Before organising a course or seminar, we listen to the real needs and objectives of each client, in order to adapt the training and get the most out of it. We tailor each course to your needs.

We are also specialists in 'in company' trainings adapted to the needs of each organisation, where the benefit for several attendees from the same company is much greater. If this is your case, contact us.

 

Calls for course

Ponemos a disposición también plataforma Cloud con todas las herramientas instaladas y configuradas, listas para la formación, incluyendo ejercicios, bases de datos, etc... para no perder tiempo en la preparación y configuración inicial. ¡Sólo preocuparos de aprender!

Ofrecemos también la posibilidad de realizar formaciones en base a ‘Casos de Uso’

Se complementa la formación tradicional de un temario/horas/profesor con la realización de casos prácticos en las semanas posteriores al curso en base a datos reales de la propia organización, de forma que se puedan ir poniendo en producción proyectos iniciales con nuestro soporte, apoyo al desarrollo y revisión con los alumnos y equipos, etc…

En los 10 últimos años, ¡hemos formado a más de 250 organizaciones y 3.000 alumnos!

Ah, y regalamos nuestras famosas camisetas de Data Ninjas a todos los asistentes. No te quedes si las tuyas

1  2  3  4  5

Curso de Pentaho Data Integration – Extracción, Transformación y Carga de Datos

Curso de Pentaho Data Integration – Extracción, Transformación y Carga de Datos

Goal

Incluye: Material de estudio, ejercicios prácticos, acceso a infraestructura cloud y certificación oficial.

Aprende a extraer, transformar y cargar datos con una de las herramientas ETL más potentes del mercado, optimizando flujos de datos y automatizando procesos empresariales.

La extracción, transformación y carga (ETL) de los datos es la clave del éxito en un sistema BI, que permite gestionar la calidad de los datos de forma adecuada.

En este curso te contaremos algunas de las mejores prácticas que recomendamos durante el diseño de los procesos ETL como:

Centralización de los procedimientos, de forma que se asegure la coherencia y homogeneidad de los datos intercambiados desde las distintas fuentes.

Evitar la redundancia de cálculos: si existe el dato previamente calculado en las bases de datos operacionales, no debe volver a realizarse el cálculo en la extracción. Esta premisa pretende conseguir un doble objetivo.

Establecimiento de puntos de "control de calidad" y validación.

Implementar procesos de recarga de la información, ante posibles errores en la información inicial.

Contemplar la posibilidad de utilizar tablas intermedias con el nivel más atómico de la información a tratar.

Además, repasaremos los elementos más importantes y usados de la herramienta de ETLs de Pentaho: Kettle o Pentaho Data Integration.

Accede a nuestra DEMO BI Completa

Compruebe el potencial de nuestras soluciones

En Stratebi hemos creado un gran número de Demos Online, para que pueda ver algunos ejemplos realizados para varios sectores, con datos públicos. Descubra de forma práctica la cantidad de posibilidades que ofrecen nuestras soluciones y desarrollos.
En la demo, podrá evaluar las herramientas LinceBI (STPivot, STDashboard o STCard), un conjunto de herramientas desarrolladas por Stratebi y que dotan de gran potencia a nuestras soluciones.

Solicite una clave de acceso  Accede a la Demo BI

Target audiences

Profesionales de las tecnologías de información, gestores de TI, Analistas de Negocio, Analistas de sistemas, arquitectos Java, desarrolladores de sistemas, administradores de bases de datos, desarrolladores y profesionales con relación a el área de tecnología, marketing, negocio y financiera.

Observations

Data Quality e integración con Pentaho

Novedades Pentaho Data Integration 9.0

Las principales novedades de PDI 9.0 son las siguientes:

Multi-clúster de Hadoop

  • Los usuarios pueden acceder y procesar datos de múltiples clústeres de Hadoop, de diferentes distribuciones y versiones, todo desde una sola     transformación e instancia de Pentaho.
  • Además, dentro de Spoon, los usuarios ahora pueden configurar tres configuraciones distintas de clúster, todas con referencia a un clúster específico, sin tener que reiniciar Spoon.
  • La  nueva interfaz de usuario brinda una experiencia mejorada para la     configuración de clústeres y para la creación de conexiones seguras.
  • Admite las siguientes distribuciones: Hortonworks HDP v3.0, 3.1; Cloudera CDH v6.1, 6.2; Amazon EMR v5.21, 5.24.

El siguiente ejemplo muestra un Multi-clúster implementado sobre el mismo pipeline de datos con conexión a los clústeres Hortonworks HDP y Cloudera CDH.

Casos de uso y beneficios

·         Permite el procesamiento de Big Data híbrido (local o en la nube), dentro de un mismo pipeline de procesamiento de datos.

·         Simplifica la integración de Pentaho con clústeres de Hadoop, mediante una experiencia de usuario mejorada para configuraciones de clúster.

Comparativa Kettle (Pentaho Data Integration) y Talend

Tanto Kettle como Talend son grandes herramientas, muy visuales, que nos permiten integrar todo tipo de fuentes, incluyendo también Big Data para hacer todo tipo de transformaciones y proyectos de integración o para preparar potentes entornos analíticos, también con soluciones Open Source como podéis ver en esta Demo Online , donde se han usado Kettle y Talend en el backend.

