¿Qué es un Data Space (Espacio de Datos)? Un Data Space (Espacio de Datos) es un ecosistema técnico y de gobernanza que permite a múltiples organizaciones compartir datos de forma segura, controlada e interoperable, manteniendo la soberanía sobre su información. A diferencia de un data lake centralizado donde una entidad controla todos los datos, en un Data Space cada participante mantiene control total sobre qué comparte, con quién, cuándo y bajo qué condiciones.

Concepto clave: Imagina un “marketplace de datos” federado donde hospitales, aseguradoras y laboratorios pueden intercambiar información de pacientes (con consentimiento) sin centralizar datos sensibles en un único servidor.

Por qué importa en 2026:

• 🇪🇺 GDPR compliance: Soberanía de datos es obligatoria
• 🌐 Gaia-X y IDSA: Estándares europeos en adopción
• 💰 Monetización datos: Nuevos modelos de negocio B2B
• 🤝 Colaboración sectorial: Salud, movilidad, energía

En esta guía aprenderás:

• Qué es un Data Space y cómo funciona técnicamente
• Diferencias vs data lake, data warehouse, data fabric
• Arquitectura (IDSA connectors, Gaia-X framework)
• Casos de uso reales por industria
• Cómo implementar uno (roadmap y herramientas)
• Cumplimiento GDPR y soberanía de datos

¿Te imaginas un entorno donde las empresas puedan compartir datos de forma segura, soberana y enriquecedora para todos? 🤔 Este no es el futuro, es el presente gracias al Espacio de Datos. En un mundo donde la información es el activo más valioso, estos ecosistemas emergen como la pieza clave para impulsar la innovación, la eficiencia y nuevos modelos de negocio. Pero, ¿qué son exactamente? ¿Por qué están generando tanto interés? En esta guía completa, desgranaremos todo lo que necesitas saber sobre los Espacios de Datos, la infraestructura que está redefiniendo las reglas del juego en la economía digital 🚀 y el concepto del Big Data.

🔀 Data Space vs Data Lake vs Data Warehouse vs Data Fabric

Confusión común: “¿No es lo mismo que un data lake?” NO. Aquí las diferencias:

Ejemplo Visual de la Diferencia

Modelo Centralizado (Data Lake/Warehouse):

Hospital → [Lago de Datos Central] ← Aseguradora
                    ↓
         Laboratorio accede todo

❌ Problema: Laboratorio tiene acceso a MÁS datos de los necesarios.

Modelo Federado (Data Space):

Hospital ←→ [Conector IDSA] ←→ Laboratorio
   ↓                              ↓
Solo comparte:               Solo recibe:
- Resultado test             - Resultado test
- Fecha                      - Fecha anonimizada
- ID paciente hash           - Sin datos personales

✅ Ventaja: Cada uno controla QUÉ comparte, con QUIÉN y CUÁNDO.

¿Cuándo Usar Cada Uno?

Usa Data Lake/Warehouse si:

• Todos los datos son de TU empresa
• Necesitas analytics centralizado
• No compartes datos externamente

Usa Data Space si:

• Colaboras con partners/proveedores
• Necesitas cumplir GDPR estricto
• Datos sensibles de múltiples organizaciones
• Sector regulado (salud, finanzas, gobierno)

¿Qué es un Espacio de Datos? 🤷‍♂️ Definición Sencilla

Un Espacio de Datos no es una tecnología específica, sino un ecosistema de confianza basado en una arquitectura descentralizada. Es un marco organizativo, legal y técnico que permite a múltiples participantes (empresas, administraciones públicas, individuos) compartir e intercambiar datos de manera segura, justa y soberana.

Piensa en él como una “asociación” o un “club” de miembros que acuerdan unas reglas comunes para gobernar el uso de sus datos. 🔐 La clave fundamental es que el propietario de los datos nunca pierde el control. Decide qué datos comparte, con quién, para qué propósito y durante cuánto tiempo. Esto se conoce como soberanía de datos y es el pilar central de cualquier espacio de datos.

