Dataprix IT @dataprix

Sobre Software y Tecnologías de la información: Business Intellligence, Bases de datos, ERP, CRM, Analítica y Data Science dataprix.com Barcelona Joined June 2009

Tweets

22K
Followers

4K
Following

4K
Likes

1K

Dataprix IT @dataprix

4 days ago

Si dos herramientas dan dos cifras para el mismo margen, el problema suele estar una capa antes del dashboard: la métrica se definió varias veces. Con 4 superficies hay 6 parejas que pueden discrepar; con 6, quince. Cómo ordenarlo con una capa semántica: dataprix.com/blog-it/datapr…

0 0 0 25 0

View Details

Dataprix IT @dataprix

2 weeks ago

Según BARC y Eckerson Group, solo el 25 % de los empleados usa activamente las herramientas de BI, aunque el consumo de analítica crece. La diferencia suele estar en el modelo operativo: del informe que se entrega al producto de datos con dueño. dataprix.com/blog-it/datapr…

0 0 1 33 0

View Details

Dataprix IT @dataprix

3 weeks ago

GUZMAN MINERALS migra su operativa a Business Central para consolidar un modelo de gestión global y escalable dataprix.com/empresa/notici…

0 0 0 21 0

View Details

Dataprix IT @dataprix

3 weeks ago

: De la "Caja Negra" al Control Total: Por qué un Agente de IA sin Panel de Gestión es un riesgo para el sector VTC dataprix.com/empresa/notici…

1 0 0 36 0

View Details

Dataprix IT @dataprix

4 weeks ago

El capítulo 27 de la guía de arquitectura desarrolla el criterio de cobertura útil, los tres puntos donde se captura el linaje y las zonas ciegas del grafo. 👉 dataprix.com/blog-it/datapr… #GobiernoDelDato #DataLineage #Metadatos #ArquitecturaDeDatos

0 0 0 50 0

View Details

Dataprix IT @dataprix

4 weeks ago

Automatización del lineage y el catálogo de datos: qué se extrae solo y qué necesita a una persona dataprix.com/blog-it/datapr…

0 0 0 20 0

View Details

Dataprix IT @dataprix

a month ago

Business Intelligence para pymes: por dónde empezar y qué evitar dataprix.com/blog-it/datapr…

0 0 0 30 0

View Details

Dataprix IT @dataprix

2 months ago

Un pipeline puede acabar con todas las tareas en verde y estar cargando cifras equivocadas. El orquestador confirma que el proceso terminó. No que el número sea el correcto. Esa diferencia es la que separa testear de validar. Y no son lo mismo. 👉 dataprix.com/blog-it/datapr…

0 0 0 43 0

View Details

Dataprix IT @dataprix

2 months ago

Ya sabemos ingerir el dato, replicarlo casi en tiempo real y validarlo. Queda una pregunta: quién coordina todo eso de manera autónoma. #DataEngineering #Airflow #ArquitecturaDeDatos dataprix.com/blog-it/datapr…

0 0 0 31 0

View Details

Dataprix IT @dataprix

2 months ago

La semana pasada explicábamos cómo mover los datos casi en tiempo real; esta toca la pregunta incómoda que viene justo después: cómo saber si lo que se mueve es correcto. dataprix.com/boletin-it/202…

0 0 0 23 0

View Details

Dataprix IT @dataprix

3 months ago

Un sistema caído se nota en cinco minutos. Un dato erróneo no: llega al comité de dirección con exactamente el mismo aspecto que el bueno. Guía de arquitectura de datos, con las tres capas, los anti-patrones y criterios para elegir herramienta: dataprix.com/blog-it/datapr…

0 0 0 40 0

View Details

Dataprix IT @dataprix

3 months ago

Testing de pipelines y datos: qué probar, cuándo y qué no merece la pena open.substack.com/pub/dataprix/p…

0 0 1 63 1

View Details

Dataprix IT @dataprix

3 months ago

Arquitectura de referencia + checklist en el capítulo: 🔗dataprix.com/blog-it/datapr…

0 0 0 3 0

View Details

Dataprix IT @dataprix

3 months ago

Y el mito favorito: exactly-once. Existe como efecto dentro de la frontera de una plataforma de streaming. A través de sistemas heterogéneos, lo robusto es at-least-once + idempotencia.

1 0 0 5 0

View Details

Dataprix IT @dataprix

3 months ago

La ingesta de datos a escala no se rompe en el volumen medio. Se rompe cuando el origen deja de responder, el broker se reinicia o un despliegue mete una regresión silenciosa. A esa escala, el fallo no es la excepción: es el estado por defecto. 🧵dataprix.com/blog-it/datapr…