Ir al contenido principal

Cómo trabajamos

Cada build empieza con un discovery que fija el scope y el precio. Después, los casos de uso entran en producción uno a la vez sobre Snowflake, cada sprint cierra con software funcionando y un POC cumple sus criterios de éxito antes del build completo.

Tres formas de trabajar con nosotros

La asesoría y la ingeniería agéntica encajan con equipos que ya tienen parte del trabajo avanzado. Una transformación completa construye en conjunto los cimientos de datos y los agentes.

Cómo avanza un proyecto

El primer paso puede ser pequeño: una sesión de preparación para Data + AI, o un flujo de trabajo mapeado junto con el equipo del cliente. Después, el build avanza en cuatro fases, y el sponsor aprueba el scope y el presupuesto en cada punto de decisión.

  1. Discovery

    Nuestros arquitectos revisan las fuentes con las partes interesadas y ordenan los casos de uso según su retorno. El primer caso de uso ataca un problema con un costo medible y datos que ya están al alcance. El discovery traza la arquitectura objetivo en Snowflake y termina con un scope fijo, un precio atado al resultado y los criterios de éxito de la prueba.

  2. Sprints por caso de uso

    Los casos de uso entran en producción uno a la vez, como productos de datos o agentes de IA. Nuestros ingenieros trabajan en la cuenta de Snowflake del cliente, con los roles que este otorga, y Snowflake CoCo acelera el build: cada objeto que produce se revisa y se valida antes de llegar a producción. Cada sprint cierra con una demo de sprint de software funcionando sobre los datos del cliente. En cada junta de seguimiento el sponsor reordena un backlog compartido, y el negocio decide en cada punto de decisión.

  3. Prueba antes de escalar

    Antes del build completo, un POC enfocado corre con los datos del cliente frente a los criterios de éxito fijados en el discovery. Para los datos, una ejecución en paralelo contrasta los nuevos números con aquellos en los que los equipos confían hoy, y cada discrepancia se rastrea y se explica. Para un agente de IA, las evaluaciones lo califican con casos del propio negocio, y una persona aprueba lo que importa. La decisión de escalar se apoya en lo que mostró la prueba, y el sponsor puede replantear el scope en el punto de decisión.

  4. Operar y extender

    Personas del equipo del cliente construyen junto a nuestros ingenieros, y el trabajo entra en producción con runbooks, documentación y sesiones de habilitación. A partir de ahí, el equipo del cliente lo opera, o Viewnear lo opera y lo amplía como servicio gestionado, que ajusta el consumo y afina Snowflake y los agentes.

La seguridad y el gobierno aplican en cada fase. Cómo protegemos los datos empresariales

Las demos de sprint y las juntas de seguimiento se hacen en el horario laboral del cliente.

El modelo nearshore

Seis pasos para cada caso de uso

Dentro de los sprints por caso de uso, llevamos un caso prioritario a la vez del discovery a producción en Snowflake, y luego seguimos con el siguiente. Cada uno se apoya en la base que dejaron los anteriores.

  1. Descubrir

    Evaluamos el entorno actual, las fuentes de datos y los objetivos del negocio; definimos las métricas de éxito.

  2. Diseñar

    Diseñamos la arquitectura objetivo en Snowflake, el modelo de gobierno y la capa semántica.

  3. Migrar e ingerir

    Movemos y conectamos los datos con traducción automatizada, validación y pipelines de Openflow.

  4. Construir

    Desarrollamos productos de datos, analítica y cargas de trabajo de Cortex AI y de agentes sobre datos gobernados.

  5. Gobernar y validar

    Aplicamos linaje, controles de acceso y clasificación de datos sensibles; conciliamos los datos y evaluamos los agentes.

  6. Operar y optimizar

    Operamos, monitoreamos y ajustamos el consumo y el rendimiento, con habilitación para el equipo interno.

Lo que aportamos al trabajo

  • De la ingesta a los agentes

    Los datos entran por Openflow, Snowpipe Streaming y Zero-Copy Integrations con SAP, Salesforce y Workday. dbt, Snowpark y Dynamic Tables los transforman, Horizon Catalog los gobierna, y las respuestas regresan al negocio a través de Snowsight, Streamlit in Snowflake, Snowflake CoWork, APIs y agentes.

  • Formatos de tabla abiertos

    Cuando otros motores o nubes necesitan los mismos datos, construimos sobre tablas Apache Iceberg en Horizon Catalog, para que las mismas políticas apliquen dondequiera que se lean.

  • Migraciones desde sistemas heredados

    Nuestros frameworks de migración e ingenieros certificados en SnowPro reducen el riesgo y el retrabajo al migrar desde Teradata, Oracle, Hadoop o SQL Server.

  • Agentes anclados en Semantic Views

    Construimos soluciones agénticas dentro y alrededor de Snowflake, y anclamos Snowflake CoWork (el agente personal de trabajo) y Cortex Agents en Semantic Views, para que los usuarios de negocio obtengan respuestas citadas y rastreables hasta la fuente, con las definiciones que comparten todos los equipos. Las evaluaciones de Cortex Agents califican a los agentes con casos del propio negocio antes de desplegarlos.