💡 Analogía: Es como un centro comercial de datos. Cada tienda (participante) es dueña de sus productos (datos) y decide a quién vender, pero todas se rigen por las normas de seguridad y convivencia del centro comercial (el espacio de datos).

Los Pilares de la Confianza: IDSA y Gaia-X 🛡️

La construcción de estos ecosistemas de datos no es algo que suceda de la noche a la mañana. Requiere de marcos de confianza y estándares que garanticen la interoperabilidad y la seguridad. Dos de las iniciativas más destacadas a nivel global son IDSA (International Data Spaces Association) y Gaia-X Espacio de Datos.

IDSA es una asociación que ha desarrollado una arquitectura de referencia y estándares técnicos para los Espacios de Datos. Su modelo se basa en el principio de soberanía de datos y permite a los participantes intercambiar información bajo un conjunto de reglas claras y auditables. Un conector basado en IDSA, por ejemplo, asegura que los datos compartidos estén siempre bajo control de su propietario, habilitando flujos de datos confiables en cualquier industria.

Por otro lado, Gaia-X es una iniciativa europea que busca crear una infraestructura de datos federada y segura, basada en los valores de la Unión Europea. Su visión es construir un ecosistema digital abierto, transparente y soberano. Los principios de Gaia-X son plenamente compatibles con los de IDSA, y de hecho, ambas iniciativas trabajan en estrecha colaboración para definir un marco de referencia que impulse la adopción de los Espacios de Datos en sectores estratégicos como la salud, la energía y la movilidad.

Una referencia entre los Espacios de datos es el propio de MobilityLab.eus.

¿Cómo Funciona un Espacio de Datos? ⚙️ La Arquitectura Subyacente

El funcionamiento técnico de un Espacio de Datos se basa en una arquitectura federada y descentralizada. En lugar de centralizar toda la información en un único punto (lo que crea riesgos de seguridad y dependencia), los datos permanecen con sus propietarios. Lo que se comparte y conecta son los catálogos de datos disponibles y los puntos de acceso mediante APIs seguras.

Los componentes esenciales suelen incluir:

• Catálogo de Datos: Un “marketplace” donde los participantes publican qué datos están disponibles para compartir, junto con sus condiciones de uso.
• Conector o Gateway: Un software seguro que permite la interconexión técnica entre los sistemas de los diferentes participantes, asegurando que se cumplen las políticas del ANS – Acuerdo de Nivel de Servicio del intercambio de datos.
• Marco de Gobernanza: El conjunto de reglas, políticas y estándares que todos los miembros aceptan cumplir. Esto es lo que genera confianza.
• Servicios de Identidad y Acceso: Gestionan quién puede acceder a qué y bajo qué condiciones, garantizando la autenticación y autorización.

La implementación de un Data Space requiere sólidas prácticas de gobierno del dato para asegurar calidad y compliance.

⚙️ Arquitectura Técnica de un Data Space

Componentes Clave (Stack Tecnológico)

1. Connector/Gateway (Puerta de Entrada)

• Qué es: Software que vive en el infrastructure de cada participante
• Función: Controla qué datos salen, hacia dónde, bajo qué políticas
• Tecnologías:
• IDSA Connector (open source)
• Eclipse Dataspace Connector (EDC)
• Gaia-X DAPS (Dynamic Attribute Provisioning Service)

Analogía: Como un firewall inteligente que no solo bloquea, sino que NEGOCIA condiciones de intercambio.

