[{"data":1,"prerenderedAt":29},["ShallowReactive",2],{"article-data-curso-gcp-medallion-12":3},{"content":4,"date":5,"image":6,"sideArticles":7},"h1,\r\n    h2,\r\n    h3 {\r\n        color: #333;\r\n    }\r\n\r\n    ul {\r\n        list-style-type: disc;\r\n        margin-left: 20px;\r\n    }\r\n\r\n    code {\r\n        background-color: #f4f4f4;\r\n        padding: 2px 5px;\r\n        border-radius: 3px;\r\n        font-family: monospace;\r\n    }\r\n\u003C/style>\r\n\r\n\u003Cp>\u003Cstrong>Autor:\u003C/strong> \u003Ca href=\"https://www.youtube.com/@EduardoMartinezAgrelo\" target=\"_blank\">Eduardo Martínez\r\n        Agrelo\u003C/a>\u003C/p>\r\n\r\n\u003Cp>Bienvenidos al duodécimo y último laboratorio de vuestro camino en la explotación con \u003Cstrong>Looker Studio\u003C/strong> [5]. En\r\n    este módulo, sentaremos las bases de la visualización empresarial y la preparación del portafolio. No se trata solo de\r\n    acumular tablas limpias en BigQuery, sino de transformar datos analíticos en decisiones estratégicas de negocio. Utilizaremos\r\n    \u003Cstrong>Google Cloud\u003C/strong> para transitar de lógicas internas de datos a un tablero de control interactivo.\r\n\u003C/p>\r\n\r\n\u003Ch2>La Evolución: De Consultas Crudas a Dashboards Interactivos de Negocio\u003C/h2>\r\n\r\n\u003Cp>La presentación de datos analíticos a los directores de negocio mediante archivos planos estáticos o la ejecución en tiempo\r\n    de consulta de joins de tablas masivas degrada la experiencia de usuario y dispara los costes de escaneo. En plataformas\r\n    modernas de datos, la visualización optimizada y desacoplada de la capa de almacenamiento es la respuesta indispensable [5]:\u003C/p>\r\n\u003Cul>\r\n    \u003Cli>\u003Cstrong>Limitaciones:\u003C/strong> Ejecutar cruces de datos en tiempo real desde la herramienta de BI ralentiza la carga\r\n        del reporte y consume demasiados créditos de computación.\u003C/li>\r\n    \u003Cli>\u003Cstrong>La Solución:\u003C/strong> Desplegar vistas optimizadas en BigQuery que unan dimensiones y hechos antes de conectarse\r\n        al lienzo analítico garantiza reportes de carga inmediata [5].\u003C/li>\r\n\u003C/ul>\r\n\r\n\u003Ch2>La Explotación Dual: Métricas de Ventas y Estado Operacional de la Plataforma\u003C/h2>\r\n\r\n\u003Cp>Para asegurar que tanto el equipo comercial como el de operaciones de TI monitoricen el sistema de manera transparente,\r\n    implementaremos dos vistas clave:\u003C/p>\r\n\u003Cp>\u003Ccode>Rendimiento Comercial (vw_sales_performance) + Monitoreo de Cuarentena (vw_platform_health) + Integración Visual (Looker Studio)\u003C/code>\u003C/p>\r\n\u003Cp>Aprenderemos que un pipeline sin observabilidad es difícil de gestionar; por ello, nos enfocaremos en estructurar tableros\r\n    operacionales que muestren el volumen de registros retenidos en cuarentena y las reglas de negocio violadas [4].\u003C/p>\r\n\r\n\u003Ch2>Modelado, Documentación y Presentación del Portafolio Profesional\u003C/h2>\r\n\r\n\u003Cp>En el cierre de tu plataforma de datos, la visibilidad de tu portafolio frente a los reclutadores técnicos es tan importante\r\n    como tu código. No subimos archivos huérfanos sin explicación; utilizamos \u003Cstrong>README.md\u003C/strong> para documentar\r\n    de forma detallada la arquitectura, diagramas e instrucciones de despliegue:\u003C/p>\r\n\u003Cul>\r\n    \u003Cli>\u003Cstrong>Gobernanza:\u003C/strong> Explicaremos el uso de \u003Cstrong>Terraform\u003C/strong> para gobernar el enmascaramiento dinámico\r\n        sobre \u003Cstrong>BigQuery\u003C/strong> de forma limpia.