HORUS
Inteligencia con
contexto de negocio.
Base integrada para proyectos de datos e IA
Presentación de la solución · Timestamp · 2026


Qué es HORUS
Un acelerador de datos e IA
que entiende el negocio
HORUS es la base que Timestamp instala en la infraestructura de cada cliente para convertir sus datos en decisiones: ingesta, calidad, catálogo, IA y gobierno ya desarrollados y operativos, que se activan y adaptan en cada caso. El proyecto se centra en el negocio, no en montar la plataforma.
Su capa semántica describe el negocio como objetos y relaciones (obras, contratos, clientes) y permite que la IA entienda de qué se habla: responde, propone y, con aprobación, actúa sobre ese modelo, con permisos, supervisión humana y trazabilidad.
Contenido
Agenda
La historia
El desafío
Información dispersa y trabajo que se repite
05Dónde encaja
Tipos de organización y señales de que es el momento
02Qué cambia con HORUS
Tres diferencias respecto a un proyecto de datos clásico
06Arquitectura lógica
Datos preparados, capa semántica, aplicaciones e IA
03Cómo funciona
Conectar, preparar, dar contexto, decidir y actuar
07Un caso real
Un grupo de construcción pregunta a sus datos
04Qué gana la organización
Implantación, día a día, visión común, control
08Implantación y siguiente paso
Compartida o dedicada; ruta en tres pasos
El desafío
Información dispersa,trabajo manual que se repite
Hoy, en muchas empresas
↺ Para cada informe y cada decisión
Trabajo duplicado y versiones distintas
Con HORUS
Gobierno, permisos y trazabilidad
Ontología de negocio
Modular y autoalojado. Los sistemas actuales se mantienen.
Qué cambia con HORUS
Tres diferenciasrespecto a un proyecto de datos clásico
Se empieza sobre una plataforma que funciona
Ya viene hecho · se activa por proyecto
- Ingesta y capas RAW · staging · marts
- Catálogo y linaje integrados
- SSO, permisos y auditoría por proyecto
- Pasarela de IA, asistentes y agentes
- Manual del proyecto generado
- Marca blanca y despliegue modular
El proyecto se dedica a: fuentes, reglas de negocio, indicadores y permisos del cliente.
Una capa semántica compartida
El mismo significado para personas e IA. Si el modelo cambia, cambia para todos a la vez.
Núcleo propio y componentes abiertos, en infraestructura propia
Al alcance de organizaciones que no pueden pagar las grandes plataformas ni quieren sacar sus datos.
Cómo funciona
Los datos, preparadospara decidir y actuar
Los sistemas actuales
HORUS lee o recibe datos de las aplicaciones y ficheros que ya se utilizan.
Preparar y comprobar
- Ordenada
- Comprobada
- Con origen conocido
Ordena la información, comprueba su calidad y conserva de dónde viene.
Dar contexto
Relaciona clientes, contratos y proyectos para que datos e IA compartan el mismo significado.
Decidir y actuar
Consulta indicadores o pregunta con IA. Compara opciones y activa tareas o acciones.
Valor para el negocio
Qué gana la organización
Valor desde la primera implantación y en el trabajo diario.
Acelerar la implantación
Base integrada de datos, IA y gobierno. El proyecto se centra en las fuentes y procesos del cliente.
Menos esfuerzo de integración.Ahorrar tiempo en el día a día
Menos conciliación, búsquedas y preparación de informes. Reutiliza información ya preparada.
Menos preparación manual.Entender mejor el negocio
Relaciona clientes, operaciones y resultados. Personas e IA comparten contexto.
Una visión compartida.Decidir y actuar con control
Contrasta opciones y activa tareas, agentes y acciones con responsables y supervisión.
Acciones con seguimiento.Con los sistemas existentes, por módulos y en infraestructura propia. Impacto a medir por caso de uso.
Dónde encaja
Para quiéntiene más sentido
Grupos empresariales medianos
ERP, CRM y ficheros por unidad de negocio; comités que esperan a la conciliación; margen y operaciones que nadie ve juntos.
Administración y datos abiertos
Catálogos CKAN, indicadores territoriales, movilidad y medio ambiente; base para gemelos digitales (prototipo Urban Data Platform).
Organizaciones con exigencia de soberanía
Dato en casa, modelos de IA locales, auditoría de accesos y residencia del dato en su propio Postgres.
Señales de que es el momento
Arquitectura VISTA LÓGICA
La capa semántica conectalos datos con el negocio
Datos preparados
Fuentes, ingesta y transformación
dlt, Airbyte, dbt y Dagster
PostgreSQL y almacenamiento de objetos
Capa semántica
Ontología del negocio
Ejemplo de objetos, propiedades y relaciones
Acciones con permisos y aprobación
Aplicaciones e IA
En la práctica · grupo de construcción y promoción
Un grupo constructorpregunta a sus datos
La situación
Con HORUS
Resultados
Cifras de la instalación del cliente, redondeadas. Nombre omitido.
Despliegue y siguientes pasos
Compartida o dedicada,un entorno por proyecto
Proyectos aislados
Instalación compartida o dedicada a un cliente
Ruta de implantación
Dónde estamos
Instalación operativa hoy, con un catálogo amplio de capacidades. El alcance efectivo depende de los módulos activados y de la configuración del proyecto.Anexo:la plataforma en detalle
Una sección por capa, con capturas de la instalación de referencia. Para equipos técnicos y para quien quiera comprobar qué hay detrás de cada afirmación.
El portal
Un portal,toda la plataforma
Cifras reales de la instalación de referencia de Timestamp, octubre de 2026