2. Data Catalog (Catálogo de Datos)

• Qué es: “Marketplace” donde organizaciones publican qué datos están disponibles
• Contiene:
• Metadata (qué tipo de datos)
• Condiciones de uso (precio, restricciones)
• Formato (JSON, CSV, API REST)
• Quality metrics (completitud, freshness)

Ejemplo:

{
  "dataset": "patient_test_results",
  "provider": "Hospital San Carlos",
  "description": "Resultados análisis sangre anonimizados",
  "format": "JSON via REST API",
  "update_frequency": "real-time",
  "price": "€0.50/query",
  "gdpr_compliant": true,
  "restrictions": "solo fines investigación"
}

3. Identity & Access Management (IAM)

• Qué hace: Autenticación + Autorización
• Componentes:
• Self-Sovereign Identity (SSI) – identidad descentralizada
• Attribute-based Access Control (ABAC)
• Smart contracts (blockchain) para auditoría

Flujo:

1. Laboratorio solicita datos a Hospital
2. IAM verifica identidad de Laboratorio
3. Smart contract valida: ¿tiene permiso? ¿pagó?
4. Si OK → Connector libera datos
5. Toda transacción queda en blockchain (inmutable)

4. Governance Framework (Marco de Gobernanza)

• Qué incluye:
• Políticas de uso de datos (Data Usage Policies)
• SLAs (Service Level Agreements)
• Dispute resolution (cómo resolver conflictos)
• Compliance rules (GDPR, HIPAA, etc.)

Ejemplo de política:

IF (requester.sector == "pharma" AND 
    purpose == "drug_development" AND 
    consent.expiry > today())
THEN allow_access(data.anonymized)
ELSE deny()

5. Trust & Security Layer

• Tecnologías:
• Encryption: TLS 1.3 in-transit, AES-256 at-rest
• Zero-Knowledge Proofs: Demostrar cumplimiento sin revelar datos
• Homomorphic Encryption: Computar sobre datos encriptados
• Differential Privacy: Añadir ruido para proteger individuos

Arquitectura de Referencia IDSA

┌─────────────────────────────────────────────┐
│         Participant A (Hospital)             │
│  ┌──────────────────────────────────────┐   │
│  │  Internal Systems (EHR, databases)   │   │
│  └──────────────┬───────────────────────┘   │
│                 │                             │
│  ┌──────────────▼───────────────────────┐   │
│  │      IDSA Connector                  │   │
│  │  • Policy Enforcement Point          │   │
│  │  • Data Usage Control                │   │
│  │  • Logging & Audit                   │   │
│  └──────────────┬───────────────────────┘   │
└─────────────────┼───────────────────────────┘
                  │ Secure Channel (TLS)
                  │
┌─────────────────▼───────────────────────────┐
│            Data Space Broker                 │
│  • Metadata Registry                         │
│  • Service Discovery                         │
│  • Trust Anchor                              │
└─────────────────┬───────────────────────────┘
                  │
┌─────────────────▼───────────────────────────┐
│         Participant B (Pharma Lab)           │
│  ┌──────────────────────────────────────┐   │
│  │      IDSA Connector                  │   │
│  └──────────────┬───────────────────────┘   │
│                 │                             │
│  ┌──────────────▼───────────────────────┐   │
│  │  Analytics Platform (consume data)   │   │
│  └──────────────────────────────────────┘   │
└─────────────────────────────────────────────┘

Los 5 Beneficios Clave de un Espacio de Datos ✨

La adopción de un Espacio de Datos reporta ventajas estratégicas tanto a nivel individual como colectivo:

• Soberanía y Control Total sobre los Datos 👑: Es el beneficio principal. Las empresas recuperan el poder sobre su información, decidiendo exactamente cómo se utiliza. Esto contrasta con el modelo de las grandes plataformas tecnológicas que se apropian de los datos.
• Innovación y Nuevos Modelos de Negocio 💡: Al combinar datos de diferentes fuentes de forma segura, se abren oportunidades para crear nuevos productos, servicios e insights valiosos. Por ejemplo, combinar datos de movilidad y energía para optimizar el consumo en una ciudad inteligente.
• Cumplimiento Normativo (RGPD y más allá) ✅: Los espacios de datos están diseñados para facilitar el cumplimiento de regulaciones como el RGPD, ya que el control y la trazabilidad del consentimiento están integrados en su ADN.
• Eficiencia Operativa y Reducción de Costes 📉: Permite acceder a datos externos de calidad sin necesidad de costosas y lentas negociaciones bilaterales, agilizando procesos de análisis y toma de decisiones.
• Colaboración Ecosistémica 🤝: Fomentan la creación de ecosistemas de negocio donde diferentes actores (proveedores, clientes, socios) colaboran para lograr un objetivo común, generando un valor que ninguna organización podría alcanzar por sí sola.

