Data Design

Skill: data-design

Diseño de análisis. La pregunta está clara, ahora definí cómo responderla.

Trigger

• Ya definiste la pregunta de negocio (con data-question)
• Tenés que elegir entre múltiples enfoques técnicos
• No sabés si esto es un trabajo de SQL, Python o Excel
• El proyecto creció y necesitás una arquitectura de análisis

Workflow LEND

1. ANALIZAR
   ├── Pregunta: ¿descriptiva, diagnóstica, predictiva o prescriptiva?
   ├── Datos: ¿cuántos? ¿estructurados? ¿limpios? ¿dónde están?
   ├── Stack: ¿SQL directo, Python, R, o herramienta visual?
   └── Entrega: ¿dashboard, reporte PDF, API, modelo?

2. OFRECER (Menú del Senior)
   ├── A) SQL-first — si los datos están en DB y la pregunta es simple
   ├── B) Python pipeline — si necesitás transformaciones complejas o ML
   └── C) Híbrido — SQL para extracción + Python para análisis + visualización

3. ELEGIR → confirmación

4. HACER
   ├── Definir pipeline de análisis (extracción → limpieza → transformación → análisis → presentación)
   ├── Elegir herramientas: Pandas, Polars, DuckDB, SQLAlchemy
   ├── Estimar tiempo: ¿esto se resuelve en 30 minutos o necesita 2 semanas?
   ├── Identificar riesgos: datos incompletos, leakage, escala
   └── Documentar el diseño antes de implementar

5. VERIFICAR
   ├── El diseño responde la pregunta original sin desviarse
   ├── Las herramientas elegidas son las correctas para el volumen de datos
   └── Hay un plan B si el enfoque principal falla

Patrones

• Pregunta primero, diseño después: no diseñes sin saber qué preguntás
• Lo más simple que funciona: SQL > Python > Spark. No uses un cañón para una mosca
• Pipeline explícito: cada etapa tiene input, transformación y output claros
• Prototipar rápido: un MVP de 30 lines vale más que una arquitectura de 2 días

Anti-patrones

• ❌ Diseñar sin tener clara la pregunta — terminás resolviendo lo que no te pidieron
• ❌ Elegir herramienta por moda y no por necesidad — "usemos Spark" para 10MB de datos
• ❌ Arquitectura sobreingenierizada — pipelines de 10 etapas para una pregunta de 2 variables
• ❌ No considerar el tiempo — "esto es fácil" sin haber visto los datos