Blog de Dataprix

Una cadena de retail ficticia pero representativa aprovecha el fin de soporte de SQL Server 2016 para llevar su integración de SSIS a un modelo ELT sobre Microsoft Fabric. El capítulo que cierra la Parte III recorre el inventario de flujos con la matriz 3R,… Leer más sobre Caso aplicado: migración de ETL a ELT en una cadena de retail, del inventario de flujos al apagado del legado

El metadato se reparte en dos mitades con economías opuestas: la que emiten los sistemas en cada ejecución y se regenera sola, y la que escribe una persona y se degrada con cada cambio. Este capítulo explica cómo automatizar la primera con OpenLineage y por… Leer más sobre Automatización del lineage y el catálogo de datos: qué se extrae solo y qué necesita a una persona

El testing de pipelines de datos es la práctica de verificar la lógica de los pipelines antes de desplegarla, con datos de prueba controlados, igual que se testea cualquier software. Se organiza en tres niveles: tests unitarios, tests de integración y… Leer más sobre Testing de pipelines y datos: qué probar, cuándo y qué no merece la pena

Capítulo 25 de la Guía práctica para diseñar y operar la arquitectura de datos de tu empresa. Llevamos varios capítulos construyendo piezas: pipelines de ingesta resilientes, flujos CDC casi en tiempo real y controles de calidad que vigilan cada carga. Este… Leer más sobre Orquestación de pipelines: DAGs, reintentos y alertas

La calidad de datos en el pipeline consiste en verificar los datos de forma automática y continua mientras se mueven y transforman, en lugar de descubrir los errores cuando ya han contaminado informes y modelos. Se apoya en tres capas complementarias:… Leer más sobre Calidad de datos en el pipeline: validaciones, observabilidad y SLAs

El Change Data Capture (CDC) es la técnica que detecta y propaga los cambios de una base de datos (inserciones, actualizaciones y borrados) a otros sistemas casi en tiempo real. La aproximación log-based —leer el registro de transacciones de la base de datos—… Leer más sobre CDC y replicación: arquitectura para datos casi en tiempo real — Debezium, log-based vs trigger-based

La ingesta de datos a escala es el proceso de capturar, mover y entregar grandes volúmenes de datos —en lotes o en flujo continuo— desde sus orígenes hasta las plataformas de almacenamiento y procesamiento, manteniendo la fiabilidad bajo carga variable y… Leer más sobre Ingesta de datos a escala: cómo construir pipelines resilientes con idempotencia, backpressure y reintentos

Elegir entre Semrush, Ahrefs y Moz no es buscar «la mejor», porque las tres son solventes y llevan años en la primera línea del SEO profesional. La pregunta útil es otra: cuál encaja con tu forma de trabajar. Si vives de los backlinks, si necesitas una navaja… Leer más sobre Semrush vs Ahrefs vs Moz: qué herramienta SEO encaja contigo

En B2B, el SEO rara vez falla por falta de esfuerzo. Falla porque se hace como una suma de acciones sueltas —un artículo aquí, unas metadescripciones allá, una auditoría que se quedó a medias— sin un proceso que las ordene, las priorice y las mida. Funciona… Leer más sobre SEO para empresas B2B: cómo montar un proceso que escale

Casi ninguna empresa decide de un día para otro que necesita ayuda con sus datos. El proceso es más lento: los informes empiezan a tardar, cada departamento trae «su» cifra a la reunión, y las decisiones importantes se acaban tomando por intuición porque… Leer más sobre 7 señales de que tu pyme necesita ayuda con su Business Intelligence