El Futuro es Colaborativo: Conclusión 🚀

Los Espacios de Datos representan un cambio de paradigma: pasar de un modelo de acumulación y competencia basado en datos a un modelo de colaboración y creación de valor compartido. Son la infraestructura esencial para construir una economía digital más justa, eficiente e innovadora, con un enfoque en la soberanía de los datos gracias a iniciativas clave como IDSA y Gaia-X.

Las empresas que comiencen a explorar y participar en Espacios de Datos relevantes para su sector se posicionarán como líderes en la próxima década. No se trata solo de tecnología; se trata de una nueva forma de entender las relaciones empresariales en la era de la información.

Los Data Spaces son parte integral de estrategias de transformación digital empresarial, especialmente en sectores regulados.

Dinámica para explicar lo que es un espacio de datos

Aquí proponemos una dinámica grupal práctica y visual para representar el concepto de un espacio de datos federado usando solo material físico (papel, post-its, rotuladores, etc.). Diseñada para unas 10 personas y una duración aproximada de 30–40 minutos.

🎯 Objetivo de la dinámica

Que el grupo entienda cómo funciona un espacio de datos federado, donde cada participante mantiene el control de sus propios datos pero puede compartir información de forma interoperable y confiable con los demás.

🧩 Materiales necesarios

• Hojas o cartulinas (para simular los “repositorios de datos” de cada grupo)
• Post-its (para representar los “datos”) — ideal usar colores distintos según tipo de dato
• Rotuladores de diferentes colores
• Cinta adhesiva o cuerda (para representar conexiones/federaciones)
• Un reloj o temporizador (opcional)

👥 Distribución del grupo

Divide las 10 personas en 4 grupos de 2-3 personas. Cada grupo representa una organización que tiene su propio sistema de datos.

Ejemplo:

• Grupo A: Hospital
• Grupo B: Laboratorio
• Grupo C: Aseguradora
• Grupo D: Gobierno local

🧠 Paso 1 – Cada grupo crea su “repositorio de datos” (10 min)

Cada grupo recibe una hoja DINA3 que representa su base de datos interna. En ella deben pegar post-its con sus datos disponibles (por ejemplo: pacientes, resultados, pólizas, normativas…). Post-it verde datos sin riesgo, post-it amarillos datos con cierto valor, post-it rojos/rosas datos

➡️ Regla: Esos datos no se comparten directamente con otros grupos. Cada grupo controla su propio “repositorio”.

🔄 Paso 2 – Se plantea una necesidad de colaboración (10 min)

La persona facilitadora plantea una pregunta o problema común que requiere datos de varias organizaciones. Ejemplo:

“Queremos analizar cuántos pacientes con diabetes están asegurados y han hecho análisis en el último año.”

Los grupos deben discutir qué datos tienen que podrían ayudar a resolverlo, pero sin entregarlos físicamente.

🕸️ Paso 3 – Construimos la federación (15 min)

Con cinta adhesiva o cuerda, los grupos dibujan las conexiones entre sus repositorios, creando una red federada.

• Cada grupo lanza la cuerda al grupo del que va a consumir los datos después de hablar entre los grupos.
• La persona facilitadora dispone de todas las cuerdas necesarias.
• En el extremo que se recibe la cuerda, el grupo escribe en una hoja los datos a compartir (altura del paciente y dolencia pero nada más)
• El grupo que ha lanzado recoge la cuerda con el papel atado representando el esfuerzo de entregar los datos.

➡️ El resultado: una red cooperativa donde cada grupo sigue dueño de sus datos, pero se comparten insights y resultados para resolver el problema común.

💬 Cierre y reflexión (5-10 min)

El facilitador guía una discusión breve:

• ¿Cómo se sintió mantener el control de los datos propios pero colaborar?
• ¿Qué cambió entre la fase inicial (aislada) y la federada?
• ¿Qué aprendizajes se pueden trasladar a contextos reales?

