Ir al contenido

Analytics engineering · microsoft fabric

Christian Junior

Certificado por Microsoft

Analytics Engineer | Fabric, lakehouse y Big Data

Cuando el pipeline pesa, el dato no cuadra con operación o dirección deja de confiar en el panel, reordeno ingesta, modelo y consumo. Objetivo simple: que el dato deje de ser coste y pase a ser algo con lo que se puede decidir, con SQL, PySpark, notebooks, OneLake, Power BI y automatización cuando el cuello de botella no es solo ETL.

Ver casos Cómo entro Contacto
Retrato profesional de Christian Junior

Dónde suelo entrar

Soluciones por las que me llaman

Lo que aparece a las 18h o cuando el CFO pregunta “¿por qué cambió este número?”. Si el escenario suena familiar, el siguiente paso suele ser conversación técnica con patrocinador en el loop.

Capacidad y ventana de carga

Cargas full llenando el SKU (p. ej. F16), colas, workspaces compartidos sufriendo. Rediseño incremental, clave de negocio, orden de proceso y reproceso sin drama.

Números que no cierran

P&L, contabilidad, coste de proyecto, RRHH: grano o regla duplicada. Alineo fuentes, definición y capa semántica para que el BI deje de ser “gráfico con opinión”.

Migración a Fabric

Salir de on-premise o Report Server sin perder historia ni confianza. Plan por oleadas, workspaces, linaje y qué pasa a modelo semántico nuevo frente a legado.

Lakehouse convertido en pantano

Bronce sin contrato, misma entidad en formas distintas, consumo desde la capa equivocada. Endurezco plata/oro, contrato y dueño del dato: Medallion de verdad, no solo carpetas.

Semántica, Direct Lake y rendimiento

Modelo pesado, refresh largo o lectura ejecutiva incoherente con operación. Decido qué vive en el lake, qué en el modelo y dónde Direct Lake compensa de verdad.

Automatización y captura

Procesos en correo y hoja de cálculo, dato que nace fuera del sistema. Power Apps, Automate y aterrizaje en el lake cuando el cuello es humano, no solo transformación.

Cómo decido

Decisiones y trade-offs del mundo real

Notas breves del tipo de conversación que tengo con arquitectura, negocio y operaciones, sin diapositiva de “innovación”.

  • Incremental en lugar de full

    Cuando la ventana o el SKU no aguantan recargar todo siempre, el diseño cambia: watermark, clave de negocio, idempotencia donde hace falta y prueba de reproceso.

    Trade-off: más complejidad operativa y de prueba a cambio de capacidad estable.

  • Direct Lake en un sitio, import en otro

    Direct Lake cuando importan latencia y escala del modelo; import cuando la flexibilidad DAX/transformación aún compensa el refresh.

    Trade-off: mayor acoplamiento al lake vs libertad dentro del modelo.

  • Gobernanza mínima viable

    Sin dueño de métrica, estándar de carpetas y reglas de promoción entre capas, el oro se convierte en “carpeta compartida” y el BI en debate eterno.

    Trade-off: un poco de proceso a cambio de un número oficial.

  • BI atado a ritual de decisión

    Un informe sin comité, dueño o cadencia es decoración. Estructuro KPI y vistas para sostener una reunión que ya existe, o matar una que solo existía por falta de dato.

    Trade-off: menos libertad “creativa” en el layout, más adopción y uso.

  • Contrato en plata, no esperanza en bronce

    Bronce ingiere; plata estandariza y prueba; oro responde al negocio. Saltarse una capa se paga después en conciliación y retrabajo de BI.

    Trade-off: más tiempo hasta el primer SELECT bonito a cambio de menos sorpresas después.

  • Ingeniería hablando el mismo idioma que la decisión

    Traduzco restricción técnica en impacto (plazo, riesgo, coste) y meto al negocio en definir el grano pronto, para que nadie “apruebe” un BI que en realidad no asume.

    Trade-off: reuniones más duras al inicio a cambio de menos refación al final.

Sobre mí

No vendo un dashboard bonito. Vendo claridad bajo presión.

Trabajo en la stack Microsoft de analytics: lakehouse, capas, incremental, semántica, gobernanza y consumo. He estado con capacidad al límite en Fabric, migraciones desde on-premise / Report Server y modelos que solo mejoraron cuando el grano y la capa fueron los correctos.

