La vez pasada fue con Mifel ahora te tocó a ti @BBVA_Mex en serio no puedo creer que se pongan a liberar cuando hay operación de millones de usuarios , urgen buenas prácticas de software engineering en México son una broma!!!
La importancia de contratar a un buen líder y arquitecto para estos temas @BancaMifel Mifel no estaba listo para tanta gente en su app, lo bueno que generé mi CVV desde las 6 AM 💀
Voy a construir un curso open-source de Analytics Engineering, en público.
Stack: dbt + DuckDB
Caso: FinTech mexicana real
Paywall: ninguno
Repo 👇
https://t.co/n2QUpWYKd8
¿Por qué open source?
Los cursos de Analytics Engineering casi siempre usan datasets de juguete.
Aquí vas a ver decisiones reales: modelado dimensional, tests en dbt, CI/CD, documentación.
Como si estuvieras dentro del equipo.
Usar JSON en pipelines de misión crítica es jugar a la ruleta rusa con tus despliegues. Si tus instancias viejas no saben leer los mensajes que el código nuevo envía a Kafka, no estás haciendo un rolling upgrade, estás saboteando tu propia producción. Pásate a Avro ya.
Postgres no es tu navaja suiza para analítica. Si tiras un SELECT SUM sobre una tabla de 150 columnas en un motor de filas, vas a fundir el CPU y matar la ingesta con índices inútiles. Entiende cómo se guardan los bytes en disco o prepárate para los timeouts a las 3 de la mañana.
Elegir una base de datos porque está de moda es la forma más rápida de arruinar un proyecto.
Usar un modelo de documentos para datos altamente relacionados es como intentar jugar al fútbol con una pelota de rugby.
Puedes hacerlo, pero te va a doler y vas a quedar en ridículo.
Mides el rendimiento de tu pipeline con promedios y crees que todo va bien.
Mientras tanto, tus usuarios más valiosos están en el p99 sufriendo latencias que ni te imaginas.
El promedio es la mentira favorita de los dashboards.