Base de Datos Unidad 6

 Elaborado por: Samuel Orozco R


Análisis Comparativo de Bases de Datos SQL y NoSQL en Halliburton Empresa Petrolera  Colombia

Este blog académico tiene como finalidad realizar un análisis profundo sobre el uso de bases de datos SQL y NoSQL en el contexto empresarial, tomando como caso de estudio a la empresa Halliburton, una multinacional del sector petrolero con múltiples operaciones en Colombia. Se busca comparar la funcionalidad, rendimiento y adecuación de estas tecnologías de almacenamiento de datos en escenarios reales de negocio. Finalmente, se propondrá la mejor alternativa (o combinación de ambas) que se adapte a las necesidades específicas de la empresa.


Introducción

En el contexto actual de la transformación digital, el manejo adecuado de la información se ha convertido en un factor estratégico para el éxito de las empresas, especialmente en sectores altamente técnicos y operativos como la industria petrolera. Las empresas de este sector generan enormes volúmenes de datos a diario: desde información estructurada (como registros administrativos, órdenes de trabajo y bases de empleados) hasta datos no estructurados o semiestructurados (como lecturas de sensores, registros de operación en campo, imágenes satelitales y reportes técnicos).

En este escenario, la elección de la tecnología de base de datos adecuada representa una decisión crítica que puede impactar directamente en la eficiencia operativa, la toma de decisiones y la capacidad de escalar tecnológicamente. Existen dos grandes enfoques para el almacenamiento y la gestión de datos: las bases de datos relacionales o SQL, que se basan en modelos estructurados con esquemas fijos y relaciones entre tablas; y las bases de datos NoSQL, que ofrecen una arquitectura más flexible y son especialmente útiles cuando se trabaja con datos distribuidos, dinámicos o no estructurados.

El presente blog se centra en el análisis comparativo entre ambos enfoques, enmarcado en el caso de la empresa Halliburton, una de las principales proveedoras de servicios en la industria del petróleo y el gas a nivel mundial. Con operaciones activas en Colombia —en sedes como Bogotá, Barrancabermeja y Villavicencio— Halliburton maneja una gran variedad de procesos que requieren soluciones tecnológicas eficientes para la captura, almacenamiento, análisis y disponibilidad de la información.

A lo largo de este blog, se simulará el diseño de dos tipos de bases de datos aplicadas a distintos procesos dentro de Halliburton: una bajo el modelo SQL (utilizando MySQL) y otra bajo el modelo NoSQL (utilizando MongoDB). Posteriormente, se presentará un análisis detallado de las ventajas y desventajas de cada una en el contexto empresarial, finalizando con una propuesta fundamentada sobre cuál opción —o combinación de ambas— resulta más adecuada para responder a las necesidades actuales y futuras de una compañía con operaciones altamente demandantes como Halliburton.


Desarrollo de la Actividad

1. Base de Datos SQL – Modelo Relacional

Tecnología utilizada: MySQL
Herramienta de desarrollo: MySQL Workbench o phpMyAdmin
Lenguaje de consulta: SQL (Structured Query Language)
Tipo de datos manejados: Tablas estructuradas (relaciones entre entidades como empleados, clientes, equipos y operaciones)

Justificación del uso:
El modelo relacional es altamente adecuado para información estructurada, con relaciones claramente definidas entre los datos. En Halliburton, esta base puede ser utilizada para manejar registros de personal, inventario de equipos, órdenes de trabajo, facturación, contratos y trazabilidad de operaciones.

Estructura simulada:

CREATE TABLE Empleados (

    id_empleado INT PRIMARY KEY,

    nombre VARCHAR(50),

    cargo VARCHAR(30),

    sede VARCHAR(50),

    telefono VARCHAR(15));


CREATE TABLE Equipos (

    id_equipo INT PRIMARY KEY,

    tipo VARCHAR(50),

    estado VARCHAR(20),

    id_empleado INT,

    FOREIGN KEY (id_empleado) REFERENCES Empleados(id_empleado));


CREATE TABLE Operaciones (

    id_operacion INT PRIMARY KEY,

    fecha DATE,

    tipo VARCHAR(50),

    sede VARCHAR(50),

    id_equipo INT,

    FOREIGN KEY (id_equipo) REFERENCES Equipos(id_equipo));


CREATE TABLE Clientes (

    id_cliente INT PRIMARY KEY,

    nombre VARCHAR(100),

    sector VARCHAR(50),

    contacto VARCHAR(50));

Ventajas:

  • Altísima integridad referencial gracias a claves primarias y foráneas.

  • Consistencia de datos mediante transacciones (ACID).

  • Amplio soporte, documentación y compatibilidad con herramientas BI como Power BI, Tableau y Excel.

  • Control de acceso y seguridad a nivel de usuario.

Desventajas:

  • Poco flexible ante cambios en la estructura (esquema rígido).

  • Escalabilidad horizontal limitada: no se adapta bien al crecimiento desmedido de datos distribuidos.

  • No es eficiente para manejar grandes volúmenes de datos no estructurados como imágenes, archivos log, videos o señales de sensores.


2.  Base de Datos NoSQL – Modelo Documental

Tecnología utilizada: MongoDB
Herramienta de desarrollo: Compass o entorno web de MongoDB Atlas
Lenguaje de consulta: JSON-like queries
Tipo de datos manejados: Documentos semiestructurados (datos anidados, logs de sensores, bitácoras, lecturas en tiempo real, etc.)

Las operaciones de campo en Halliburton generan un volumen masivo de datos semiestructurados como logs de perforación, reportes geológicos, imágenes satelitales, y series temporales de sensores. Estos datos no encajan fácilmente en un modelo relacional. MongoDB permite guardar toda esta información en documentos con gran flexibilidad y sin necesidad de un esquema definido.

Ejemplo de documento JSON en MongoDB:

{"pozo_id": "HZL-203",

  "ubicacion": "Campo Rubiales",

  "operacion": "Registro eléctrico",

  "fecha": "2025-07-10",

  "ingeniero": "Carlos Ruiz",

  "lecturas": [

    {"hora": "08:00", "resistividad": 135.5, "profundidad": 1230},

    {"hora": "09:00", "resistividad": 140.2, "profundidad": 1280}],

  "observaciones": "Zona productiva con posible presencia de gas"}

Ventajas:

  • Alta escalabilidad horizontal gracias al uso de clústeres distribuidos.

  • Soporta almacenamiento y recuperación de datos no estructurados y jerárquicos.

  • Eficiencia en el rendimiento de lectura/escritura en sistemas con grandes volúmenes de datos.

  • Mayor flexibilidad para adaptarse a cambios en el esquema.

Desventajas:

  • No garantiza integridad referencial de forma nativa.

  • No soporta transacciones complejas tan fácilmente como SQL.

  • Algunas herramientas de análisis tradicionales no tienen integración directa con MongoDB.

  • Curva de aprendizaje más alta para usuarios con experiencia previa solo en SQL


Conclusiones

El análisis evidencia que tanto SQL como NoSQL tienen roles fundamentales dentro de la arquitectura de datos de una empresa como Halliburton. Cada uno responde a necesidades diferentes:

  • SQL es ideal para procesos administrativos, informes financieros, manejo de empleados, trazabilidad de contratos y relaciones claramente estructuradas.

  • NoSQL responde mejor a la necesidad de manejar grandes volúmenes de datos provenientes de sensores IoT, operaciones de campo y exploración sísmica, donde la estructura puede variar constantemente.



 Bibliografía











Comentarios

Publicar un comentario