Llevamos tiempo viendo el mismo patrón en proyectos con Dynamics 365 Business Central: los datos están ahí, pero sacarlos para análisis siempre acaba siendo más complicado de lo que debería.
En uno de esos proyectos decidimos probar bc2adls y el resultado nos sorprendió: en cuestión de días teníamos datos de Business Central almacenados en un Lakehouse sin haber montado una infraestructura compleja. Desde entonces lo hemos aplicado en más proyectos, y con este artículo queremos compartir qué es, cómo funciona y cuándo tiene sentido usarlo.
Si trabajas con D365 Business Central y Power BI, probablemente has vivido alguna de estas situaciones:
Todos estos problemas comparten un origen común: Business Central no está diseñado para ser una fuente de reporting de alto rendimiento. Es un sistema optimizado para transacciones (OLTP), no para consultas analíticas. Tratar de usarlo como data warehouse tarde o temprano pasa factura.
La solución, en la mayoría de estos casos, consiste en sacar los datos de Business Central y llevarlos a una plataforma analítica. Sin embargo, cuando se plantean estos proyectos, las cosas se complican porque este tipo de arquitecturas son complejas. La buena noticia es que existe una forma de simplificar, o digamos acelerar, este tipo de implementaciones: bc2adls.
bc2adls es una herramienta open source que automatiza la exportación incremental de tablas de Business Central hacia Azure Data Lake Storage Gen2 o un Lakehouse de Microsoft Fabric.
Se instala como una extensión nativa en Business Central, lo que significa que no necesitas agentes externos, conectores de terceros ni middleware.
El proyecto nació originalmente dentro de Microsoft y actualmente lo mantiene la comunidad liderada por Bert Verbeek (4PS), con más de 26 colaboradores activos y 140+ estrellas en GitHub (código fuente y documentación de bc2adls). También está disponible directamente desde Microsoft AppSource, lo que refuerza su nivel de adopción y confianza.
Cada vez que algo cambia en una tabla de Business Central, bc2adls detecta esa variación y envía solo los registros modificados al Data Lake. Sin duplicar nada. Sin carga completa.
Esto es relevante porque en entornos con millones de registros (movimientos contables, líneas de pedido, entradas de almacén), hacer exportaciones completas periódicas es inviable. El enfoque incremental de bc2adls lo hace escalable desde el día uno.
La extensión en Business Central se encarga de detectar cambios mediante timestamps y enviarlos al almacén de datos que quieras usar.
La extensión rastrea las modificaciones tabla a tabla. Cuando algo cambia: un cliente, un movimiento contable, una línea de pedido... esa fila se pone en cola para exportar. El resultado es un fichero delta en el Data Lake que refleja exactamente lo que ha cambiado desde la última exportación.
En el lado del Data Lake, unas pipelines de Azure Synapse o notebooks de Fabric consolidan esos ficheros delta en tablas. Y Power BI se conecta a esas tablas, no a Business Central.
Diagrama de arquitectura bc2adls: Business Central exporta datos incrementalmente a Azure Data Lake Storage Gen2 o Microsoft Fabric Lakehouse, que alimentan un modelo semántico de Power BI.
El resultado: Business Central hace su trabajo sin interferencias. Power BI tiene datos frescos. Todo el mundo contento.
La pregunta que siempre nos hacemos antes de recomendar uno u otro es simple: ¿ya tienes Fabric o trabajas sobre Azure directamente?
Vale, lo tenemos decidido y configurado ¿y ahora qué?
bc2adls deposita ficheros delta en tu sistema de almacenaje, y a continuación hay que hacer un proceso para consolidar los datos.
Una vez que las tablas están preparadas, ya estamos en posición de construir el modelo semántico en Power BI: relaciones, medidas DAX, jerarquías... La principal diferencia es que ahora el origen es estable, rápido y no compite con los procesos de Business Central.
Vale la pena distinguir dos fases diferentes en este paso: consolidar (agrupar los datos "crudos" de Business Central en tablas consultables) y curar (limpiar, tipar, aplicar lógica de negocio). bc2adls resuelve la primera. La segunda reside en la lógica de cada negocio y es donde se construye el valor analítico real.
