<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Camilo López on Medium]]></title>
        <description><![CDATA[Stories by Camilo López on Medium]]></description>
        <link>https://medium.com/@inge.camil?source=rss-948e46948f14------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/0*JeXuYr5OQyL1AsQh</url>
            <title>Stories by Camilo López on Medium</title>
            <link>https://medium.com/@inge.camil?source=rss-948e46948f14------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Thu, 19 Nov 2026 09:24:03 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@inge.camil/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Crear ambiente de desarrollo en docker con Dev container.]]></title>
            <link>https://medium.com/@inge.camil/crear-ambiente-de-desarrollo-en-docker-con-dev-container-ebba70ff81cf?source=rss-948e46948f14------2</link>
            <guid isPermaLink="false">https://medium.com/p/ebba70ff81cf</guid>
            <category><![CDATA[software-development]]></category>
            <category><![CDATA[dockerfiles]]></category>
            <category><![CDATA[data-engineering]]></category>
            <category><![CDATA[docker-compose]]></category>
            <dc:creator><![CDATA[Camilo López]]></dc:creator>
            <pubDate>Tue, 17 Nov 2026 18:43:05 GMT</pubDate>
            <atom:updated>2026-11-17T18:43:05.060Z</atom:updated>
            <content:encoded><![CDATA[<p>Ahora es posible desarrollar desde un ambiente en el cual sin instalar dependencias localmente en nuestra maquina podemos trabajar, esto nos permite evitar complicaciones al momento de desarrollar nuestras aplicaciones y que estas deban realizar la instalación de dependencias con diferentes versiones.</p><p>Para crear nuestro ambiente necesitamos instalar Visual Studio code, este es enlace para descargarlo.</p><p><a href="https://code.visualstudio.com/">Visual Studio Code - Build what comes next</a></p><p>Luego de instalar nuestro VS Code, vamos a crear nuestro contenedor con dev container.pero..</p><p>¿Qué es dev container?</p><p>Dev Container es una extensión creada por Microsoft que permite crear nuestro contenedor con las dependencias necesarias y realizar nuestro trabajo en desarrollo desde VS Code.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/968/0*5wy_JphbKU0DD26H" /></figure><p>Arquitectura del contenedor</p><p>Aqui puedes encontrar más información.</p><p>Teniendo en cuenta el contexto anterior vamos a nuestro VS Code, buscamos la extension Dev Containers y procedemos a realizar la instalación.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/926/0*k0-8jGcGzSPxhNv2" /></figure><p>Una vez realizada la instalación presionamos fn+f1 y buscaremos Dev containers, nos aparecerán las opciones para crear nuestro contenedor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/600/0*7gWxyRzeOAv2N-UX" /></figure><p>Este GUI nos permite crear un container seleccionando el SO operativo y las dependencias que se requiera instalar, pero, para este caso utilizaremos un Dockerfile para crear nuestra imagen, esto lo podemos configurar creando la carpeta .devcontainer y creando el archivo devcontainer.json, el cual contendrá la configuración de nuestro contenedor realizando el llamado con el tag build y en su interior especificando las etiquetas dockerfile y context con las cuales se indicara el nombre del archivo y la ubicación desde la cual podemos encontrarlo.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/410/0*yG8z2VA4hEV0YA9g" /></figure><p>En este caso en customizations podemos indicar las extensiones para VS code que requiere nuestra aplicación para permitir realizar la depuración en remoto de nuestro código, para este caso tenemos python y pylance.</p><p>Ahora configuramos un dockerfile con una imagen (sencilla para este ejemplo) que contenga la version de python 3.7, le diremos el volumen en el cual estará nuestro código e instalaremos una librería para realizar una prueba de ejecución en nuestro contenedor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/674/0*x43I3_ncGyrEu3ne" /></figure><p>Cuando tengamos estas configuraciones damos fn + f1 y la opción &gt;Dev Containers: build container ó Dev Containers: Reopen in container, y comenzara a crearse nuestro contenedor con las configuraciones indicadas; a continuación creamos un archivo main.py y creamos una lectura a un archivo con python que se ejecutará en nuestro contenedor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1023/0*7eeR0PTEBxwd--dP" /></figure><p>Con este pequeño ejemplo podemos explorar y crear nuestros dev containers para realizar nuestros desarrollos sin preocuparnos por dependencias en nuestro equipo local.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=ebba70ff81cf" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[What is slow changing dimension?]]></title>
