Glosario
Todo el mundo de los datos habla en inglés. Aquí está cada término en español, con la explicación corta primero y el dibujo después.
Ingeniería de datos
Data Lake
Data Lake
Un repositorio que guarda archivos en su formato original —CSV, JSON, Parquet, imágenes— sin decidir de antemano qué estructura tendrán. La estructura se aplica cuando alguien los lee, no cuando se guardan.
Data Warehouse
Data Warehouse
Una base de datos diseñada para responder preguntas sobre el negocio, no para operarlo. Guarda historia, junta información de varios sistemas y está optimizada para leer millones de filas de golpe.
ELT
Extract, Load, Transform
La misma mudanza que el ETL pero en otro orden: primero cargas el dato crudo en el almacén y lo transformas ya estando adentro, aprovechando su motor de cómputo.
ETL
Extract, Transform, Load
Mover datos de donde nacen a donde se analizan, limpiándolos en el camino. Primero se extraen, luego se transforman y al final se cargan en el destino.
Idempotencia
Idempotency
La propiedad de un proceso que puede correrse varias veces con la misma entrada y dejar siempre el mismo resultado. Sin ella, un reintento duplica datos en lugar de arreglarlos.
Modelado
Dimensión de cambio lento
Slowly Changing Dimension (SCD)
Una dimensión cuyos atributos cambian de vez en cuando, y la decisión de qué hacer con la historia cuando eso pasa. Si un cliente se muda, ¿las ventas viejas se quedan con la dirección anterior o se reescriben?
Modelo estrella
Star Schema
Una forma de organizar el almacén en una tabla central de hechos —lo que pasó, con sus números— rodeada de tablas de dimensiones que describen el contexto. Se dibuja como una estrella y por eso el nombre.
Tabla de hechos
Fact Table
La tabla central de un modelo dimensional. Guarda un renglón por cada evento medible del negocio, con las métricas que se suman y las llaves que apuntan a las dimensiones.