🧠 Concepto que representa

El ejercicio permite visualizar:

• Soberanía de los datos: cada grupo mantiene sus datos internos.
• Interoperabilidad: los grupos crean “puertos” con información agregada.
• Confianza y gobernanza compartida: la red sólo funciona si hay reglas claras de intercambio.

💼 Casos de Uso Reales de Data Spaces (2026)

1. Salud: European Health Data Space (EHDS)

Problema:

• Paciente se muda de Madrid a Berlín
• Hospital alemán NO tiene acceso a historial médico español
• Resultado: Pruebas duplicadas, riesgo diagnóstico incorrecto

Solución con Data Space:

Paciente en Berlín → otorga consentimiento via app
   ↓
Hospital Berlín solicita historial a Hospital Madrid
   ↓
IDSA Connector valida: consentimiento + identidad + propósito
   ↓
Hospital Madrid comparte SOLO datos relevantes (alergias, tratamientos previos)
   ↓
Todo queda auditado en blockchain (GDPR compliance)

Impacto:

• ✅ Diagnóstico 40% más rápido
• ✅ Reducción 30% pruebas duplicadas
• ✅ Ahorro €2.3B/año estimado (EU)

Tech stack:

• Gaia-X EHDS framework
• Self-Sovereign Identity (SSI) para pacientes
• HL7 FHIR para interoperabilidad datos clínicos

Los Data Scientists son roles clave en Data Spaces, analizando datos compartidos para generar insights que ninguna organización podría lograr sola.

2. Movilidad: Mobility Data Space (MDS)

Caso: Smart City – Optimización Tráfico + Parking

Participantes:

• Ayuntamiento (semáforos, cámaras tráfico)
• Operadores transporte público (buses, metro)
• Apps parking privadas (Parclick, ElParking)
• Waze / Google Maps

Cómo funciona:

1. Ayuntamiento comparte: ocupación parking público + estado semáforos
2. Apps parking comparten: disponibilidad plazas privadas
3. Operadores comparten: retrasos buses en tiempo real
4. Waze consume todo → redirige tráfico inteligentemente

Resultado:

• 🚗 Reducción 25% tiempo búsqueda parking
• 🚌 Mejora 15% puntualidad transporte público
• 🌱 Reducción 18% emisiones CO2

Ejemplo real: Mobility Data Space País Vasco

3. Agricultura: Agricultural Data Space

Problema: Agricultores pequeños NO tienen datos suficientes para optimizar cultivos.

Solución:

10 agricultores locales + cooperativa + empresa semillas
   ↓
Comparten (anonimizado):
* Datos suelo (pH, nutrientes)
* Datos climáticos locales
* Rendimiento cosechas
   ↓
IA analiza patrones agregados
   ↓
Recomendaciones personalizadas a cada agricultor

Beneficio:

• 📈 Aumento 12% productividad
• 💧 Reducción 20% uso agua
• ☣️ Reducción 25% pesticidas

Tech: Sensores IoT + Edge Computing + IDSA connectors

4. Energía: Energy Data Space

Caso: Optimización Red Eléctrica con Renovables

Participantes:

• Centrales eólicas/solares (producción real-time)
• Distribuidoras eléctricas (demanda)
• Prosumers (hogares con paneles solares)
• Estaciones carga coches eléctricos

Problema: Energía renovable es impredecible (depende clima).

