Si bien las consultas de skyline clásicas identifican datos interesantes dentro de conjuntos de datos grandes, los skylines flexibles introducen preferencias a través de restricciones en los pesos de los atributos, y reducen aún más los datos devueltos. Sin embargo, calcular estas consultas puede ser consumidor de tiempo para conjuntos de datos grandes. Proponemos e implementamos un esquema de cálculo paralelo que consiste en una fase paralela seguida de una fase secuencial, y lo aplicamos a los skylines flexibles. Evaluamos el efecto adicional de una fase de filtrado inicial para reducir el tamaño del conjunto de datos antes del procesamiento paralelo, y la eliminación de la parte secuencial (la más consumidora de tiempo) por completo. Todos nuestros experimentos se ejecutan en el marco de PySpark para una serie de conjuntos de datos diferentes de tamaños y dimensiones variables.