Lo que se ve en reunión puede ser un informe; lo que sostiene la decisión es contrato de dato, coste de pipeline, definición de métrica y quién lo opera cuando el proyecto “terminó”. Por eso documento y estandarizo: analytics sin operación acaba en archivo muerto.

En equipos mixtos suelo estar entre negocio, plataforma y TI: traduzco restricción real (ventana, SKU, política) en diseño que no depende de un héroe.

  • Lakehouse en Fabric/OneLake: Medallion con reglas claras por capa, nada de consumir bronce “porque era más rápido”.
  • Semántica y BI: SQL, DAX y Direct Lake cuando el problema es latencia, confianza o cierre financiero, no solo el visual.
  • Power Platform cuando el dato nace mal o el proceso es manual: Apps, Automate y destino en el lake cuando encaja.
Trayectoria completa

Casos

Problema real, decisión, entrega y qué cambió en el negocio

Cada pieza es una narrativa cerrada: contexto, qué fallaba (capacidad, confianza, plazo), decisiones de arquitectura, stack e impacto. El BI aparece cuando sostiene comité, P&L, operación o RRHH, no como vitrina suelta.

Casos en publicación. La lista completa llega en breve.

Soluciones

Cómo entro en un proyecto

Depende de la fase: a veces triage de pipeline, a veces diseño de lakehouse, a veces BI ejecutivo con métrica oficial. El hilo común es cerrar el ciclo entre ingeniería y decisión, con algo que tu equipo pueda operar.

Estructuración de datos para la toma de decisiones

Transformo preguntas de negocio en métricas confiables, el grano correcto y narrativa analítica que sostiene comités.

Entregas

  • Mapa de KPIs y diccionario inicial
  • Prototipo de modelo de datos / medidas
Detalles de la solución →

Construcción de pipelines e ingestión de datos

Pipelines incrementales, contratos por fuente y observabilidad mínima: Fabric, notebooks o stack equivalente.

Entregas

  • Diseño de pipeline y dependencias
  • Implementación y documentación operacional
Detalles de la solución →

Implementación de Lakehouse en Microsoft Fabric

OneLake, lakehouse por dominio, notebooks PySpark y publicación para BI con gobernanza ligera y repetible.

Entregas

  • Blueprint de lakehouse y convenciones
  • Primer dominio punta a punta (MVP)
Detalles de la solución →

Dashboards ejecutivos y operativos

Paneles conectados a decisiones reales: jerarquía visual, KPIs acordados y performance para uso diario.

Entregas

  • Prototipo validado + modelo semántico
  • Publicación con estándares de performance
Detalles de la solución →
Ver alcances y detalles

Trayectoria

Trayectoria

De operaciones de TI a analytics engineering: infraestructura, BI, proyectos y hoy Fabric/lakehouse con el problema de negocio en el centro.

  1. Analytics Engineer | Data & AI

    Inmetrics marzo de 2026 · actual

    São Paulo, Brasil

    Actuación en arquitectura analítica end-to-end con Microsoft Fabric, desde ingestión y lakehouse hasta consumo ejecutivo con BI e IA aplicada.

    • Estructuración de pipelines en Fabric con foco en gobernanza, desempeño y confiabilidad
    • Uso de notebooks y PySpark para tratar mayores volúmenes y reglas complejas
    • Conexión entre ingeniería, analytics y decisión ejecutiva en soluciones orientadas al negocio

  2. SR IT Project Analyst | Business Intelligence

    Cast group mayo de 2025 · marzo de 2026

    São Paulo, Brasil

    Conducción de proyectos de BI y analytics con foco en estandarización de métricas, evolución arquitectónica y previsibilidad de entrega.

    • Planificación y ejecución de frentes analíticos con múltiples stakeholders
    • Estructuración de procesos de datos para mejorar calidad y gobernanza de indicadores
    • Mejora de la capa de consumo ejecutivo con foco en decisión y no en volumen de pantallas

  3. IT Project Analyst | Business Intelligence

    Cast group mayo de 2024 · mayo de 2025

    São Paulo, Brasil

    Participación en iniciativas de BI con visión de proyecto, integrando necesidades de negocio, modelado analítico y calidad de entrega.