Solución Data Space:

Predicción meteorológica + producción solar actual + demanda esperada
   ↓
IA predice: "Mañana 14:00-16:00 habrá exceso solar"
   ↓
Automáticamente:
* Reduce producción centrales gas
* Activa carga coches eléctricos (precio reducido)
* Almacena exceso en baterías

Impacto:

• 🌞 Aprovechamiento 95% energía renovable (vs 70% sin coordinación)
• 💰 Ahorro €15M/año (región Cataluña)

5. Finanzas: Open Banking + KYC Data Space

Caso: KYC (Know Your Customer) compartido

Problema actual:

• Cliente abre cuenta en 3 bancos diferentes
• Cada banco hace proceso KYC duplicado
• Cliente frustr ado: 3x documentación

Con Data Space:

Cliente hace KYC completo en Banco A
   ↓
Otorga consentimiento para compartir KYC con Banco B
   ↓
Banco B valida KYC via Data Space (sin re-pedir documentos)
   ↓
Apertura cuenta en minutos (vs días)

Beneficios:

• ✅ Reducción 80% tiempo onboarding
• ✅ Ahorro €50-100 por KYC (elimina duplicación)
• ✅ Mejor experiencia cliente

Compliance: PSD2 (EU) compatible + GDPR by design

Tabla Resumen: Data Spaces por Sector (2026)

🛠️ Cómo Implementar un Data Space (Roadmap)

Fase 1: Assessment & Design (Mes 1-2)

Paso 1: Define el Ecosistema

• ¿Quiénes son los participantes potenciales?
• ¿Qué datos tiene cada uno que podrían ser valiosos?
• ¿Qué problema de negocio se resuelve compartiendo?

Paso 2: Marco Legal & Gobernanza

• Contrato marco (Data Sharing Agreement)
• Políticas de uso de datos
• Modelo de monetización (gratis, pago, reciprocidad)
• Compliance: GDPR, sector-specific (HIPAA, PCI-DSS)

Paso 3: Arquitectura Técnica

• Elige framework: IDSA, Gaia-X, custom
• Define APIs y formatos de datos (JSON, Parquet)
• Diseña catálogo de datos (qué se publica)

Fase 2: POC / Piloto (Mes 3-5)

Objetivo: Probar con 2-3 participantes + 1 caso de uso simple

Tech Stack Recomendado (Open Source):

* IDSA Connector: Eclipse Dataspace Connector (EDC)
* Catálogo: CKAN Data Catalog
* IAM: Keycloak + DID (Decentralized Identifiers)
* Blockchain: Hyperledger Fabric (audit trail)
* APIs: REST + GraphQL
* Monitoring: Prometheus + Grafana

Ejemplo POC (2 meses):

• Hospital A + Laboratorio B
• Caso: Compartir resultados test COVID (anonimizados)
• Métricas: tiempo integración, latencia, compliance

Fase 3: Escalado (Mes 6-12)

Onboarding más participantes:

• Automatiza proceso conexión (self-service portal)
• Training & certificación (cómo usar connectors)
• Developer docs + SDKs

Operación:

• SLA monitoring (uptime, latency)
• Incident management
• Invoicing (si hay monetización)

Governance operativa:

• Comité decisiones (representantes participantes)
• Auditorías trimestrales compliance
• Evolution roadmap (nuevas features)

Costes Estimados (Data Space 10 participantes)

ROI típico: 18-24 meses (depende de monetización datos)

Herramientas Open Source para Data Spaces

1. Eclipse Dataspace Connector (EDC)

• GitHub: https://github.com/eclipse-edc/Connector
• Lenguaje: Java
• Función: IDSA-compliant connector

2. Gaia-X Federation Services (GXFS)

• Framework: Federación + compliance verification
• Incluye: Identity, Catalog, Trust Anchor

3. FIWARE Context Broker

• Para IoT + Real-time data
• Usado en Smart Cities

4. Apache Kafka + Schema Registry

• Streaming data entre participantes
• Garantiza compatibilidad formatos

5. Hyperledger Fabric

• Blockchain permissioned
• Audit trail inmutable

❓ Preguntas Frecuentes sobre Data Spaces

¿Qué es un Data Space en términos simples?

Es un “club” donde varias organizaciones comparten datos siguiendo reglas comunes, pero cada uno mantiene control total sobre su información. Como un WhatsApp group donde decides qué fotos compartes y quién las ve.

¿Cuál es la diferencia entre Data Space y Cloud Storage?

Cloud Storage (ej: Dropbox): Subes tus datos a servidor de tercero.
Data Space: Tus datos NUNCA salen de tu infraestructura. Solo compartes “vistas” o consultas específicas bajo condiciones que TÚ controlas.

