Curso de Data Warehouse

Lección 1 • Qué es una bodega de datos

Define una bodega de datos y la contrasta con los sistemas OLTP. Todas las decisiones de arquitectura posteriores se basan en esta distinción.

Lección 2 • Historia y evolución de la bodega de datos

Rastrea la evolución de la bodega de datos desde los primeros sistemas de soporte a decisiones hasta las plataformas modernas en la nube. Proporciona el contexto del porqué existen las arquitecturas actuales.

Lección 3 • Conceptos centrales de la bodega de datos

Introduce la granularidad, la integración y los metadatos como principios fundamentales. Estos conceptos apuntalan cada decisión de diseño que se cubre más adelante.

Lección 4 • Roles y partes interesadas clave

Identifica a los profesionales que construyen, mantienen y consumen una bodega de datos. Aclara las responsabilidades del especialista dentro de un equipo más amplio.

Lección 1 • Patrones dimensionales avanzados

Explora las dimensiones degeneradas, dimensiones junk y tablas de hechos sin hechos. Prepara a los estudiantes para desafíos complejos de modelado del mundo real.

Lección 2 • Repaso del modelado relacional

Revisa las formas normales y los diagramas entidad-relación como línea base. Establece por qué los modelos normalizados a menudo no son adecuados para analítica.

Lección 3 • Dimensiones de cambio lento

Cubre los tipos SCD del 1 al 6 para el seguimiento de cambios históricos en los atributos. Los estudiantes implementan el tipo correcto según los requisitos del negocio.

Lección 4 • Principios del modelado dimensional

Introduce los hechos, las dimensiones y el esquema estrella como el modelo analítico principal. Los estudiantes aplican el proceso de diseño de cuatro pasos de Kimball.

Lección 1 • Estrategias y patrones de carga

Compara los patrones de carga de solo inserción, upsert y truncar-recargar. Los estudiantes emparejan los patrones de carga con los tipos SCD y los requisitos de actualización del negocio.

Lección 2 • Arquitectura del pipeline de ETL

Define las tres fases de ETL y su secuencia dentro de un pipeline de bodega de datos. Establece la base estructural para todo el trabajo de desarrollo del pipeline.

Lección 3 • Lógica de transformación de datos

Enseña las transformaciones de limpieza, estandarización, derivación y agregación. Los estudiantes escriben reglas de transformación reutilizables que se aplican a través de múltiples pipelines.

Lección 4 • Manejo de errores y registro de logs del pipeline

Implementa tablas de rechazo, lógica de reintento y registro de auditoría para pipelines en producción. Los estudiantes construyen pipelines que fallan de manera controlada y facilitan el análisis de causa raíz.

Lección 1 • Pensamiento de consultas basado en conjuntos

Transiciona a los estudiantes del razonamiento fila por fila al razonamiento basado en conjuntos para SQL analítico. Esta mentalidad es un prerrequisito para escribir consultas de bodega de datos eficientes.

Lección 2 • Extensiones de agregación y agrupamiento

Aplica GROUPING SETS, ROLLUP y CUBE para resúmenes multidimensionales. Los estudiantes producen reportes de tabulación cruzada y subtotales sin múltiples pasadas de consulta.

Lección 3 • Expresiones de tabla comunes y recursividad

Utiliza CTEs para descomponer consultas complejas y CTEs recursivas para datos jerárquicos. Los estudiantes mejoran la legibilidad de las consultas y facilitan los reportes jerárquicos.

Lección 4 • Técnicas de optimización de consultas

Lee planes de ejecución y aplica indexación, particionamiento y sugerencias de estadísticas. Los estudiantes reducen los tiempos de ejecución de las consultas y el consumo de recursos en producción.

Lección 1 • Flujos de trabajo de monitoreo y remediación

Construye tableros de control y flujos de trabajo de alerta que muestran problemas de calidad casi en tiempo real. Los estudiantes diseñan rutas de remediación que cierran el ciclo de los defectos detectados.

