¡Hola a todos! 👩💻
Sigo en mi viaje por aprender sobre ingeniería de datos, automatización y sistemas. Esta vez quise ir un poco más allá del clásico “llamo una API desde Python”. Quería construir algo que que reaccionara solo, que enviara correos y notificaciones sin que yo tuviera que hacer nada
Esto me llevo a construir un flujo automatizado con n8n que obtiene, transforma y comunica el clima de mi ciudad, Las Varillas
La idea del proyecto
Quería resolver algo simple, pero que involucrara el ciclo completo de un sistema automatizado: obtener datos → transformarlos → usarlos para tomar decisiones → comunicar el resultado.
Mi objetivo:
- Conectarme a la API de OpenWeather para traer los datos del clima.
- Limpiar la respuesta JSON, quedarme solo con lo importante.
- Guardar la información en Google Sheets como registro histórico.
- Y, finalmente, ¡enviarme un correo diario con el reporte del clima!
¿Por qué n8n?
Podría haberlo hecho todo con un script en Python, claro. Pero lo que buscaba no era solo código, sino entender cómo se diseñan sistemas que se ejecutan, se controlan y se comunican entre sí.
n8n me ofreció justo eso:
- Una interfaz visual donde cada bloque representa una acción.
- Integraciones directas con APIs, Google, Gmail y Telegram.
- Y la posibilidad de construir flujos condicionales, ¡sin tener que escribir 200 líneas de código!
Los componentes del flujo
El flujo completo terminó teniendo siete nodos principales, cada uno con un propósito claro:
- HTTP Request (OpenWeather API) – se encarga de “extraer” los datos del clima en formato JSON.
- Code Node (JavaScript) – limpia y transforma el JSON, dejando solo los campos útiles (temperatura, descripción, humedad, etc.).
- IF Node – introduce la lógica condicional:
- Si la temperatura máxima > 30 °C → enviar alerta de calor.
- Email Node (SMTP) – envía un correo con el reporte diario.
- Telegram Node – envía una notificación directa si se cumple la condición de calor.
- Google Sheets Node – guarda el reporte como registro histórico.
- Cron Node – programa la ejecución diaria del flujo, sin intervención manual.
Lo que aprendí 🧠
Aprendí muchísimo más de lo que esperaba, y no solo sobre n8n.
1. Entendí cómo funcionan las APIs “por dentro”.
Aprendí sobre endpoints, métodos GET, estructuras de payloads(esas “cajas” que transportan los datos) y códigos de error como el famoso 401 “no autorizado”.
2. Aprendí sobre autenticación y seguridad.
Primero usé OAuth con Google, después SMTP y, finalmente, tokens con Telegram. Cada protocolo me enseñó una parte distinta del equilibrio entre seguridad y accesibilidad.
3. Me enfrenté a errores reales.
Tuve que resolver credenciales mal configuradas, errores 400 de Gmail, y JSONs que no tenían el formato que esperaba. Entendí lo valioso que es leer logs, depurar paso a paso y —lo más importante—entender por qué algo falla.
4. Incorporé lógica de decisión.
El nodo IF fue el primer paso hacia algo que parece simple pero cambia todo: un flujo que piensa. Ya no ejecuta tareas por cumplir, sino que toma decisiones basadas en datos.
5. Me enamoré del concepto de “automatización inteligente”.
Porque cuando ves que tu sistema te envía un mensaje de Telegram con “🔥 ¡Alerta de calor en Las Varillas!”… sentís que tu código está, literalmente, cuidándote. 😄
El resultado 🎯
Al final, el flujo quedó funcionando perfecto: cada mañana consulta el clima, guarda un registro y me envía un correo con los datos. Y si hay calor extremo, me llega una alerta directa al celular.
Reflexión final 🌍
Este proyecto me enseñó que automatizar no es solo ahorrar tiempo, sino crear sistemas que colaboran con vos. Comprendí cómo cada herramienta (API, SMTP, OAuth, Telegram, Sheets) encaja dentro de una arquitectura más grande.
Construir este flujo me dio algo más que un resultado técnico: me dio una mirada sistémica sobre cómo fluyen los datos y cómo las decisiones pueden automatizarse.
“Si algo se puede automatizar, se puede entender. Y si se entiende, se puede mejorar.”
📘 Próximo paso
En la siguiente entrada quiero seguir expandiendo este flujo para combinar múltiples fuentes de datos y generar un “reporte ambiental inteligente”.