Página de arquitectura del portal: salud en vivo por bloque, con enlaces a cada servicio
Datos · ingesta y preparación
Conectar fuentes,preparar datos
Fuentes
Datos · gobierno y memoria
Saber de dónde salecada número

Linaje global en Dagster: fuentes → modelos dbt → ontología → catálogo
Ontología
El negociocomo objetos
Cada proyecto define tipos de objeto, propiedades tipadas, relaciones y acciones permitidas. Sobre ese modelo se construyen vistas, aprobaciones y escenarios.

Entorno de demostración: prototipo Urban Data Platform
Superficies de trabajo
Cuadros de mando, vistasy herramientas del día a día
Cuadros de mando BI
Exploración y cuadros en Superset, con conexiones y roles por proyecto. Cuadros versionados como configuración.
SupersetVistas operativas
Páginas con indicadores, gráficos, tablas con acciones, texto, mapas, grafos, líneas de tiempo y cuadros incrustados.
Portal HORUSEditor visual de vistas
Composición por bloques, reordenación, anchuras, filtros, validación y previsualización con los permisos del lector.
Portal HORUSAplicaciones con estado
Formularios, borradores y flujos de varios pasos con Windmill. Espacio y credenciales acotados por proyecto.
WindmillCuadernos de análisis
JupyterLab, Python y DuckDB para análisis avanzado. Cuadernos distribuidos con los productos y el SDK de objetos.
JupyterLab · DuckDB · SDK PythonColaboración
Tareas y wiki en OpenProject, sincronización bidireccional con Jira, documentación en Outline, alertas convertidas en tareas, API y SDK.
OpenProject · Jira · Outline · API y SDKIA · asistentes y conocimiento
Preguntar a los datosen lenguaje natural

AI Gateway: ejecuciones, tokens y coste por modelo, proyecto, usuario y agente
IA · agentes y automatización
Agentes que trabajanbajo supervisión
La memoria la escriben personas, con ámbito y caducidad. No es aprendizaje autónomo. Los resultados se prueban con casos, comparaciones objetivas y un LLM como juez.

Acceso MCP: endpoints por proyecto y tokens personales revocables
Inteligencia de decisión
Comparar antesde decidir
Los escenarios no modifican el entorno principal. Sus resultados se guardan como datos del proyecto, se comparan y solo se aplican de forma controlada.
Paquetes de dominio · adaptación a cada caso de uso
Seguridad y operación
Quién vio qué,y por qué
Siguiente paso:un caso de uso, un proyecto
Elegir las fuentes, acordar indicadores y permisos, y validar el uso real con el equipo que va a trabajar con ello.
Contacto