Lección 2 • Técnicas de perfilamiento de datos

Aplica perfilamiento a nivel de columna, entre columnas y entre tablas para descubrir anomalías. Los resultados del perfilamiento alimentan directamente el diseño de reglas de calidad.

Lección 3 • Dimensiones de la calidad de datos

Define completitud, exactitud, consistencia, puntualidad y unicidad como dimensiones medibles. Los estudiantes usan estas dimensiones para delimitar los esfuerzos de evaluación de calidad.

Lección 4 • Diseño de reglas de calidad de datos

Traduce los requisitos del negocio en reglas de validación ejecutables y umbrales. Los estudiantes implementan las reglas como verificaciones SQL reutilizables o aserciones en el pipeline.

Lección 1 • Gestión de cargas de trabajo y concurrencia

Configura grupos de recursos, colas de consultas y clases de prioridad para cargas de trabajo mixtas. Los estudiantes equilibran cargas interactivas y por lotes sin contención de recursos.

Lección 2 • Estrategias de indexación para analítica

Cubre índices de mapa de bits, árbol B y agrupados en el contexto de consultas de bodega de datos. Los estudiantes eligen los tipos de índice que aceleran los patrones de acceso analíticos comunes.

Lección 3 • Caché y materialización

Utiliza el almacenamiento en caché de resultados, las vistas materializadas y las tablas de agregación para servir consultas repetidas. Los estudiantes identifican qué consultas se benefician más del pre-cómputo.

Lección 4 • Diseño de almacenamiento y compresión

Examina los diseños de almacenamiento por filas vs. por columnas y los algoritmos de compresión. Los estudiantes seleccionan formatos de almacenamiento que minimizan las operaciones de entrada/salida para patrones de escaneo analítico.

Lección 1 • Patrones de arquitectura de bodega de datos en la nube

Compara las arquitecturas de nube de disco compartido, nada compartido y sin servidor. Los estudiantes seleccionan la arquitectura que se ajusta a la escala y perfil de costos de su organización.

Lección 2 • Infraestructura como código para bodegas de datos

Aprovisiona recursos de la bodega de datos usando plantillas de configuración declarativas. Los estudiantes controlan la versión de la infraestructura y automatizan la creación de entornos.

Lección 3 • Recuperación ante desastres y alta disponibilidad

Diseña esquemas de copias de seguridad, estrategias de conmutación por error y objetivos de tiempo de recuperación. Los estudiantes producen un plan documentado de recuperación ante desastres validado a través de ejercicios de simulación.

Lección 4 • Seguridad y control de acceso

Implementa acceso basado en roles, seguridad a nivel de columna y filtrado a nivel de fila. Los estudiantes aplican el principio de menor privilegio en todos los objetos de la bodega de datos.

Lección 1 • Estrategias de prueba y validación

Ejecuta pruebas unitarias, de integración y de aceptación de usuario en modelos, pipelines y reportes. Los estudiantes producen evidencia de prueba que satisface los requisitos de aprobación del negocio.

Lección 2 • Arquitectura y diseño de la solución

Produce diagramas de arquitectura, mapas de flujo de datos y diseños de modelos para la solución completa. Los estudiantes justifican las decisiones de diseño frente a los requisitos y las limitaciones.

Lección 3 • Recopilación de requisitos y definición del alcance

Extrae los requisitos analíticos de las partes interesadas del negocio y los traduce en especificaciones técnicas. La definición del alcance previene la expansión descontrolada y alinea las expectativas de entrega.

Lección 4 • Entrega ágil para proyectos de bodega de datos

Aplica la entrega basada en sprints para la construcción de bodegas de datos, incluyendo la depuración de la pila de producto y las demostraciones. Los estudiantes adaptan las ceremonias ágiles a la naturaleza iterativa del trabajo con datos.