación triple: source SQL Server = bronze parquet = silver views = gold materialized views.
Resultado:
- Toda la data legacy migrada a Supabase con verificación fila a fila.
- Las tablas snapshot legacy preservadas en bronze.
- Silver views y gold materialized views.
- Gold tables finales normalizadas.
- RLS policies y roles RBAC.
- Bronze parquet raw en GCS.
Cómo arrancar data lake en Supabase paso a paso
- Crear proyecto Supabase Pro: 25 USD al mes, región us-east-1 o sa-east-1 (Brasil) para latencia LATAM.
- Definir esquemas:
CREATE SCHEMA bronze; CREATE SCHEMA silver; CREATE SCHEMA gold;. Roles separados para cada esquema (RBAC). - Diseñar ingesta: snapshot workers Python para sistemas legacy (SQL Server, MySQL), webhooks o Airbyte/Fivetran para SaaS (HubSpot, Stripe), uploads manuales para Excel/CSV.
- dbt para transformaciones: proyecto dbt con
bronzecomo source,silvercomo staging,goldcomo marts. Tests de unicidad, no nulos, referencias. - Vistas materializadas en gold: para KPIs ejecutivos con refresh programado (cada 5 min, cada hora, diario).
- Conectar BI: Metabase, Power BI o dashboard a medida sobre gold. RLS si necesitas multi-tenant por usuario.
- Monitoreo: Supabase logs, métricas de query performance, alertas en degradación.
¿Cuándo dejar Supabase y migrar a BigQuery o Snowflake?
Llegas al límite de Supabase como data lake cuando:
- Pasas los 5 TB con queries analíticas pesadas (JOINs sobre 100M filas).
- Tu BI tarda más de 5 segundos en queries con cache caliente.
- Necesitas columnar storage o particionamiento específico.
- Tu equipo de datos quiere features de warehouse moderno (time travel, zero-copy clones).
Para una empresa mediana colombiana típica, ese punto no llega antes de 3 años de crecimiento serio. Hasta entonces, Supabase entrega.
Próximos pasos
Si tienes data en 5 sistemas o más sin unificar, arranca con un workshop de 1 día sobre la arquitectura Bronze/Silver/Gold y diseña el blueprint. Si ya tienes data lake pero rendimiento o costo te preocupa, podemos hacer auditoría. Si quieres data lake como parte de transformación operativa completa, agenda una llamada sobre tu operación.
- MAGIA Core si quieres data lake unificado más sistema a medida en 12 semanas, incluso multi-tenant con IA y guardrails sobre el data lake.
El código, los datos y el dominio quedan a tu nombre.