Ingeniería analítica con dbt
Máster en Ingeniería Analítica con dbt
Certificado con validez SEPA través del Gobierno del Estado de México
12 meses de acceso
En línea · 144 h
100% autodidacta
9 unidades
Nivel intermedio
Modalidad
Así estudias: curso autodidacta
- Autodidacta y 100% en línea: contenido disponible 24/7.
- Avanzas a tu ritmo: la plataforma guarda tu progreso.
- Sin tutor ni clases en vivo: el curso está diseñado para estudiarse por tu cuenta.
- Te evalúas con actividades automáticas, sin entregas a un tutor.
Qué aprenderás
Lo que serás capaz de hacer
La Especialización en Ingeniería analítica con dbt y la pila de datos moderna dota a los alumnos de habilidades prácticas y preparadas para el sector con el fin de transformar datos sin procesar en conjuntos de datos fiables y preparados para el análisis. Los alumnos adquieren experiencia práctica con SQL, modelado dimensional, conductos ELT y dbt Core para crear, probar y documentar flujos de trabajo analíticos escalables. A lo largo de tres cursos, los alumnos progresan desde los fundamentos de la pila de datos moderna y el modelado de datos hasta el desarrollo avanzado de dbt, pruebas, CI/CD y automatización de flujos de trabajo. La Especialización hace hincapié en las mejores prácticas de calidad de datos, optimización del rendimiento, observabilidad y colaboración, al tiempo que refuerza los casos de uso del mundo real, como el modelado de KPI, el procesamiento incremental y la fiabilidad de la canalización. Al final de la Especialización, los alumnos serán capaces de diseñar y mantener canalizaciones analíticas de nivel de producción, optimizar las transformaciones en cuanto a coste y rendimiento, y proporcionar información empresarial a través de cuadros de mando de BI. El programa prepara a los alumnos para contribuir con confianza como ingenieros analíticos o profesionales de datos centrados en el análisis en equipos de datos modernos.
- Diseñar modelos de datos listos para el análisis mediante SQL, modelado dimensional y principios modernos de almacenamiento de datos.
- Construir, probar y documentar transformaciones de datos escalables utilizando flujos de trabajo dbt y ELT.
- Garantizar la calidad, fiabilidad y transparencia de los datos mediante pruebas, documentación y linaje.
- Optimice los canales de análisis para mejorar el rendimiento, la fiabilidad y la coherencia de la información.
Habilidades que desarrollarás
Narración con datos
SQL
Ingeniería de datos
Presentación de datos
Indicadores clave de desempeño (KPIs)
Creación de tableros
Tablero
Modelado de datos
Calidad de los datos
Canalizaciones de datos
Analítica de negocios
Almacén departamental de datos
Validación de datos
Inteligencia de negocios
Extracción, transformación y carga
Analítica
YAML
Transformación de datos
Optimización del rendimiento
Análisis
Temario
UNIDAD 1 - Fundamentos de Modern Data Stack y SQL · 24 leccionesIntroducción a la ingeniería analítica - UNIDAD 1 - Fundamentos de Modern Data Stack y SQL
UNIDAD 1 - Fundamentos de Modern Data Stack y SQL · 24 lecciones
Introducción a la ingeniería analítica - UNIDAD 1 - Fundamentos de Modern Data Stack y SQL
- Specializations Introducción
- Introducción al curso
- Resumen del curso
- Papel de la ingeniería analítica en el ciclo de vida de los datos
- ELT frente a ETL en los conductos modernos
- Configuración de PostgreSQL
- Cómo utilizar la Indicación de debate
- Cuestionario práctico: Visión general de la ingeniería analítica
- Aspectos básicos de las consultas SQL
- Funciones analíticas y de ventana para métricas empresariales
- Calcular las ventas totales y los ingresos por categoría en PostgreSQL
- Creación de vistas SQL reutilizables para informes
- Escribir SQL analítico eficaz
- Cuestionario práctico: SQL para análisis
- OLTP frente a OLAP y conceptos básicos de almacén
- Compromisos entre normalización y desnormalización
- Crear tablas de dimensiones y hechos en PostgreSQL
- Comparar Rendimiento: Consultas normalizadas frente a desnormalizadas - Comando EXPLAIN ANALYZE