  • Un equipo designado, con dominio de Snowflake

    El sponsor conoce al equipo antes de firmar, y las mismas personas permanecen desde el discovery hasta producción, trabajando desde Austin y Monterrey. Viewnear es Snowflake Premier & Select Partner y Snowflake CoCo Preferred Partner, y el equipo suma 10 certificaciones SnowPro.

  • Ventaja inicial en procesos documentales

    Un caso de uso con alta carga de documentos puede partir de uno de los cinco aceleradores que ya corren en producción: DocLens, StatementIQ, UnderwriteIQ, InvoiceMatch y ContractLens. Leen paquetes de documentos, estados de cuenta, expedientes de crédito, facturas y pagos, así como contratos, y escriben registros validados en Snowflake con un rastro hasta el origen de cada número.

Modelos de colaboración y precios

Las tres formas de trabajar con nosotros se contratan con estos modelos, y los modelos se combinan conforme crece el trabajo.

  • Costo fijo

    El scope, el cronograma y el precio se acuerdan por adelantado en un enunciado de trabajo, con hitos, puntos de decisión y control de cambios si el scope varía. La tarifa se ata al resultado, y el presupuesto se conoce antes de empezar el trabajo.

    Ideal para Builds de base definidos y migraciones

  • Time & materials

    El trabajo se factura por esfuerzo sobre un backlog compartido cuyas prioridades fija el negocio, con demos en cada sprint, reportes de avance y la opción de detener o cambiar de rumbo en cualquier sprint.

    Ideal para Discovery, POCs y scope cambiante

  • Equipo dedicado y staff augmentation

    Ingenieros certificados en SnowPro se suman como equipo dedicado o como capacidad adicional dentro del equipo del cliente, con las herramientas y los repositorios de ese equipo, y la escala sube o baja cada mes. Cubren roles de arquitectura, ingeniería de datos y analytics engineering, y los ingenieros internos aprenden a la par.

    Ideal para Escalar con rapidez un equipo existente

  • Servicios gestionados y soporte

    Después de la salida a producción, un equipo dedicado opera el entorno Snowflake y los agentes que corren sobre él, junto al equipo interno, con monitoreo, optimización de costos, SLAs, un contacto asignado y una hoja de ruta de mejoras.

    Ideal para Operar y hacer crecer un entorno Snowflake en producción

Qué determina el costo

Una llamada de 30 minutos da un rango aproximado. Después, el discovery fija el scope y devuelve un precio firme antes de comprometer un build, y la siguiente inversión espera a que un caso de uso esté en producción. El precio depende de:

  • El volumen de datos y la cantidad y complejidad de los sistemas de origen
  • Cuántos casos de uso de analítica e IA están dentro del scope
  • El tamaño del equipo y el cronograma objetivo
  • Los requisitos de gobierno, compliance y seguridad
  • El punto de partida: una cuenta de Snowflake nueva o existente, o un sistema heredado por migrar y los reportes que se alimentan de él
  • Los sistemas por conectar, con entrada por Openflow o Zero-Copy Integrations y salida hacia Snowsight, Streamlit in Snowflake, APIs y agentes

El consumo de Snowflake es una partida aparte, que se factura On Demand o se paga por adelantado como Capacity: créditos de cómputo, AI Credits para funcionalidades como Cortex Agents y Snowflake CoWork, almacenamiento por terabyte al mes y transferencia de datos a otras regiones o nubes.

Proyectos con clientes

Ver todos los casos de éxito

De documentos clasificados a mano a la clasificación de reclamaciones con 95% de precisión en segundos

Una empresa de procesamiento de reclamaciones clasificaba a mano los documentos de numerosas aseguradoras, lo que causaba demoras, errores y archivos extraviados. Con funciones de Snowflake Cortex AI como AI_EXTRACT, Viewnear automatizó la clasificación y la extracción de datos, con lo que la precisión subió del 60% al 95% y el procesamiento por documento bajó a cuatro segundos.

Leer más

Visibilidad en tiempo real de más de 20,000 estudiantes en varios campus, en operación en siete semanas

Un grupo de universidades que atiende a más de 20,000 estudiantes en Miami y América Latina tenía los registros académicos y los eventos de aprendizaje del LMS aislados por campus. Viewnear construyó un pipeline de datos de estudiantes en tiempo real sobre Snowflake, con un entorno gobernado, integración nativa con Anthology Illuminate Developer y streaming de eventos Caliper en tiempo real, así que los datos académicos y de actividad de aprendizaje hoy viven en una sola fuente.

Leer más

Un golden record confiable en ocho dominios de negocio

Un grupo de distribuidores de vehículos comerciales operaba ventas, servicio, refacciones y el back office en sistemas separados, sin una versión única de cada cliente, vehículo, refacción o proveedor. Viewnear está construyendo una base corporativa de datos maestros sobre Snowflake, con un golden record multifuente que se libera un dominio a la vez en ocho dominios de negocio. Corre sobre una arquitectura Medallion, con ingesta en Openflow, transformaciones en dbt y agentes de Snowflake CoWork por dominio.

Leer más

Elegir el primer caso de uso

En una llamada de 30 minutos vemos por dónde empezar y qué cubriría el discovery.