Contexto
El proyecto partía de datos y procesos de riesgo distribuidos entre archivos Excel y una base SQL heredada, un punto de partida práctico que hacía cada vez más importantes la consistencia del histórico, la frescura, el linaje y la reutilización.
Cómo lo abordo
Dentro de un proyecto de equipo más amplio, diseñé e implementé elementos centrales de la migración: capas RAW e históricas en Snowflake, vistas gobernadas y una orquestación dirigida por un dispatcher. También construí controles automáticos de calidad y frescura y una capa estandarizada de componentes para dashboards de riesgo y rendimiento. Las estructuras semánticas llevan las mismas definiciones gobernadas y relaciones de datos al agente de riesgo con IA.
- Capas RAW e históricas gobernadas en Snowflake con vistas curadas
- Orquestación mediante dispatcher y controles automáticos de calidad y frescura
- Dashboards reutilizables y estructuras semánticas compartidas con el agente de riesgo con IA
Por qué importa
Cuando las definiciones, los cálculos, el linaje y los controles viven en una capa analítica reutilizable, no es necesario reconstruirlos por separado para dashboards, informes o IA. Personas y modelos pueden trabajar sobre la misma base de confianza: las interfaces deterministas sostienen la monitorización y el análisis, mientras el agente utiliza ese contexto para investigar y sintetizar. Así, la IA forma parte del sistema analítico en lugar de añadirse después sobre datos desconectados.
Estado actual
Proyecto profesional activo. Los detalles se mantienen deliberadamente a alto nivel para respetar la confidencialidad de los sistemas y datos subyacentes.