BÁSICO · 8 MÓDULOS · 64 LECCIONES
Modelado de datos para analítica
Lleva un modelo de datos plano a un warehouse analítico de verdad, con dimensiones que guardan su historia y tablas que tu equipo de BI pueda consultar sin errores.
- Es para ti si
- Ya tienes un modelo de hechos y dimensiones y necesitas convertirlo en un warehouse para BI.
- Al terminar
- Sabrás elegir entre star, snowflake o tabla ancha, historizar dimensiones con SCD y unir hechos en el punto correcto del tiempo.
- Necesitas
- SQL intermedio, Python básico y la guía de fundamentos de data engineering o equivalente. Todo corre local.

Temario
01From Flat Tables To Dimensional Models
- Presentación del módulo: de tablas planas a modelos dimensionales
- Qué dejó plano foundations, y por qué
- El proceso de cuatro pasos de Kimball
- Paso 1: seleccionando el proceso de negocio de Kiosko
- Paso 2: declarando el grano de fact_orders
- Pasos 3-4: hechos vs dimensiones, una definición precisa
- Qué cambia cuando el grano es explícito
- Mini-proyecto: la declaración de grano de Kiosko
02The Star Schema And Conformed Dimensions
- Presentación del módulo: el star schema completo y las dimensiones conformadas
- Anatomía de un star schema
- Llaves sustitutas vs llaves naturales
- Construyendo dim_date: el calendario de Kiosko
- Dimensiones conformadas a través de procesos
- El bus matrix: mapeando los procesos de Kiosko
- Ensamblando el primer star real de Kiosko
- Mini-proyecto: el star schema de Kiosko en DuckDB
03Star Vs Snowflake Vs One Big Table
- Presentación del módulo: star vs snowflake vs One Big Table
- Normalizando una dimensión: el snowflake schema
- Comparando el costo de un JOIN con EXPLAIN
- El argumento de la tabla ancha (One Big Table)
- Construyendo la OBT de ventas de Kiosko
- Cuándo el snowflake todavía gana
- Cuándo la OBT todavía gana
- Mini-proyecto: las tres formas de Kiosko comparadas
04Slowly Changing Dimensions
- Presentación del módulo: cuando una dimensión cambia con el tiempo
- El problema: dim_product no es estática
- SCD tipo 1: sobrescribe y pierde historia
- SCD tipo 2: historiza con valid_from/valid_to
- Implementando SCD tipo 2 con MERGE INTO
- Eligiendo tipo 1 vs tipo 2 por columna
- SCD tipo 3 y otras variantes, brevemente
- Mini-proyecto: dim_product historizada de Kiosko
05Point In Time Joins And Deduplication
- Presentación del módulo: uniendo hechos contra una dimensión que tiene historia
- Por qué unir solo por product_id rompe la historia
- El patrón de join punto-en-el-tiempo
- Dimensiones de llegada tardía
- De dónde vienen las filas duplicadas
- Deduplicando con ROW_NUMBER y QUALIFY
- Anti-joins para detectar qué cambió
- Mini-proyecto: revenue histórico correcto de Kiosko
06Accumulating And Cumulative Patterns
- Presentación del módulo: dos formas de hecho que no son una línea de orden
- El accumulating snapshot fact table
- Modelando el funnel de sesiones de Kiosko
- Actualizando milestones in-place
- Cumulative table design: el patrón ayer + hoy
- Ventanas móviles con columnas tipo arreglo
- Calculando activos de 7 y 30 días por tienda
- Mini-proyecto: funnel y actividad acumulativa de Kiosko
07Messy Domains And Medallion At Depth
- Presentación del módulo: el dominio feo de Kiosko, con nombre y con contrato
- Cuando un hecho y dos dimensiones no alcanzan
- Dimensiones degeneradas: order_id, a fondo
- Dimensiones junk: agrupando banderas de baja cardinalidad
- Contratos Medallion entre bronze, silver y gold
- Múltiples hechos, un solo calendario conformado
- Evolución de esquema sin romper gold
- Mini-proyecto: la capa gold multi-hecho de Kiosko
08Project Kioskos Analytics Warehouse
- Presentación del módulo: el capstone de la guía completa
- El brief: Kiosko necesita un warehouse real, no siete demos
- Reconstruyendo bronze y silver desde foundations
- Construyendo el star con dim_product historizada
- Agregando el funnel de sesiones y la actividad acumulativa
- Publicando la OBT mart para el equipo de dashboards
- Qué le falta todavía a Kiosko
- Mini-proyecto: el primer warehouse analítico de Kiosko
Reseñas
Lo que dicen los estudiantes
Estas reseñas son de estudiantes inscritos que completaron al menos el 50% del curso. Moderamos las reseñas solo por motivos de contenido (spam, lenguaje ofensivo, datos personales), nunca por ser críticas o negativas.
Aún no hay reseñas aprobadas.
¡Sé el primero en compartir tu experiencia!