Porque intentar consolidar y curar a la vez desde el principio es uno de los motivos más habituales por los que estos proyectos se atascan. Tener los datos llegando de forma fiable al Lakehouse aunque todavía no estén limpios ya es un avance enorme. La capa de curación se construye encima, de forma iterativa, una vez que el flujo es estable.
¿Qué cambia cuando Power BI deja de conectarse directamente a Business Central? Estos son los cambios más concretos:
Rendimiento de reporting desacoplado de Business Central
Los informes de Power BI ya no se conectan al almacenamiento de Business Central en tiempo real. Las consultas van contra el Lakehouse o Synapse, que están optimizados para lectura analítica.
Datos multiempresa nativos
bc2adls tiene soporte nativo para exportar varias empresas desde un único punto de configuración. Cruzar datos entre ellas deja de ser un problema.
Histórico completo y accesible
Una vez que los datos están en el Data Lake, se quedan ahí. Puedes acumular años de histórico sin preocuparte por las políticas de retención de Business Central ni por el rendimiento del sistema operacional.
Cero impacto en los usuarios de Business Central
Las exportaciones corren en segundo plano y no interfieren con el trabajo diario en Business Central. Los usuarios siguen operando con normalidad.
Base para crecer más allá de Business Central
Tener los datos de Business Central en un Lakehouse abre la puerta a integrar otras fuentes: CRM, APIs externas, ficheros de proveedores, datos de producción. Business Central deja de ser "el único sitio donde están los datos" y pasa a ser una fuente más dentro de una plataforma analítica real.
Implementar bc2adls es el primer bloque de una arquitectura de datos madura. Una vez que los datos fluyen de Business Central al Lakehouse de forma fiable, el camino natural tiene tres pasos:
1. Modelado en capas (Medallion Architecture)
Separar los datos en capas Bronze, Silver y Gold. bc2adls alimenta la capa Bronze; los notebooks construyen las capas superiores. Bronze recibe los datos tal como salen de Business Central. Silver aplica limpieza y tipado. Gold contiene los modelos listos para consumo analítico. La separación entre capas permite evolucionar cada una de forma independiente sin romper lo que ya funciona.
2. Integración de más fuentes
Con el Lakehouse como hub, añadir otras fuentes como CRM, ficheros de proveedores, datos de producción... es mucho más directo. El dato llega al Lakehouse y queda disponible para cruzar con cualquier otra fuente. No hay integraciones punto a punto; todo convive en el mismo espacio.
3. Modelos de datos por área de negocio
Con los datos centralizados en el Lakehouse, cada área puede tener su propio datamart: finanzas, comercial, operaciones. Una capa de datos limpia y compartida como base, y modelos específicos encima según las necesidades de cada equipo.
A partir de ahí, el horizonte se amplía: orquestaciones más automatizadas, gobierno de datos, catálogo. Pero eso ya es otra historia para los más valientes.
bc2adls no es una solución mágica, pero sí es una de las formas más directas de resolver un problema que frena a muchas empresas con Business Central: el dato está ahí, pero sacarlo para análisis siempre ha sido más complicado de lo que debería. La herramienta es madura, open source y con soporte en AppSource. La inversión inicial es baja. Y el retorno se nota desde el primer día.
Ya hemos acompañado a empresas que tienen esta arquitectura funcionando en producción: bc2adls exportando desde Business Central, arquitecturas Medallion sobre Fabric y Power BI consumiendo datos limpios y actualizados. No es teoría. Es algo que funciona hoy.
💡 Separar la capa operacional de la analítica no es un lujo; es la base para que el reporting escale.
No hace falta tener toda la arquitectura definida para dar el primer paso. Basta con identificar las tablas más críticas para el reporting, instalar la extensión y ver los primeros datos llegar al Lakehouse. A partir de ahí, el camino sigue un proceso natural.
¿Quieres saber si encaja en tu entorno? Te ayudamos a valorar el punto de partida y a dar los primeros pasos juntos. Contáctanos 🙂
