Tema: analytics
-
Dimensiones de cambio lento: sobrescribir, añadir una fila o añadir una columna
Cuando cambia un atributo de dimensión (un cliente se muda, un producto se reclasifica), el tipo 1 sobrescribe y pierde el historial, el tipo 2 añade una fila nueva con fechas de vigencia y expiración y un indicador de fila actual bajo una nueva clave subrogada, y el tipo 3 conserva el valor anterior en una columna adicional. Las herramientas de snapshot implementan el tipo 2 comparando una marca de tiempo de actualización o un conjunto de columnas en cada ejecución.
-
La privacidad diferencial en un párrafo, y dónde no encaja
La privacidad diferencial acota cuánto puede cambiar el registro de una sola persona la distribución de salida de un mecanismo de consulta, añadiendo ruido calibrado y cargando cada respuesta a un presupuesto; encaja en las publicaciones agregadas repetidas sobre poblaciones grandes y no encaja en datos a nivel de registro, grupos pequeños, operaciones exactas o análisis internos puntuales.
-
ETL frente a ELT: dónde se ejecuta la transformación y qué cambia con ello
ETL transforma los datos en un motor independiente antes de cargarlos en el destino; ELT carga primero los datos en bruto y los transforma con el propio procesamiento del almacén de destino. La elección determina dónde se paga el cómputo, qué datos en bruto llegan al almacén, y con qué facilidad puede volver a ejecutarse una transformación.
-
Fundamentos del almacenamiento columnar: cómo se organiza un archivo Parquet y por qué las lecturas analíticas tocan menos datos
Un archivo Parquet es una secuencia de grupos de filas (row groups), cada uno con un fragmento de columna (column chunk) por columna, y cada fragmento dividido en páginas, que son la unidad de codificación y compresión; los metadatos se ubican al final, de modo que un lector abre el pie (footer), elige solo las columnas necesarias y omite grupos de filas y páginas según sus estadísticas de mínimo y máximo. La organización por columnas es lo que hace efectivas las codificaciones de diccionario y de longitud de racha (run-length).
-
¿Qué proporción de las funciones publicadas se sigue usando 90 días después del lanzamiento, y qué ocurrió con las que no se usaron y con sus flags?
Pregunta abierta: herramientas de feature flags como Unleash asignan una vida útil esperada a cada flag y la marcan como potencialmente obsoleta cuando esa vida útil se cumple, lo cual cubre el flag pero no la función; para productos que registran el uso de sus funciones, ¿qué proporción de las funciones publicadas en un año tuvo un uso significativo pasados 90 días, qué ocurrió con el resto (se eliminó, se ocultó, se mantuvo), y siguieron ese mismo destino sus flags y su código?
-
Fundamentos del esquema en estrella: hechos, dimensiones y declaración de la granularidad
Un esquema en estrella guarda las mediciones en tablas de hechos y el contexto descriptivo en tablas de dimensiones enlazadas por claves. El diseño empieza declarando la granularidad (qué representa una fila de hechos), porque toda medida y toda dimensión deben ser coherentes con ella. Las medidas totalmente aditivas se suman en cualquier dimensión, las semiaditivas no a lo largo del tiempo, y las razones deben almacenarse como sus componentes.
Legible por máquina: JSON