            <link>https://medium.com/@inge.camil/what-is-slow-changing-dimension-68a0b02a3457?source=rss-948e46948f14------2</link>
            <guid isPermaLink="false">https://medium.com/p/68a0b02a3457</guid>
            <category><![CDATA[data-visualization]]></category>
            <category><![CDATA[data-analysis]]></category>
            <category><![CDATA[data-engineer-skills]]></category>
            <dc:creator><![CDATA[Camilo López]]></dc:creator>
            <pubDate>Tue, 17 Nov 2026 18:39:44 GMT</pubDate>
            <atom:updated>2026-11-17T18:39:44.077Z</atom:updated>
            <content:encoded><![CDATA[<p>Slow changing dimensions are the dimensions that has changing through the time, in this case the rows the table of OLPT can be updated by the user, in some cases these changes need to be saved or have an historical of those for different reason like reports with geo-reference where you need to identify the numbers of clients by location or his ages in the time are some examples for used slow changing dimension.</p><p>As an example, take it the datawarehouse that contain information about the sales did by client, is very likely that we need a report of sales geo-reference request to know the sales by region or sector with the count of client who bought different products in a specific date and currently some of this client changed his address in this case you need to save the historical information about his address for this report and here used the SCD for maintain the historical address in the time, this is because save this information in the OLTP is more expensive for DB maintain and the OLTP systems are not optimized for get the information by queries with this level of historic.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/442/0*xNWNyxi2nV-r8v3w" /><figcaption>Use case</figcaption></figure><p>What type of SCD exists? The most common SCD are 3 but currently is possible to found 5 types and used one or another depends on the case that you need to resolve.</p><p>SCD Type 1: Overwrite the rows.</p><p>In this type of SCD is not necessary to save and historical of data, it only replaces the value old with the new value in the dimension.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/442/0*jRnIoBU2ba6joSxU" /><figcaption>SCD Type 1</figcaption></figure><p>SCD Type 2: Add new row to dimension.</p><p>In this type of SCD, the new row is generated to save the new value maintained the old value, for to make it is necessary to have some columns to help us to maintain the historical.</p><p>· BeginDate: this field doing reference to date with value was inserted on the dimension.</p><p>· EndDate: This field indicate the end date for the row.</p><p>· Version: This field indicate the number of versions of this register (1,2,3…n)</p><p>· CurrentVersion: This field indicate if the register is the current version, this field is a Boolean field with true or false.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/442/0*WOZlQB4wGDegkiuf" /><figcaption>SCD Type 2</figcaption></figure><p>SCD Type 3: add columns: For this type of SCD the column will be added depends of the fields that you need to have a historic, for example if you want maintain the two historic values for address you add the old version and new version if you need more you will be add other column to maintain the version old1, old and new version for this value the grow up in the table will be horizontal.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/442/0*JpJvfrOEOqpSCMAU" /><figcaption>SCD Type 3</figcaption></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=68a0b02a3457" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Fundamentos de ingeniería de datos]]></title>
            <link>https://medium.com/@inge.camil/fundamentos-de-ingenier%C3%ADa-de-datos-12ba09b12087?source=rss-948e46948f14------2</link>
            <guid isPermaLink="false">https://medium.com/p/12ba09b12087</guid>
            <category><![CDATA[dataengineeringconsulting]]></category>
            <category><![CDATA[data-engineer-skills]]></category>
            <category><![CDATA[ingenieria-de-datos]]></category>
            <category><![CDATA[data-engineering-101]]></category>
            <category><![CDATA[datos]]></category>
