BIAN: estructurando el negocio bancario y su encaje con DDD y microservicios
<p>En los últimos años, el sector financiero ha vivido una transformación profunda: presión regulatoria, fintechs nativas digitales, APIs abiertas, banca como plataforma y una necesidad constante de modernizar core systems sin detener el negocio. En ese contexto, BIAN (Banking Industry Architecture Network) se ha convertido en una referencia clave para quienes diseñan arquitecturas bancarias modernas.</p> <p>Pero BIAN no es solo “otro framework”. Es una propuesta estructurada para organizar el negocio bancario en dominios bien definidos, con un modelo de servicios estandarizado que conecta de forma natural con prácticas como Domain-Driven Design (DDD) y arquitecturas de microservicios.</p> <p><strong><em>¿Qué es BIAN?</em></strong></p> <p>BIAN es una iniciativa colaborativa creada por banc
En los últimos años, el sector financiero ha vivido una transformación profunda: presión regulatoria, fintechs nativas digitales, APIs abiertas, banca como plataforma y una necesidad constante de modernizar core systems sin detener el negocio. En ese contexto, BIAN (Banking Industry Architecture Network) se ha convertido en una referencia clave para quienes diseñan arquitecturas bancarias modernas.
Pero BIAN no es solo “otro framework”. Es una propuesta estructurada para organizar el negocio bancario en dominios bien definidos, con un modelo de servicios estandarizado que conecta de forma natural con prácticas como Domain-Driven Design (DDD) y arquitecturas de microservicios.
¿Qué es BIAN?
BIAN es una iniciativa colaborativa creada por bancos y proveedores tecnológicos con el objetivo de definir una arquitectura de referencia estandarizada para la industria bancaria.
Su propósito es claro:
Descomponer el negocio bancario en capacidades funcionales bien definidas y estructuradas como servicios.
No define tecnología concreta, ni impone un estilo de implementación. Define una forma de estructurar el negocio y sus responsabilidades.
En esencia, BIAN proporciona un mapa funcional del banco, donde cada parte tiene límites claros y responsabilidades específicas.
La estructura de BIAN:
Para organizar los miles de procesos de un banco, BIAN utiliza un mapa llamado Service Landscape. Este se divide en tres grandes capas:
Business Areas (Áreas de Negocio): Son las divisiones estratégicas más grandes de una institución (ej. Ventas y Servicios, Operaciones de Referencia). Serían los "continentes" en nuestro mapa.
Business Domains (Dominios de Negocio): Subdivisiones lógicas dentro de las áreas. Aquí agrupamos problemas específicos (ej. Operaciones de Tarjetas, Préstamos). Serían los "países".
Service Domains (Dominios de Servicio): ¡El corazón de BIAN! Son las capacidades de negocio elementales e indivisibles. Cada Service Domain gestiona el ciclo de vida de un activo usando un patrón específico.
BIAN y microservicios: relación estructural
BIAN no obliga a usar microservicios. Sin embargo, su forma de descomponer el negocio es especialmente compatible con arquitecturas distribuidas.
Cuando una organización decide estructurar su arquitectura en servicios independientes, necesita primero tener bien definidos los límites funcionales. Aquí es donde BIAN aporta valor:
Cada Business Domain puede convertirse en un servicio autónomo
Cada dominio puede gestionar su propio ciclo de vida
Las interacciones entre dominios pueden formalizarse mediante contratos explícitos
Lo importante no es convertir cada dominio en un microservicio de forma automática, sino usar el modelo para definir límites correctos.
Una arquitectura basada en microservicios necesita:
Autonomía funcional
Aislamiento de datos
Responsabilidad clara
Interacciones controladas
BIAN proporciona precisamente esa estructura conceptual.
La conexión entre BIAN y Domain-Driven Design (DDD)
Más que una coincidencia, la relación entre BIAN y Domain-Driven Design (DDD) es estructural. Ambos enfoques parten del mismo principio fundamental:
- La arquitectura debe reflejar el dominio del negocio.
DDD es un enfoque de desarrollo de software que propone comenzar por comprender el dominio en profundidad y estructurarlo en Bounded Contexts: límites semánticos claros donde un modelo es consistente y coherente.
BIAN, por su parte, descompone el negocio bancario en Business Domains, cada uno con:
Responsabilidad funcional específica
Propiedad clara sobre su información
Servicios definidos
Límites bien establecidos
Aunque surgieron en contextos distintos, ambos enfoques convergen en varios puntos clave.
Caso Practico: Conectando BIAN con DDD y Microservicios
Según el Service Landscape de BIAN, Current Account es un Service Domain cuyo objetivo es manejar el ciclo de vida de una cuenta corriente.
En términos de DDD, este será nuestro Bounded Context (nuestro microservicio completo). Dentro de este microservicio, BIAN nos dice que el Control Record (el núcleo de información que controla este dominio) se llama Current Account Arrangement (El acuerdo de cuenta corriente).
Este Control Record se convierte automáticamente en nuestro Aggregate Root en Java. Es la entidad principal que protege las reglas de negocio (por ejemplo, que no puedas retirar más dinero del que tienes, a menos que tengas un límite de sobregiro). Para manejar las distintas funcionalidades de la cuenta, implementamos los Behavior Qualifiers (Calificadores de Comportamiento) que dicta BIAN, como Withdrawals (Retiros) y Deposits (Depósitos), exponiéndolos como casos de uso.
Conclusión
BIAN no reemplaza DDD. Tampoco DDD sustituye a BIAN.
BIAN ofrece una estructura de descomposición sectorial específica para banca. DDD ofrece una metodología para modelar correctamente cualquier dominio, incluido el bancario.
Cuando se combinan:
BIAN ayuda a identificar los límites macro del sistema.
DDD ayuda a modelar correctamente cada uno de esos límites.
La conexión no es tecnológica. Es conceptual y estructural.
Y ahí radica su verdadero valor.
DEV Community
https://dev.to/jlarizar/bian-estructurando-el-negocio-bancario-y-su-encaje-con-ddd-y-microservicios-4p1aSign in to highlight and annotate this article

