Glosario de datos
Diccionario profesional del ecosistema de datos: arquitectura, BI, Big Data, Data Engineering, Governance y MLOps. Definiciones claras, en español, con ejemplos prácticos.
Arquitectura de datos (14)
- Apache Hudi: qué es y en qué se diferencia de Iceberg y Delta Lake
- Apache Iceberg: qué es, para qué sirve y ejemplo práctico
- Arquitectura Medallion (bronze/silver/gold) en data lakehouse
- Data lake: qué es, cuándo conviene y diferencia con data warehouse
- Data lakehouse: qué es, para qué sirve y ejemplo práctico
- Data mart: qué es y en qué se diferencia de un data warehouse
- Data mesh: qué es, principios y cuándo aplicarlo
- Data Streaming: qué es el procesamiento en tiempo real de datos
- Data Vault: qué es y cuándo conviene este modelo de datos
- Delta Lake: qué es, para qué sirve y ejemplo práctico
- Event sourcing: qué es y en qué se diferencia del CDC
- Schema-on-read: qué es y en qué se diferencia de schema-on-write
- Semantic layer: qué es y por qué unifica las métricas de toda la empresa
- Time travel: qué es y cómo consultar una tabla tal como estaba antes
Business Intelligence (11)
- Cuadro de mando integral: qué es y en qué se diferencia de un dashboard
- Cubo OLAP: medidas, dimensiones y su relación con el modelo de datos
- Dashboard: qué es y para qué sirve en análisis de datos
- Drill down: qué es y cómo se navega un análisis por niveles
- KPI: qué es un Key Performance Indicator y cómo definirlo bien
- Métrica de vanidad: qué es y cómo distinguirla de un indicador útil
- North Star Metric: qué es la métrica guía y cómo se elige
- OKR: qué son los Objectives and Key Results y en qué se diferencian de los KPI
- OLAP: qué es Online Analytical Processing y diferencia con OLTP
- Slice and dice: qué significa y cómo se aplica en un análisis OLAP
- Slowly Changing Dimension (SCD): tipos y cuándo usar cada uno
Integración de datos (7)
- Apache Kafka: qué es y para qué sirve en arquitecturas de datos
- Apache NiFi: qué es y para qué sirve
- CDC (Change Data Capture): qué es y cómo replicar datos en tiempo real
- Data virtualization: qué es y en qué se diferencia de un ETL
- ELT (Extract, Load, Transform): qué es y por qué sustituye al ETL
- ETL (Extract, Transform, Load): definición y cómo funciona
- Reverse ETL: qué es, para qué sirve y ejemplo práctico
Gobernanza de datos (12)
- Data catalog: qué es y por qué es imprescindible al escalar datos
- Data contract: qué es y cómo evita romper pipelines
- Data fabric: qué es, para qué sirve y diferencia con data mesh
- Data lineage: qué es, para qué sirve y ejemplo práctico
- Data observability: qué es y cómo detectar problemas en tus datos antes de que impacten
- Data product: qué es, características y ejemplo práctico
- Data Quality: qué es la calidad del dato y cómo medirla
- Enmascaramiento de datos: qué es y cuándo no basta con anonimizar
- Frescura de datos (data freshness): qué es y cómo se mide
- Gobernanza de datos (data governance): qué es y por qué importa
- Master Data Management (MDM): qué es y para qué sirve
- SLA de datos: qué es y cómo se compromete la entrega de un dato
Data Science e IA (9)
- A2A (Agent2Agent): qué es y cómo coordina agentes de IA
- Embeddings: qué son y por qué importan en IA y búsqueda semántica
- Feature store: qué es y por qué lo usan los equipos de ML en producción
- Fine-tuning: qué es y cuándo ajustar un modelo de IA
- Grafo de conocimiento: qué es y para qué sirve
- MCP (Model Context Protocol): qué es y cómo funciona
- MLOps: qué es y por qué los modelos en producción necesitan disciplina
- RAG (Retrieval Augmented Generation): qué es y cómo funciona
- Vector database: qué es y por qué es clave en IA generativa
Ingeniería de datos (23)
- Apache Airflow: qué es y para qué sirve
- Apache Flink: qué es y para qué se usa
- Apache Hadoop: qué es y para qué sirve
- Apache Parquet: qué es y por qué es el formato del lakehouse
- Apache Spark: qué es y para qué sirve
- Backfill: qué es y cómo rellenar histórico sin romper nada
- Compactación de ficheros: qué es y por qué un lakehouse la necesita
- Data FinOps: qué es y cómo controla el coste cloud de los datos
- Data pipeline: qué es y cómo mueve los datos de origen a destino
- Data warehouse: qué es y diferencia con data lake y lakehouse
- DataOps: qué es y qué prácticas incluye
- dbt (data build tool): qué es y por qué es estándar en data engineering
- Evolución de esquema: qué es y cómo cambiar sin romper consumidores
- Exactly-once: qué significa procesar un dato exactamente una vez
- Granularidad: qué es el grano de los datos y cómo elegirlo
- Idempotencia: qué es y por qué importa en los pipelines de datos
- Modelado dimensional: qué es y cómo se diseña
- Modelo en copo de nieve (snowflake schema): qué es y cuándo usarlo
- Modelo en estrella (star schema): qué es y por qué se usa en BI
- Particionado: qué es y cómo decidir la clave de partición
- Prefect: qué es y para qué sirve
- Tabla de dimensiones: qué es y cómo se diseña
- Tabla de hechos: qué es, qué granularidad elegir y tipos que existen
Bases de datos (9)
- ACID: qué son las propiedades ACID en bases de datos
- Base de datos columnar: qué es y para qué sirve
- Base de datos de grafos: qué es y para qué sirve
- Base de datos documental: qué es y cómo funciona
- Base de datos relacional: qué es y cómo funciona
- NoSQL: qué es y cuándo conviene frente a una base de datos relacional
- OLTP (Online Transaction Processing): qué es y diferencia con OLAP
- Sharding: qué es y cómo particiona una base de datos
- Teorema CAP: qué es y por qué importa en bases de datos distribuidas