Por qué cuesta tanto reconstruirlo

El fondo de datos no es la copia de un solo sitio, sino 107 integraciones ganadas una a una, cada cual con sus propias trampas, superadas una tras otra:

• Plataformas que cortan en 2.000 resultados por consulta: resuelto repartiendo la búsqueda por día × categoría; se descubrió solo después de que el fondo construido de forma ingenua hubiera perdido en silencio el 60 % de los registros.
• Plataformas que bloquean las direcciones IP de los centros de datos: el tráfico se desvía por una conexión residencial.
• Paginación ligada a la sesión, codificaciones ISO-8859-1, interfaces cuyo criterio de ordenación miente y flujos que vuelven a publicar cada cambio de estado.
• Archivos que llegan hasta 2002, parte de los cuales las propias fuentes ya no sirven. Ese histórico no puede volver a obtenerse a ningún precio.

Reconstruir esto no es solo una cuestión de presupuesto, sino de 18 meses de hallazgos sucesivos: cada plataforma revela sus trampas únicamente en funcionamiento real.

Cómo funciona

Toda la cadena de recogida, normalización, traducción, verificación y publicación funciona de forma autónoma: más de 50 servicios programados con registro de fallos, modelos de lectura que se reconstruyen cada noche, una redacción de señales escrita por máquinas y comprobada de forma cruzada por máquinas, y un flujo público en directo sobre su propio funcionamiento. Coste de infraestructura: menos de 100 € al mes, todo incluido. Coste marginal del país siguiente: una integración, no un equipo.

Estructura, no simple almacenamiento

Órganos de contratación normalizados en 24,0 M anuncios; adjudicaciones enlazadas con empresas inscritas en registros (NIF, SIREN, CUI, EIK, Y-tunnus…); clasificación CPV homogénea en todo el fondo; criterios de solvencia estructurados en el 87 % de los procedimientos abiertos por encima de los umbrales; la traducción de los títulos como capa propia; ciclos de actividad de cada órgano de contratación, listos para la previsión.