- Comparar el rendimiento: Consultas normalizadas frente a desnormalizadas - Inserción de datos
- Principios de almacenamiento de datos
- Cuestionario práctico: Fundamentos del almacenamiento de datos
- Resumen del módulo: Introducción a la ingeniería analítica
- Comprobación de conocimientos: Fundamentos de Modern Data Stack y SQL
- Impulsar la adopción de la pila analítica moderna
UNIDAD 2 - Modelado de datos y conceptos ELT · 24 leccionesIntroducción a la ingeniería analítica - UNIDAD 2 - Modelado de datos y conceptos ELT
UNIDAD 2 - Modelado de datos y conceptos ELT · 24 lecciones
Introducción a la ingeniería analítica - UNIDAD 2 - Modelado de datos y conceptos ELT
- Qué es dbt
- Perfiles y estructura del proyecto
- Inicializar un proyecto dbt
- Ejecutar Proyectos dbt y verificar los resultados en la base de datos
- Cómo dbt transforma SQL en flujos de trabajo listos para la producción
- Cuestionario práctico: Introducción al dbt CORE
- Datos, dimensiones, grano y claves
- Diseño de esquemas en estrella o en copo de nieve
- Diseño de un esquema Retail Star - Creación de tablas
- Diseñar un esquema Retail Star - Ver los resultados
- Consulta de KPIs utilizando su Modelo Dimensional - Ingresos Totales
- Consulta de KPIs utilizando su Modelo Dimensional - Combinando Ingresos y AOV
- Elegir el grano adecuado para las tablas de datos
- Cuestionario práctico: Fundamentos del modelado dimensional
- Flujos de trabajo ELT y movimiento de datos
- Capas Raw, Staging y Mart
- Creación de tablas de preparación y aplicación de limpieza básica con SQL
- Rellenar una tabla Mart desde la puesta en escena - Creación de tablas
- Rellenar una tabla Mart a partir de la puesta en escena - Ingresos totales y AOV
- Limpieza y normalización de datos en la capa de puesta en escena
- Cuestionario práctico: Proceso ELT y Capas de Datos
- Resumen del módulo: Modelado de datos y conceptos ELT
- Comprobación de conocimientos: Modelado de datos y conceptos ELT
- Diseño de un modelo dimensional escalable con ELT
UNIDAD 3 - Construir y probar modelos dbt · 26 leccionesIntroducción a la ingeniería analítica - UNIDAD 3 - Construir y probar modelos dbt
UNIDAD 3 - Construir y probar modelos dbt · 26 lecciones
Introducción a la ingeniería analítica - UNIDAD 3 - Construir y probar modelos dbt
- Configuración de fuentes y referencias
- Estructura de carpetas y convenciones de nomenclatura
- Creación de modelos de etapas y dimensiones a partir de fuentes: configuración de SQL y del archivo yml
- Construir modelos de etapas y dimensiones a partir de fuentes - Ejecutar el modelo
- Visualizar linaje y DAG en dbt Docs
- Buenas prácticas para la gestión de modelos dbt
- Cuestionario de Práctica: Creación de modelos dbt
- Tabla, vista y modelo incremental
- Semillas para datos estáticos y tablas de consulta
- Añade una semilla y ejecuta dbt seed
- Creación de un modelo incremental de órdenes de hechos - Configuración de SQL y del archivo yml
- Construir un modelo incremental de órdenes de hechos - Ejecutar el modelo
- Buenas prácticas para materializaciones y semillas dbt
- Materializaciones y semillas
- pruebas dbt (unique, not_null, relationships)
- Pruebas SQL personalizadas y estrategia de documentación
- Realización de pruebas y análisis de fallos
- Mejorar la calidad de los datos con pruebas dbt
- Cuestionario práctico: Comprobación y documentación de modelos
- Resumen del módulo: Creación y comprobación de modelos dbt
- Punto de control final: Repaso de los conceptos básicos de ingeniería CORE de análisis
- Proyecto práctico: Creación de un proceso analítico integral para una empresa minorista
- Comprobación de conocimientos de fin de curso:Introducción a la ingeniería analítica
- Mejorar la fiabilidad de los datos con SQL y prácticas dbt
- Resumen del curso
- Generar confianza con modelos dbt probados y documentados
UNIDAD 4 - Desarrollo avanzado de dbt · 25 leccionesFlujos de trabajo de ingeniería analítica con dbt - UNIDAD 4 - Desarrollo avanzado de dbt
UNIDAD 4 - Desarrollo avanzado de dbt · 25 lecciones
