Carga

Curso de Fundamentos de ETL con Python y Pentaho

Introducción a ETL

¿Qué es un ETL en ingeniería de datos?

Conceptos base de ETL

Consideraciones de ETL

Servicios y herramientas para ETL

Quiz: Introducción a ETL

Extracción de datos

Sources

Configuración de base de datos source y entorno para ETL en Python

Extracción de datos con Python y Pandas

Quiz: Extracción de datos

Transformación de datos

Transformación

Transformación de datos con Python y Pandas

Transformación de datos de países

Transformación de datos de transacciones

Quiz: Transformación de datos

Carga de datos

Carga

Configuración de clúster en AWS Redshift

Crear tablas en AWS Redshift

Carga de datos con Python

Estructurar sentence para carga de datos de S3 a Redshift

Carga de datos: subida de archivos a AWS Redshift

Quiz: Carga de datos

ETL con Pentaho

Instalación de Pentaho

Extracción de datos con Pentaho

Transformación de datos con Pentaho

Transformación de datos con Pentaho: parte 2

Transformación de datos con Pentaho: parte 3

Carga de datos con Pentaho

Quiz: ETL con Pentaho

Conclusión

Siguientes pasos

Comparte tu proyecto de ETL y obtén tu certificado

No tienes acceso a esta clase

¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera

Si ya tienes una cuenta,

Recursos

Aportes 2

Preguntas 0

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad?

Juan Sebastián Vargas Castañeda

hace 2 años

Load

Formatos Aceptables
Permisos
Auditar

Misma cantidad de datos.
- Problemas de calidad.
- Duplicados.
Eficiencia
- ¿Por batch o streaming?
- ¿En qué momento del día?
- ¿El orden?
Control de errores
- ¿Revertir todo el proceso o solo corregir los fallos y continuar con el procesos?

Andres Sanchez

hace un año

12. Carga

Formatos de datos aceptables: garantizar que solo se reciban datos relevantes y coherentes en la estructura necesaria por el warehouse o target.
Permisos: Se deben tener todos los permisos necesarios para escribir sobre el destino y modificar archivos o datos de ser necesario.
Auditar: comparar los datos recibidos con los datos de referencia permite detectar errores, problemas de calidad y duplicados o demás errores en el proceso.
Eficiencia: Debes buscar la manera más eficiente de extraer y cargar los datos para evitar retrasos y errores.
Control de errores: Es importante establecer un plan de acción en caso de presentarse n error: ¿revertir todo el proceso o solo corregir los fallos y continuar con proceso?