Automatizacion
Cómo un simple Flow me salvó de abandonar mi app
24 feb 2025

Introducción
Si has desarrollado proyectos personales, seguramente te ha pasado: empiezas con ilusión, pero con el tiempo la motivación se desvanece. A veces, es por falta de tiempo, otras porque el trabajo se vuelve demasiado tedioso, y en algunos casos, porque los costes de mantener el software son tan elevados que no vale la pena continuar.
En esta entrada, quiero hablar sobre el segundo caso: cómo un proceso tedioso casi me hizo abandonar una app y cómo un Flow muy simple automatizado con n8n no solo me ahorró esfuerzo, sino que también me devolvió las ganas de seguir con el desarrollo.
Antes de nada quiero agradecer a Joakim Vivas quien me enseño la herramienta.
Un poco de contexto
El año pasado comencé a desarrollar una aplicación de escalada con una idea clara: hacer una guía digital sencilla y accesible. En esencia, no tenía nada revolucionario: un CRUD para gestionar información relevante, una integración con Mapbox para visualizar zonas de escalada y una base de datos local para evitar los costes de mantener un servidor en la nube.
Todo iba bien hasta que me topé con un problema que amenazaba con hacerme abandonar el proyecto. No era un problema técnico complejo, sino algo peor: una tarea repetitiva y tediosa que me quitaba tiempo y, sobre todo, ganas de seguir.El Problema: Un Trabajo Tedioso y Lento
El problema: trabajo tedioso y poco motivador
Para que la aplicación de escalada tuviera sentido, necesitaba incluir todos los datos desde el inicio. No podía depender de que los usuarios la poblaran poco a poco, ya que la propuesta de valor era ofrecer información lista para usar.
El problema es que esta tarea era un infierno manual, compuesto por una serie de pasos mecánicos y repetitivos que convertían el desarrollo en algo más parecido a un castigo que a un proyecto ilusionante. Para que te hagas una idea, este era el proceso:
Marcar puntos en un mapa con la app Groundsman, dibujando polígonos y líneas manualmente.
Tomar fotos de los bloques de escalada.
Exportar el archivo GeoJSON desde Groundsman y enviarlo al PC.
Abrirlo con JOSM, un editor de mapas, para hacer ajustes.
Ejecutar un script en Python para corregir el formato del GeoJSON (porque JOSM no maneja bien ciertos tipos de datos).
Ejecutar otro script en Python para generar un archivo
.sqlcon los datos listos para insertar en la base de datos SQLite.Borrar los datos anteriores en SQLite para evitar conflictos de IDs.
Ejecutar el script SQL para insertar los nuevos puntos.
Subir el GeoJSON a Mapbox para integrarlo en la app.
Tomar las fotos de los bloques y añadir coordenadas manualmente en un visor HTML+JS para marcar las rutas de escalada.
Guardar estas coordenadas en la base de datos para que la app pueda mostrarlas correctamente.
Un proceso largo, manual y repetitivo que cortaba por completo la motivación y ponía en riesgo la continuidad del proyecto. Hasta que apareció la automatización.
La solución: dejar que el trabajo sucio lo haga otro
Aquí es donde entra en juego n8n y la automatización. Aunque mi flow es bastante básico, estoy empezando a descubrir el potencial que tiene para eliminar tareas repetitivas y tediosas.
Si bien hay pasos que aún debo hacer manualmente—como tomar fotos de los bloques, marcar la línea de ascenso o introducir puntos y rutas en JOSM—he conseguido reducir el proceso de 11 a solo 6 tareas. Y eso cambia completamente la perspectiva del proyecto.
No solo he automatizado parte del proceso, sino que ahora veo todo lo que podría automatizar en el futuro. Algunas ideas que ya tengo en mente:
Usar la API de Mapbox para subir los datasets automáticamente.
Insertar registros en la base de datos cada vez que se dibuja una línea de coordenadas en una foto.