¿Es lo mismo que Blockchain?

No, pero blockchain PUEDE ser parte de un Data Space (para audit trail). Un Data Space es más amplio: incluye gobernanza, connectors, catálogos, IAM, etc. Blockchain es solo UNA pieza tecnológica opcional.

¿Cómo cumple un Data Space con GDPR?

Principios GDPR integrados:

• Minimización datos: Solo se comparte lo estrictamente necesario
• Consentimiento: Granular, revocable en cualquier momento
• Right to be forgotten: Eliminar datos es responsabilidad de propietario original
• Audit trail: Blockchain registra TODO acceso (quién, cuándo, qué)
• Data sovereignty: Datos nunca salen de jurisdicción EU (si así se configura)

Gestionar correctamente un Data Space implica entender la diferencia entre CAPEX y OPEX: la infraestructura vs los costes operativos del intercambio de datos.

¿Quién controla un Data Space?

Modelo de gobernanza típico:

• Operator/Orchestrator: Mantiene infraestructura común (catálogo, broker)
• Governance Board: Comité de participantes (decisiones estratégicas)
• Individual participants: Cada uno controla SUS datos

Nadie tiene control unilateral – es federado.

¿Cuánto cuesta implementar un Data Space?

Setup inicial: €150K-€500K (depende tamaño, custom vs off-the-shelf)
Operación anual: €100K-€300K (cloud + personal)

Para participante individual: €20K-€50K setup + €10K-€30K/año operación.

¿Qué sectores están adoptando Data Spaces más rápido?

Top 3 (2026):

1. Salud (EU Health Data Space es obligatorio 2025)
2. Movilidad/Smart Cities (muchos pilotos exitosos)
3. Industria 4.0 (supply chain + manufacturing)

Emergentes:

• Finanzas (Open Banking evolution)
• Energía (renovables + smart grids)
• Agricultura (cooperativas)

¿Necesito ser una gran empresa para participar?

NO. De hecho, Data Spaces benefician ESPECIALMENTE a PYMEs porque:

• No necesitas construir infraestructura masiva propia
• Accedes a datos que solo tenían grandes corporaciones
• Nivela el playing field (PYME con buenos datos puede competir)

Ejemplo: 10 panaderías locales comparten datos ventas → negocian mejor con proveedores harina.

¿Qué pasa si un participante hace mal uso de los datos?

Protecciones:

1. Smart contracts: Uso fuera de políticas = acceso cortado automáticamente
2. Blockchain audit: Toda transacción queda registrada (evidencia legal)
3. Contrato marco: Penalizaciones económicas
4. Expulsión: Governance Board puede echar a participante malicioso

Caso real: Mobility Data Space Berlin expulsó a startup que vendió datos anonimizados sin permiso.

¿Los Data Spaces reemplazan a los APIs tradicionales?

No, los COMPLEMENTAN.

API tradicional:

• Conexión punto a punto
• Negociación bilateral
• Sin governance común

Data Space:

• APIs estandarizadas
• Catálogo descubrimiento
• Governance común
• Audit automático

Piensa: Data Space = “Uber de APIs” (mercado organizado vs contratar taxi uno a uno).

¿Puedo monetizar mis datos en un Data Space?

Sí, varios modelos:

1. Subscription: €X/mes por acceso a dataset
2. Pay-per-query: €Y por cada consulta
3. Freemium: Datos básicos gratis, premium pago
4. Reciprocidad: “Te doy mis datos si me das los tuyos”
5. Revenue share: % de valor generado con tus datos

Ejemplo: Startup mobility vende datos tráfico a €0.10/consulta → €15K/mes revenue.

¿Cuánto tarda implementar un Data Space?

Cronograma realista:

• Piloto (2-3 participantes): 3-6 meses
• Producción (10+ participantes): 9-15 meses
• Ecosistema maduro (50+ participantes): 24-36 meses

Lo más lento NO es tech, es governance y legal (alinear intereses).