Conversation starters
Daily AI Digest
Get the top 5 AI stories delivered to your inbox every morning.
More about
llamamodelservice
Running OpenClaw with Gemma 4 TurboQuant on MacAir 16GB
Hi guys, We’ve implemented a one-click app for OpenClaw with Local Models built in. It includes TurboQuant caching, a large context window, and proper tool calling. It runs on mid-range devices. Free and Open source. The biggest challenge was enabling a local agentic model to run on average hardware like a Mac Mini or MacBook Air. Small models work well on these devices, but agents require more sophisticated models like QWEN or GLM. OpenClaw adds a large context to each request, which caused the MacBook Air to struggle with processing. This became possible with TurboQuant cache compression, even on 16gb memory. We found llama.cpp TurboQuant implementation by Tom Turney. However, it didn’t work properly with agentic tool calling in many cases with QWEN, so we had to patch it. Even then, the

AI As Co- Collaberator
I’ve long been thinking on the idea of AIs as co-collaborators on projects. My line of reasoning typically involves theoretical arguments and such, where you present an idea and you present it in such a way that the AI is encouraged to contemplate the idea alongside you.This is akin to being a senior researcher and inviting other researchers to work alongside you. Sometimes you just need more hands in a lab but sometimes you want more minds picking away at the idea. And so in this endeavor I have worked on the idea of how to conceptualize AI as a co-collaborator not just as an information deliverer or a giant calculator. Now some of this is in general just in the AI’s general ability to be generative on certain topics. AI, as large language models, work by breaking down conversations into

I can't use the service anymore
I get this message while having a pro subscription: Error: Failed to perform inference: You have depleted your monthly included credits. Purchase pre-paid credits to continue using Inference Providers. Can you help me? Thank you Louis 1 post - 1 participant Read full topic
Knowledge Map
Connected Articles — Knowledge Graph
This article is connected to other articles through shared AI topics and tags.
More in Models

AI As Co- Collaberator
I’ve long been thinking on the idea of AIs as co-collaborators on projects. My line of reasoning typically involves theoretical arguments and such, where you present an idea and you present it in such a way that the AI is encouraged to contemplate the idea alongside you.This is akin to being a senior researcher and inviting other researchers to work alongside you. Sometimes you just need more hands in a lab but sometimes you want more minds picking away at the idea. And so in this endeavor I have worked on the idea of how to conceptualize AI as a co-collaborator not just as an information deliverer or a giant calculator. Now some of this is in general just in the AI’s general ability to be generative on certain topics. AI, as large language models, work by breaking down conversations into

Stop Explaining Your Codebase to Your AI Every Time
Every conversation with your AI starts the same way. "I'm building a Rails app, deployed on Hetzner, using SQLite..." You've typed this a hundred times. Your AI is smart. But it has no memory. Every chat starts from zero. Your project context, your conventions, your past decisions — gone. What if your AI already knew all of that? Here are five notes that make that happen. 1. Your stack, saved once Write one note with your tech stack, deployment setup, and conventions. Now every conversation starts with context. Now ask: "Write a background job that syncs user data to Stripe." Your AI reads the note. It knows it's Rails, knows you use Solid Queue, knows your conventions. No preamble needed. 2. Error fixes you'll hit again You spend 45 minutes debugging a Kamal deploy. You find the fix. A we



Discussion
Sign in to join the discussion
No comments yet — be the first to share your thoughts!