    • Evolución de flujos de reporting hacia modelos analíticos más confiables
    • Alineación técnica entre áreas de negocio, datos y tecnología
    • Apoyo en organización de backlog, prioridades y gobernanza de indicadores

  4. Business Intelligence Analyst

    Cast group febrero de 2023 · abril de 2024

    São Paulo, Brasil

    Outsourcing para la Secretaría de Hacienda y Planificación del Estado de Sao Paulo, con foco en confiabilidad analítica y soporte a la gestión pública.

    • Consolidación de datos e indicadores para seguimiento ejecutivo
    • Apoyo en la estructuración de métricas consistentes entre áreas
    • Entregas enfocadas en claridad, contexto y decisión

  5. Business Intelligence Analyst

    Grupo Vamos enero de 2022 · febrero de 2023

    Mogi das Cruzes, São Paulo, Brasil

    Trabajo en BI corporativo conectando performance operativa con indicadores de negocio para la toma de decisiones.

    • Estructuración de reportes e indicadores para operación y gestión
    • Mejora de calidad de datos para reducir retrabajo analítico
    • Mejora de lectura ejecutiva con foco en KPI y acción

  6. Performance Analyst

    Grupo Vamos diciembre de 2021 · marzo de 2022

    Mogi das Cruzes, São Paulo, Brasil

    Evolución del soporte operativo hacia análisis de performance, con foco en monitoreo de indicadores y eficiencia de procesos.

    • Análisis de desempeño para apoyar decisiones de corto plazo
    • Organización de bases y seguimiento sistemático de KPIs

  7. Entry-Level IT Infrastructure Analyst

    Neobpo noviembre de 2021 · diciembre de 2021

    Mogi das Cruzes, São Paulo, Brasil

    Trabajo en infraestructura y soporte técnico con foco en continuidad operativa, base para evolucionar luego en datos y analytics.

    • Atención técnica y soporte al entorno corporativo
    • Apoyo en rutinas de infraestructura y estabilidad de operación

  8. Entry-Level IT Assistant

    Neobpo enero de 2021 · noviembre de 2021

    Mogi das Cruzes, São Paulo, Brasil

    Inicio de mi trayectoria en tecnología, con actuación operativa en soporte y rutina técnica que consolidó disciplina de proceso y calidad.

    • Soporte a usuarios y resolución de incidentes de baja y media complejidad
    • Seguimiento de procesos y documentación técnica básica

Credenciales

Certificaciones y certificados

La certificación no sustituye la entrega, pero muestra que juego con examen y reglas de plataforma. Destacado en lo que sostiene BI serio; el resto agrupado como Microsoft, datos y método.

Badge da certificação Data Science Orientation

Data y Analytics

Data Science Orientation

IBM

2024

Badge da certificação ITIL® Foundation Certificate in IT Service Management

Gobernanza y métodos

ITIL® Foundation Certificate in IT Service Management

Código da credencial GR671531620CD

2023

Ver credenciales y enlaces oficiales

Stack

Dónde actúo

Stack organizada por frente de trabajo.

Ingeniería de datos

Microsoft Fabric OneLake y arquitectura lakehouse Data Factory y pipelines ETL/ELT PySpark y notebooks SQL e ingesta incremental Modelado en capas (Medallion)

Analytics y BI

Power BI Modelado semántico DAX Marco de KPIs y storytelling Dashboards ejecutivos orientados a la decisión

Automatización y apps

Power Automate Power Apps AI Builder Integraciones y flujos de trabajo Automatización orientada a proceso

IA e inteligencia aplicada

Fabric ML Modelos analíticos IA aplicada al negocio Enriquecimiento de procesos y decisiones

Gobernanza y fiabilidad

RLS y seguridad de acceso Organización de workspaces Estándares visuales y semánticos Fiabilidad analítica Cumplimiento y documentación operativa

¿Fabric, dato sensible o migración que no puede fallar?

Envía una frase del problema (p. ej.: full que tumba capacidad, CFO sin confianza en el P&L, salida de Report Server). Respondo con qué haría primero y qué no prometería.

Abrir contacto LinkedIn