Flujos de trabajo de ingeniería analítica con dbt - UNIDAD 4 - Desarrollo avanzado de dbt
- Specializations Introducción
- Introducción al curso
- Resumen del curso
- Conceptos básicos de las plantillas Jinja
- Macro Patrones para DRY SQL y Parametrización
- Crear una macro para ventas totales dinámicas
- Aplicar macros en varios modelos
- Reutilización con Jinja y macros
- Cómo utilizar la Indicación de debate
- Prueba de práctica: Jinja y macros
- Patrones de modelos incrementales y estrategias de frescura
- Instantáneas para el seguimiento y las auditorías del SCD
- Convertir fact_orders en Incremental
- Crear una instantánea dim_customers
- Procesamiento incremental en dbt
- Cuestionario de práctica: Modelos incrementales y de instantánea
- Estructura del proyecto por niveles: staging, core y mercados
- Mantenimiento del DAG y cómo evitar los ciclos
- Reorganizar los directorios por capas
- Regenerar documentos para verificar la integridad del DAG
- dbt Organización del proyecto
- Cuestionario de práctica: Refactorización y dependencias de modelos
- Resumen del módulo: Desarrollo avanzado con dbt
- Comprobación de conocimientos: Desarrollo avanzado de dbt
- Ampliar dbt con diseños reutilizables e incrementales
UNIDAD 5 - Calidad de los datos, pruebas y documentación · 20 leccionesFlujos de trabajo de ingeniería analítica con dbt - UNIDAD 5 - Calidad de los datos, pruebas y documentación
UNIDAD 5 - Calidad de los datos, pruebas y documentación · 20 lecciones
Flujos de trabajo de ingeniería analítica con dbt - UNIDAD 5 - Calidad de los datos, pruebas y documentación
- Pruebas de esquema - unique, not_null, Relaciones
- Pruebas SQL personalizadas - Gravedad y umbrales
- Añadir pruebas a fact_orders y dim_customers
- Escribe una prueba personalizada para totales no válidos
- Garantizar la calidad de los datos
- Cuestionario de práctica: Comprobación y validación de datos
- Modelos de documentos y columnas en YAML
- Propiedad, riesgos y mantenimiento
- Actualizar descripciones y propietarios en YAML
- Regenerar y publicar el sitio de documentación de dbt
- Gestión de metadatos para el análisis de datos
- Cuestionario práctico: Metadatos y documentación
- Controles de frescura y SLA
- Lectura de los resultados y registros de la ejecución de dbt
- Elaborar un informe de resumen de pruebas y ejecuciones
- Conceptos de observabilidad
- Cuestionario práctico: Observabilidad de los datos
- Resumen del módulo: Calidad de los datos, pruebas y documentación
- Comprobación de conocimientos: Calidad de datos, pruebas y documentación
- Calidad y observabilidad de los datos en dbt
UNIDAD 6 - Colaboración y automatización de los flujos de trabajo · 25 leccionesFlujos de trabajo de ingeniería analítica con dbt - UNIDAD 6 - Colaboración y automatización de los flujos de trabajo
UNIDAD 6 - Colaboración y automatización de los flujos de trabajo · 25 lecciones
Flujos de trabajo de ingeniería analítica con dbt - UNIDAD 6 - Colaboración y automatización de los flujos de trabajo
- Conceptos básicos de Git y flujos de trabajo de relaciones públicas
- Ramificaciones, fusiones e historial de versiones
- Inicializar y Push dbt Repo a GitHub
- Abrir y revisar un RP para un cambio de modelo
- Desarrollo colaborativo con Git
- Cuestionario práctico: Control de versiones para proyectos dbt
- CI/CD para proyectos de datos
- Configuración de acciones de GitHub para dbt
- Configurar un flujo de trabajo para ejecutar dbt Build
- Inspeccionar los registros de CI y los artefactos de prueba
- CI/CD para equipos de datos
- Prueba de práctica: CI para dbt
- Automatización de las ejecuciones de dbt
- Programación con dbt Cloud/Cron
- Programar una tarea nocturna
- Verificar el éxito y las notificaciones en los registros
- Automatización del ciclo de vida del análisis
- Cuestionario de práctica: Planificación y automatización
- Resumen del módulo: Colaboración y automatización del flujo de trabajo
- Punto de control final: Consolidación de conceptos en el flujo de trabajo de dbt
- Proyecto práctico: Automatización de un proceso de análisis avanzado para una empresa de suscripción minorista
