Transformar datos

Introducción a Databricks SQL

Kevin Barlow

Data Manager

Motivación

Flujo Lakehouse - Ingesta

Transformación en el lakehouse

Diagrama Lakehouse - Transformación

Limpieza y transformación de datos

Limpia datos de Bronze (brutos) a Silver (listos para análisis)
Paso clave para tablas posteriores
Actividades comunes
- Quitar valores NULL
- Estandarizar valores
- Ajustar tipos de datos

CREATE TABLE silver_layer AS (
SELECT DISTINCT c.id, 
    c.last_name || ', ' || c.first_name 
        AS name, 
    format(s.date,'YYYY-mm-dd') 
        AS sale_date, 
    round(s.price, 2) 
        AS sale_price
    s.item_name
FROM sales_data s
LEFT JOIN contacts c on c.id = s.id)

Agregar datos

Combina y simplifica datos de Silver a Gold (listos para BI)
Enfocado a una necesidad de BI concreta
- Buen candidato para vistas
Actividades comunes
- Eliminar columnas innecesarias
- Agregar por dimensiones
- Calcular métricas/KPIs

CREATE VIEW q3_revenue AS (
SELECT sum(revenue) AS total_rev,
  count(*) AS total_count,
  total_rev / total_count AS avg_sale,
  category,
  item
FROM silver_layer
WHERE date BETWEEN '2024-07-01' 
  AND '2024-09-30'
GROUP BY category, item)

Automatizar tareas

GIF de flujos de trabajo

¡Vamos a practicar!

Introducción a Databricks SQL