Lo que antes parecía una tarea interminable ahora tiene sentido, y gracias a la automatización, este proyecto sigue con vida.
Entrando en la parte técnica
Por entrar un poco más en detalle, aquí dejo una imagen del flow en n8n y a continuación una breve explicación de lo que hace cada nodo.
"Aquí tienes el flujo en acción: 👇"

Explicación de los nodos
1️⃣ Trigger – Iniciando el flujo
Este nodo es el punto de partida del flujo. En mi caso, se activa manualmente cuando hago clic en "Test Workflow", pero podría configurarse para ejecutarse automáticamente mediante un cron o un webhook si quisiera que funcionara sin intervención manual.
2️⃣ Formateo de datos – Ajustando el GeoJSON
El segundo nodo ejecuta un script de Python encargado de dar formato al archivo GeoJSON. Al guardar en JOSM, ciertos valores como Boolean, Integer o Double no se manejan correctamente, por lo que este script se encarga de corregirlos y preparar los datos para que puedan insertarse sin problemas en SQLite.
3️⃣ Borrar datos – Limpiando la base de datos
Este nodo se encarga de vaciar la base de datos local antes de insertar los nuevos registros. Esto evita conflictos con IDs duplicados y asegura que siempre estemos trabajando con la información más reciente.
4️⃣ Espera de 2 segundos – Dando margen al proceso
Aquí simplemente añadí una pausa de 2 segundos para asegurarme de que la base de datos tiene tiempo suficiente para procesar la eliminación de registros antes de continuar con la inserción de nuevos datos. Es un paso simple, pero necesario para evitar errores.
5️⃣ Generación de consultas SQL – Creando los INSERTs
Este nodo ejecuta otro script de Python, encargado de convertir los datos formateados en sentencias SQL listas para insertarse en la base de datos. Como salida, genera un array de consultas SQL con cada nuevo registro que debe añadirse.
6️⃣ Adaptación de consultas – Dando formato a SQLite
En este punto, el flujo transforma el array de consultas SQL en un formato que SQLite pueda procesar correctamente. Esto es clave porque SQLite requiere un formato específico para ejecutar múltiples consultas en una sola transacción.
7️⃣ Inserción de registros – Guardando los datos en la base de datos
El último nodo del flujo procesa las consultas formateadas y las inserta en la base de datos SQLite. Una vez ejecutado, todos los datos nuevos quedan almacenados y listos para ser utilizados en la aplicación.
Futuros pasos: más automatización, menos trabajo manual
Si bien este flow ya me ha ahorrado una cantidad enorme de trabajo tedioso, todavía hay muchas mejoras y automatizaciones que puedo implementar para hacer el proceso aún más eficiente. Algunas ideas que tengo en mente son:
🔹 Automatizar la subida de datos a Mapbox
Actualmente, después de generar los datos, tengo que subir manualmente el archivo GeoJSON a Mapbox para que la aplicación pueda usar los mapas actualizados. Esto podría automatizarse con la API de Mapbox, permitiendo que el flujo suba los datos de forma automática después de generarlos.
🔹 Sincronización en tiempo real con la base de datos
En lugar de ejecutar manualmente el workflow cada vez que quiero actualizar los datos, podría hacer que se active automáticamente cada vez que se edite un bloque en JOSM o cuando suba nuevas fotos. Esto haría que los cambios se reflejen en la app sin intervención manual.
🔹 Notificaciones automáticas y alertas
Para evitar olvidarme de actualizar la base de datos, podría hacer que el workflow envíe notificaciones a mi móvil o correo cada vez que sea necesario actualizar los datos o si ocurre algún error en el proceso.
Este flow es solo el inicio de una serie de mejoras que me permitirán automatizar aún más tareas y centrarme en lo realmente importante: mejorar la aplicación y seguir desarrollando nuevas funcionalidades. 🚀
Para los más curiosos
Os dejo unos mockup para que podáis echarle un ojo a la aplicación👇