- Comprobación de conocimientos de fin de curso: Colaboración y automatización de flujos de trabajo
- Optimización de los flujos de trabajo de datos mediante ingeniería avanzada de dbt
- Resumen
- Puesta en marcha de dbt mediante la colaboración y la automatización
UNIDAD 7 - Revisión de la preparación y transformación de datos · 24 leccionesIngeniería analítica aplicada y visualización con dbt - UNIDAD 7 - Revisión de la preparación y transformación de datos
UNIDAD 7 - Revisión de la preparación y transformación de datos · 24 lecciones
Ingeniería analítica aplicada y visualización con dbt - UNIDAD 7 - Revisión de la preparación y transformación de datos
- Specializations Introducción
- Introducción al curso
- Resumen del curso
- Una nueva mirada al DAG y al linaje de dbt
- Integridad de la dependencia y limpieza de transformaciones redundantes
- Inspeccionar DAG: eliminación de modelos redundantes
- Validar transformaciones refactorizadas
- Optimización de las estructuras de los proyectos dbt
- Cuestionario práctico: Revisión de los modelos de datos
- Patrones de limpieza y manipulación de tipos
- Estrategias de validación en la clasificación por estadios
- Aplicar macros de limpieza reutilizables a stg_customers
- Validar con las pruebas de dbt
- Normas de limpieza de datos
- Cuestionario de práctica: Limpieza y estandarización de datos
- Métricas derivadas y modelos de KPI
- Transformaciones en varias etapas o por capas y lógica de negocio modular
- Crear modelos de KPI
- Incorporar los KPI a un modelo de resumen ejecutivo
- Transformaciones avanzadas de dbt
- Cuestionario de práctica: Transformaciones avanzadas
- Resumen del módulo: Repaso a la preparación y transformación de datos
- Comprobación de conocimientos: Revisión de la preparación y transformación de datos
- Preparación de datos listos para el análisis y de indicadores clave de rendimiento (KPI)
UNIDAD 8 - Ajuste y optimización del rendimiento · 20 leccionesIngeniería analítica aplicada y visualización con dbt - UNIDAD 8 - Ajuste y optimización del rendimiento
UNIDAD 8 - Ajuste y optimización del rendimiento · 20 lecciones
Ingeniería analítica aplicada y visualización con dbt - UNIDAD 8 - Ajuste y optimización del rendimiento
- Planes de ejecución y coste: EXPLAIN en PostgreSQL
- Indexación y optimización de uniones - Reducción de exploraciones
- Consultas de perfil con EXPLAIN
- Optimizar las uniones y los filtros para mejorar el rendimiento en tiempo de ejecución
- Optimización de consultas para el análisis de datos
- Cuestionario de práctica: Conceptos básicos sobre la optimización de consultas
- Opciones de materialización y compensaciones
- Incrementales eficientes, particiones, efímeros
- Reconfigurar las materializaciones en los modelos clave
- Comparar el rendimiento antes y después
- Optimización del rendimiento de dbt
- Cuestionario práctico: Optimización de modelos dbt
- Gestión de fallos y repeticiones - Conceptos de frescura y SLA
- Interpretación de registros y artefactos dbt - Estrategias de alerta
- Revisar los registros, recuperar las ejecuciones fallidas
- Fiabilidad del flujo de datos
- Cuestionario de práctica: Fiabilidad y supervisión de tuberías
- Resumen del módulo: Ajuste y optimización del rendimiento
- Prueba de conocimientos: Ajuste y optimización del rendimiento
- Optimización del rendimiento y garantía de la fiabilidad de la red de tuberías
UNIDAD 9 - Visualización y elaboración de informes · 24 leccionesIngeniería analítica aplicada y visualización con dbt - UNIDAD 9 - Visualización y elaboración de informes
UNIDAD 9 - Visualización y elaboración de informes · 24 lecciones
Ingeniería analítica aplicada y visualización con dbt - UNIDAD 9 - Visualización y elaboración de informes
- Visión general de la integración de BI - Preparación de modelos dbt
- Configuración de conexiones Metabase - Modelado de conjuntos de datos
- Conexión de Metabase a las tablas transformadas por dbt
- Crear vistas de conjuntos de datos para paneles de control
- Integración de BI con dbt