\u003C/li>\r\n    \u003Cli>\u003Cstrong>Visualización:\u003C/strong> Conectaremos las vistas en \u003Cstrong>Looker Studio\u003C/strong> demostrando que la plataforma\r\n        protege el acceso de datos sensibles de manera nativa.\u003C/li>\r\n\u003C/ul>\r\n\r\n\u003Ch2>Implementación práctica\u003C/h2>\r\n\r\n\u003Cp>En este laboratorio final, configurarás las vistas SQL analíticas y el dashboard interactivo. Crearemos la documentación\r\n    definitiva en el archivo \u003Ccode>README.md\u003C/code> para detallar cada fase del pipeline de extremo a extremo, permitiéndote\r\n    consolidar un portafolio impecable y resolver con éxito tus entrevistas de trabajo.\r\n\u003C/p>\r\n\r\n\u003Ch2>Conclusión: Una plataforma analítica completa\u003C/h2>\r\n\u003Cp>Has completado el curso completo de la arquitectura Medallion. Has aprendido a ingestar desde múltiples fuentes, limpiar con\r\n    tipado estricto, aplicar de-duplicaciones MERGE e integraciones de gobernanza, automatizar con orquestación serverless,\r\n    desplegar con CI/CD seguro y explotar analíticamente en Looker Studio [1, 2, 4, 5]. Ya tienes una plataforma moderna de\r\n    ingeniería de datos madura y desplegada en Google Cloud; el siguiente paso es aplicar este conocimiento para seguir\r\n    impulsando tu crecimiento profesional.\u003C/p>","July 9, 2026","https://storage.googleapis.com/mp-blog/images/curso-gcp-medallion-12.jpg",[8,14,19,24],{"id":9,"title":10,"description":11,"image":12,"date":13},"curso-gcp-ai-ops-01","Fundamentos de AIOps en Google Cloud | Curso AIOps con Vertex AI","Módulo 1: Fundamentos de AIOps en Google Cloud. Aprende la transición de ITOps a operaciones inteligentes y cómo preparar tu infraestructura base con Terraform.","https://storage.googleapis.com/mp-blog/images/curso-gcp-ai-ops-01.jpg","May 28, 2026",{"id":15,"title":16,"description":17,"image":18,"date":13},"curso-gcp-ai-ops-02","Vertex AI para AIOps: AutoML y Despliegue | Curso AIOps","Módulo 2: Gestión de modelos con Vertex AI para AIOps. Aprende a utilizar AutoML, gestionar datasets tabulares y desplegar endpoints de predicción.","https://storage.googleapis.com/mp-blog/images/curso-gcp-ai-ops-02.jpg",{"id":20,"title":21,"description":22,"image":23,"date":13},"curso-gcp-ai-ops-03","Observabilidad Inteligente en GCP | Curso AIOps","Módulo 3: Observabilidad Inteligente en GCP. Configuración de Cloud Monitoring, Cloud Logging y creación de dashboards predictivos correlacionados con BigQuery.","https://storage.googleapis.com/mp-blog/images/curso-gcp-ai-ops-03.jpg",{"id":25,"title":26,"description":27,"image":28,"date":13},"curso-gcp-ai-ops-04","Automatización Operativa y Remediación | Curso AIOps","Módulo 4: Automatización Operativa en AIOps. Aprende a crear arquitecturas dirigidas por eventos con Cloud Functions y Pub/Sub para la remediación automática.","https://storage.googleapis.com/mp-blog/images/curso-gcp-ai-ops-04.jpg",1783609814919]