Syllabus

Módulo 1: Fundamentos de Pentaho Data Integration (PDI)

  1. Introducción a los procesos ETL y su importancia en Business Intelligence.
  2. ¿Qué es Pentaho Data Integration (PDI) y cómo se usa?
  3. Instalación y configuración de PDI en distintos entornos.
  4. Herramientas clave de PDI: Spoon, Pan, Kitchen y Carte.
  5. Diferencias entre Transformations y Jobs y cuándo usarlas.
  6. Configuración de variables de entorno y gestión de parámetros.
  7. Uso de repositorios en PDI: archivos locales vs. bases de datos.
  8. Conexión con bases de datos mediante JDBC y JNDI.
  9. Ejercicio práctico: creación de una transformación básica en Spoon.

Módulo 2: Extracción de Datos desde Diferentes Fuentes

  1. Tipos de fuentes de datos en procesos ETL: estructurados y no estructurados.
  2. Importación de datos desde archivos CSV, Excel, JSON y XML.
  3. Conexión con bases de datos relacionales (MySQL, PostgreSQL, SQL Server).
  4. Integración con APIs REST y servicios web para la extracción de datos.
  5. Uso de Pentaho Data Services para consultas dinámicas.
  6. Extracción en tiempo real desde Kafka y sistemas en streaming.
  7. Conexión con sistemas NoSQL (MongoDB, Cassandra, Hadoop, Spark).
  8. Estrategias de optimización en la extracción de datos.
  9. Ejercicio práctico: integración de múltiples fuentes de datos en un solo flujo.

Módulo 3: Transformación y Limpieza de Datos

  1. Normalización y estandarización de datos en PDI.
  2. Aplicación de reglas de negocio en transformaciones de datos.
  3. Manejo de datos faltantes, duplicados y valores nulos.
  4. Uso de los pasos de transformación en Spoon: Filter, Join, Split, Replace.
  5. Validación de datos mediante Expresiones Regulares (RegEx).
  6. Transformaciones avanzadas con JavaScript y fórmulas.
  7. Implementación de cálculos y agregaciones en PDI.
  8. Auditoría de datos y estrategias de control de calidad.
  9. Ejercicio práctico: limpieza y transformación de un dataset con errores.

Módulo 4: Carga y Almacenamiento de Datos

  1. Tipos de almacenamiento de datos: relacional, NoSQL y Data Warehousing.
  2. Inserción, actualización y eliminación de datos en bases de datos SQL.
  3. Uso de Bulk Loading para optimizar cargas masivas de datos.
  4. Estrategias de particionamiento y almacenamiento eficiente.
  5. Implementación de Slowly Changing Dimensions (SCD) en PDI.
  6. Exportación de datos a diferentes formatos: CSV, JSON, XML, Parquet.
  7. Integración con Data Lakes y arquitecturas modernas.
  8. Optimización del rendimiento en cargas ETL a gran escala.
  9. Ejercicio práctico: carga de datos optimizada en una base de datos.

Módulo 5: Automatización y Orquestación de Procesos ETL

  1. Uso de Jobs en PDI para la ejecución de flujos de datos.
  2. Planificación y calendarización de procesos con Pentaho Scheduler.
  3. Integración con herramientas de automatización: Airflow, Jenkins, Crontab.
  4. Configuración de alertas y monitoreo de errores en ETL.
  5. Control de flujo con condiciones, loops y variables dinámicas.
  6. Procesamiento en paralelo para mejorar el rendimiento de ETL.
  7. Integración de Pentaho con Apache Kafka y procesamiento en streaming.
  8. Orquestación de flujos en entornos cloud y distribuidos.
  9. Ejercicio práctico: creación de un flujo ETL automatizado con Jobs.

Módulo 6: Seguridad, Administración y Buenas Prácticas

  1. Administración de usuarios y permisos en Pentaho BI Server.
  2. Configuración de entornos de desarrollo, prueba y producción.
  3. Implementación de logs y auditoría en procesos ETL.
  4. Control de versiones en Git para flujos ETL.
  5. Estrategias de recuperación ante errores y fallos en ETL.
  6. Mantenimiento y optimización de procesos ETL en producción.
  7. Integración de PDI con entornos Cloud (AWS, Azure, GCP).
  8. Mejores prácticas en el desarrollo de procesos ETL escalables.
  9. Ejercicio práctico: implementación de seguridad y logs en un flujo ETL.

Módulo 7: Proyecto Final y Aplicaciones Reales

  1. Definición del caso de estudio: aplicación real en ETL.
  2. Diseño de la arquitectura del proyecto: herramientas y modelos.
  3. Implementación de procesos de extracción con Pentaho PDI.
  4. Transformación y limpieza de datos según requerimientos de negocio.
  5. Carga de datos optimizada en bases de datos SQL y Data Warehouses.
  6. Automatización y monitoreo del flujo ETL.
  7. Optimización y escalabilidad del sistema ETL.
  8. Presentación del proyecto final y validación de resultados.
  9. Conclusiones, mejores prácticas y certificación del curso.

Contacto

Ajustamos cada curso a sus necesidades.

Nuestra oficina en Madrid