Diccionario de Data

Sí, algo de datos, pero no hace falta que estén limpios. La auditoría de fuentes sirve justamente para eso. Para saber qué hay, cuánto vale y qué se puede arreglar primero. Muchas organizaciones empiezan con datos utilizables en un 70% y ahí es donde más rápido se ve el retorno.

Lo que sí es imprescindible es tener acceso a las fuentes y a las personas que saben qué proceso genera cada dato. Sin eso, cualquier análisis se queda en una hipótesis que nadie puede comprobar.

Es más común de lo que parece y, paradójicamente, es un buen punto de partida. En la auditoría suelen aparecer tres cosas. Datos duplicados que inflan los números, definiciones distintas del mismo concepto y campos que llevan años rellenándose sin que nadie los use.

El trabajo consiste en priorizar. No se limpia todo es se limpia lo que bloquea decisiones concretas y se declara qué calidad hace falta para el resto. En seis meses es habitual pasar de una base que no usaba nadie a una que sostiene el reporting del comité.

Con BigQuery, Looker Studio, dbt, Airflow, Python y las APIs de cada plataforma. Eligiendo la pila por criterio y no por costumbre. Si tu equipo ya vive en Snowflake o en Databricks, seguimos ahí, porque la migración casi nunca compensa.

Lo que no negociamos es el criterio. El modelo de métricas, la nomenclatura de eventos y el contrato de datos son independientes de la herramienta. Un buen modelo en una herramienta mediana siempre gana a un modelo caótico en la mejor del mercado.

No. El 70% de los problemas de medición se resuelven con la herramienta que ya tenéis: un plan de medición, una nomenclatura y un control de duplicados. Migrar a un contenedor en servidor tiene sentido cuando una parte relevante del tráfico no llega, cuando hay datos sensibles o cuando el volumen de eventos lo justifica.

Cuando la migración es necesaria, se hace por fases. Primero el contenedor en paralelo, luego se comparan los números y solo entonces se retira lo anterior. Nunca a ciegas.

Un perfil senior de datos y analítica con apoyo de ingeniería para la parte de pipelines. Las cuentas grandes se reparten por proyecto y no por volumen de tickets, y el trabajo se entrega con un responsable identificable en cada fase.

Si tu equipo tiene perfil, hacemos la gestión conjunta son los ellos toman las decisiones de negocio y nosotros dejamos el sistema, la documentación y las reglas montadas. Al final, el manual de datos y el diccionario de eventos se quedan contigo.

La carga de datos se vigila a diario con alertas y se revisa semanalmente. El modelo de métricas se revisa trimestral, y el de predicción se reentrena con la cadencia que exija el dato.

Cada revisión deja constancia. Qué cambió, por qué y con qué efecto. Un sistema de datos sin registro de cambios es un sistema que se degrada en silencio, y eso es exactamente lo que queremos evitar.

Documentación escrita. Catálogo de fuentes con sus dueños, modelo de métricas con sus fórmulas, plan de medición con la nomenclatura de eventos, diccionario de eventos, modelos de datos, panel de calidad y plan por fases con responsables y calendario.

Nada de lo que entregamos depende de una llamada. Cuando el equipo se queda sin nosotros, el sistema sigue funcionando y el reporting se puede leer sin contexto.