- Cuestionario práctico: Conexión de los resultados de dbt a herramientas de BI
- Diseño y maquetación del panel de indicadores
- Filtros, desgloses, patrones de interactividad
- Crear paneles de ventas y de clientes en Metabase
- Diseñar un informe de rendimiento ejecutivo
- Principios de diseño del cuadro de mando
- Prueba práctica: Creación de paneles de control e informes
- Comunicación de resultados y narración de datos
- Actualización de la programación y gestión del acceso
- Automatizar la actualización del panel de control en Metabase
- Automatización del ciclo de vida del análisis
- Cuestionario de práctica: Cómo transmitir y compartir conocimientos
- Resumen del módulo: Visualización y elaboración de informes
- Último punto de control: Integración de la ingeniería analítica, el rendimiento y la visualización con dbt
- Proyecto práctico: Creación de una plataforma de análisis y visualización de alto rendimiento para una empresa de comercio digital
- Evaluación final del curso: Visualización y elaboración de informes
- Transformación de los flujos de análisis mediante la optimización del rendimiento y la integración con la inteligencia empresarial
- Resumen
- Aportar información valiosa a través de paneles de control y la narración de historias
Certificado oficial
Certificado con validez SEP: lo emite la SEP, no solo una plataforma
Al demostrar la competencia recibes un certificado emitido por la Secretaría de Educación Pública a través del Gobierno del Estado de México: un documento oficial que puedes presentar con confianza ante cualquier empleador o institución.
Tu certificado con INEC
- Lo emite la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México
- Documento oficial con folio verificable en línea
- Lo otorga la Universidad Tecnológica Fidel Velázquez
Otras plataformas en línea
- Constancia privada emitida por la misma plataforma
- Solo acredita horas cursadas o asistencia
- Sin respaldo de una autoridad educativa
Cómo funciona
Tu itinerario, de la inscripción al certificado
- 1
Inscripción con pago único
Pagas $4,990 MXN una sola vez y entras de inmediato al curso.
- 2
Estudias a tu ritmo
9 unidades con videos, lecturas y actividades, disponibles 24/7 durante 12 meses.
- 3
Cuestionarios por unidad
39 cuestionarios para comprobar lo aprendido.
- 4
Certificado
Emitido por la SEP a través del Gobierno del Estado de México, con folio verificable.
Lo que obtienes
Un certificado oficial de la SEP
Muestra · verificable por folio y QR
- Certificado SEP incluido (sin costo). Emitido por la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México. No es una constancia privada: es un documento oficial, y ese respaldo marca la diferencia frente a otras plataformas en línea.
- Contenido impartido por Edureka.
- Folio y QR verificables para compartirlo con quien te contrate.
Medios que necesitas
Equipo de cómputo
Conexión estable a internet
Pago único
Empieza hoy, a tu ritmo
Un solo pago y acceso inmediato al curso completo durante 12 meses.
- 9 unidades · 212 lecciones · 144 h
- 12 meses de acceso
- 39 cuestionarios de evaluación
- Certificado SEP incluido (sin costo), emitido por la SEP (Gob. del Estado de México) con folio verificable
Preguntas frecuentes
Sobre tu inscripción
¿Cómo es el pago?
Un solo pago de $4,990 MXN. No hay mensualidades ni cargos recurrentes.
¿Cuánto tiempo tengo acceso?
12 meses desde tu inscripción, 24/7, para avanzar a tu ritmo.
¿Quién imparte el contenido?
El curso es impartido por Edureka; INEC gestiona tu inscripción, evaluación y certificado.
¿Qué pasa cuando vence mi acceso?
Puedes renovar tu cuenta tú mismo desde la plataforma, sin trámites ni esperas.
¿El curso tiene validez SEP?
Sí, incluido sin costo. Al completar el curso recibes un certificado emitido por la SEP a través del Gobierno del Estado de México, con folio verificable.
¿El curso tiene tutor o clases en vivo?
No. Es un curso autodidacta: estudias por tu cuenta, a tu ritmo, sin tutor ni sesiones en vivo.
¿Cómo se evalúa?
Te evalúas con actividades automáticas, sin entregas a un tutor.
