22 conceptos que tienes que tener en la cabeza

Funcion que calcula un valor sobre un conjunto de filas relacionadas (una "ventana") sin colapsarlas en una sola fila, a diferencia de GROUP BY.

Ej: ROW_NUMBER() OVER (PARTITION BY cliente ORDER BY fecha DESC)

Tabla temporal nombrada definida con WITH, valida solo dentro de la query. Mejora legibilidad frente a subqueries anidadas.

CTE que se referencia a si misma, usada para queries jerarquicas (organigramas, arboles de categorias).

Modelo de datos con una tabla de hechos central rodeada de tablas de dimension, optimizado para consultas analiticas y BI.

Practicas para reducir el costo de una consulta: usar indices, evitar SELECT *, revisar el plan de ejecucion con EXPLAIN.

Reemplazar la generacion manual de reportes recurrentes por scripts que leen, consolidan y exportan datos automaticamente.

Metodo de Pandas para cambiar la frecuencia de una serie temporal (diaria a mensual, por ejemplo), agregando valores en el proceso.

Patron de integracion de datos: extraer de una fuente, transformar (limpiar, tipar, aplicar reglas) y cargar en un destino de consumo.

ELT carga los datos crudos primero y transforma despues, dentro del data warehouse (aprovechando su poder de computo). Comun en BigQuery/Snowflake.

Propiedad de un proceso que produce el mismo resultado sin efectos secundarios adicionales si se ejecuta mas de una vez con la misma entrada.

Estrategia de ETL que procesa solo los datos nuevos o modificados desde la ultima ejecucion, en vez de recargar todo (full load).

Data warehouse serverless de Google Cloud. Ejecuta SQL sobre datasets masivos, cobra por bytes escaneados.

Tecnicas para reducir el costo de una query: particionar divide la tabla por columna (ej. fecha), clustering ordena fisicamente los datos dentro de cada particion.

Servicio de GCP para pipelines de datos batch y streaming, basado en el modelo de programacion Apache Beam.

Rama de Git creada para desarrollar una funcionalidad de forma aislada, luego integrada al branch principal via Pull Request.

Dos formas de integrar cambios de un branch a otro: merge preserva el historial con un commit de fusion, rebase reescribe el historial linealmente.

Solicitud para fusionar cambios de un branch a otro, con revision de codigo y comentarios antes de aceptarla.

Servicio de almacenamiento de objetos de AWS. Base de la mayoria de los data lakes en esa nube.

Servicio serverless de AWS para ejecutar SQL directamente sobre archivos en S3, sin necesidad de cargar los datos en una base.

Servicio de computo serverless de AWS: ejecuta funciones en respuesta a eventos, sin gestionar servidores.

Practica de redactar instrucciones efectivas para un modelo de lenguaje (LLM), de forma que genere el resultado deseado.

Uso de APIs de modelos de lenguaje (OpenAI, Anthropic) o herramientas ya integradas (Copilot en Excel/Power BI) para automatizar tareas analiticas, sin entrenar modelos propios.