            <dc:creator><![CDATA[Camilo López]]></dc:creator>
            <pubDate>Wed, 11 Nov 2026 17:40:08 GMT</pubDate>
            <atom:updated>2026-11-11T17:40:08.899Z</atom:updated>
            <content:encoded><![CDATA[<p>El camino hacia la arquitectura de datos</p><p>Un constructor no toma los materiales y empieza a levantar paredes sin tener planos. En la ingeniería de datos pasa algo parecido: las herramientas, los lenguajes y las bases de datos son los materiales, pero la teoría son los planos.</p><p>Con mi experiencia en la ingeniería de datos me hice estas preguntas: ¿qué conocimientos requiere un arquitecto de datos? ¿Cuáles me hacen falta a mí? ¿Y cuáles puedo empezar a compartir con la comunidad para ayudar a quienes inician este camino?</p><p>Creo que hay dos frentes. El primero son las habilidades técnicas: herramientas, lenguajes de programación, bases de datos. El segundo es la teoría, la base sobre la cual se construye todo lo demás. Por eso quiero empezar por los fundamentos: ¿qué es la ingeniería de datos? ¿Existen bases y principios comunes?</p><p>En mi búsqueda encontré el libro <em>Fundamentos de ingeniería de datos</em>, de Joe Reis y Matt Housley. Mi propuesta es recorrerlo artículo por artículo: te cuento qué plantea, cómo lo veo desde mi experiencia y cómo se vería en ejemplos de la vida real. También sirve de resumen para quienes no han tenido tiempo de leerlo.</p><p>Qué es la ingeniería de datos?</p><p>Durante mucho tiempo yo la veía como extraer, transformar y consolidar información en una bodega de datos, un data lake o similar. Es lo que hacemos a diario muchos desarrolladores, y me hacía ignorar otros aspectos del trabajo.</p><p>Reis y Housley la definen de forma más amplia: es el desarrollo, la implementación y el mantenimiento de sistemas y procesos que toman datos sin procesar y producen información consistente y de alta calidad, que respalda usos posteriores como el análisis y el machine learning.</p><p>Además, el libro la presenta como el punto de encuentro de seis frentes: seguridad, gestión de datos, operaciones de datos (DataOps), arquitectura de datos, orquestación e ingeniería de software. Los autores llegan a esta definición, deliberadamente amplia, después de contrastar perspectivas muy distintas, desde las más técnicas hasta las más orientadas al análisis y al negocio.</p><p>Lo que he visto en la práctica</p><p>Al leer esa definición y revisar mi trayectoria, me di cuenta de que describe la realidad, quizá no al pie de la letra, pero sí en lo esencial:</p><ul><li>Orquestación: una orquestación bien diseñada permite que las empresas tengan información a tiempo y generen reportes en tiempo real para decidir sobre incentivos o marketing.</li><li>Seguridad: he construido pipelines donde cierta información debe ofuscarse o no mostrarse, por exigencias del tratamiento de datos personales.</li><li>Machine learning: contar con histórico de calidad me ha permitido analizar datos, descubrir patrones y apoyar decisiones de las empresas.</li></ul><p>Podría citar más ejemplos, pero la conclusión es la misma: la ingeniería de datos no es solo usar herramientas para transformar datos y dejarlos en algún lugar. Somos un puente de integración entre los sistemas, las herramientas técnicas y los objetivos del negocio.</p><p>Una base sobre la cual trabajar: el ciclo de vida</p><p>Si esa es la definición, ¿qué abarca? Lo primero que suele venir a la mente es un proceso ETL o ELT. Pero esos procesos son solo una parte de algo más grande: el ciclo de vida de la ingeniería de datos, que va desde que los datos se generan hasta que se ponen al servicio de quien los usa.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/792/0*s70MKUUBYD2afaH-" /><figcaption>Fuente: Fundamentos de ingenieria de datos Reis y Husley</figcaption></figure><p>Cada etapa del ciclo de vida, y los frentes que lo atraviesan de principio a fin, merecen su propio espacio. En el próximo artículo hablaré del ciclo de vida y de cómo se ve cada una de sus etapas en proyectos reales.</p><p>En el próximo articulo estaremos abordando los aspectos sobre el ciclo de vida de ingeníeria de datos.</p><p>Referencia:</p><p>Reis, J., y Housley, M. (2023). <em>Fundamentos de ingeniería de datos</em> (F. Martínez Carreño, Trad.). Marcombo. (Obra original publicada en 2022)</p><p>¿Ya leíste el libro, o lo tienes en tu lista? Te leo en los comentarios.</p><p>#IngenieríaDeDatos #DataEngineering #ArquitecturaDeDatos #Datos</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=12ba09b12087" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>