BaseCNPJ es la plataforma de enriquecimiento e inteligencia comercial de Meta Dados: datos registrales, societarios y fiscales de empresas brasileñas, consultables vía API en tiempo real. La base consolida más de 62 millones de establecimientos, construida a partir de los datos abiertos de la Receita Federal — reprocesados en una ingesta intensiva en cada ciclo mensual de publicación — y combinada con capas propias de enriquecimiento.
Una base de ese tamaño solo genera valor si se puede ver. Necesitábamos una capa de BI para responder preguntas de negocio — cobertura por estado y CNAE, calidad y frescura de los datos, uso de la API por cliente — sin construir dashboards desde cero ante cada pregunta nueva.
El desafío
- Consultas analíticas pesadas (agregaciones por CNAE, estado, tamaño y situación registral) sin degradar la API de producción.
- Los datos públicos son notoriamente inestables: en cada ciclo enfrentamos cambios repentinos de layout en los archivos de la Receita, encoding corrompido y registros inconsistentes — como CNAEs inexistentes o inválidos que rompen la integridad referencial.
- Equipos comercial y de producto sin SQL que necesitan autoservicio.
- Monitorear la ingesta: cada carga de la Receita Federal requiere validación de completitud y consistencia.
La solución
Implementamos Metabase self-hosted (Docker, siempre en la última versión) como capa de BI de BaseCNPJ:
- Arquitectura — una base de datos separada que actúa estrictamente como data warehouse en DigitalOcean, aislando la carga analítica pesada de la API de producción que atiende a los clientes.
- Modelado — vistas materializadas en PostgreSQL con los cortes más consultados (CNAE × estado × tamaño × situación), combinadas con los Models nativos de Metabase en una capa semántica que el equipo de negocio entiende.
- Calidad — pipelines de validación posteriores a la carga verifican completitud y consistencia en cada nuevo ciclo de la Receita.
- Dashboards — cobertura y frescura de la base, embudo de uso de la API por cliente — más de 1,6 millón de consultas monitoreadas, cerca de 23 mil por día — y métricas de calidad de datos.
- Autoservicio — los equipos comercial y de producto extraen informes complejos de forma visual, mediante el query builder, sin depender de ingeniería.
Resultados
Lo que antes exigía queries SQL complejas — o días de desarrollo — se convirtió en autoservicio resuelto en segundos. El equipo comercial filtra de forma autónoma empresas activas por CNAE, región, capital social y fecha de apertura, y arma segmentos de mercado para campañas de outbound de alta conversión sin abrir un ticket a ingeniería.
El stack
PostgreSQL · Metabase (self-hosted, Docker) · Python en los pipelines de ingesta · DigitalOcean · datos abiertos de la Receita Federal.
Por qué Metabase
Open source y self-hosted — control total sobre infraestructura y datos, esencial para LGPD; un query builder que el equipo de negocio realmente usa; y un costo que escala según el tamaño del equipo, no según el volumen de datos.
Preguntas frecuentes
¿Por qué no usar la propia API para los informes?
La API está diseñada para consultas puntuales y transaccionales, no para agregaciones pesadas. Ejecutar análisis por CNAE, estado y tamaño directamente sobre la base de producción degradaría el tiempo de respuesta de quien consume la API. Por eso separamos la capa analítica en un data warehouse propio.
¿El equipo de negocio necesita saber SQL?
No. El query builder de Metabase permite armar segmentos y dashboards sin escribir una línea de SQL — y quien necesita algo más avanzado tiene el editor SQL a su disposición.