Puedes leer sin crear un espacio. Créalo solo cuando quieras guardar.
Guardar progresoLección 1 de 5
Triage y severidad
Dirige un incidente con severidad, roles, timeline y criterios de éxito explícitos antes de tocar configuración.
30 min aprox.
01Modelo mentalTriage y severidad
Dirige un incidente con severidad, roles, timeline y criterios de éxito explícitos antes de tocar configuración.
+
Triage y severidad
Dirige un incidente con severidad, roles, timeline y criterios de éxito explícitos antes de tocar configuración.
Un incidente de datos combina impacto técnico y de negocio: atraso, datos incorrectos, duplicados, indisponibilidad o sobrecoste. Declara severidad y alcance, asigna incident commander y comunicación, congela cambios no esenciales y establece una línea de tiempo en UTC con IDs de job, run, statement y commit. La primera meta es contener impacto sin destruir evidencia.
Diferencia mitigación de causa raíz. Reprocesar una partición puede restaurar el SLA, pero no explica por qué falló; ampliar compute puede ganar tiempo, pero aumenta coste y oculta skew. Define criterios cuantificados de recuperación —freshness, completitud, duración, coste— y un rollback antes de ejecutar cualquier cambio.
incident: INC-2041
severity: SEV-2
started_at_utc: 2026-07-21T01:42:00Z
impact: "gold.sales_daily fuera de SLA; dashboards sin actualizar"
commander: data-platform-oncall
data_safety: "no ejecutar VACUUM ni borrar checkpoints"
recovery_criteria:
freshness_minutes: 30
duplicate_order_ids: 0
p95_runtime_minutes: 24
rollback: "restaurar bundle release-2026.07.20"El expediente es operativo: evita nombres de clientes y enlaza evidencia gobernada en lugar de pegar datos sensibles.
¿Qué diferencia una mitigación de una causa raíz?
Profundiza
Un incidente es un sistema de decisiones bajo incertidumbre. Antes de optimizar Spark o cambiar compute, el equipo necesita una imagen común: impacto, severidad, servicio afectado, inicio probable, propietario y condición de recuperación. El incident commander coordina y protege la línea temporal; quienes investigan prueban hipótesis; quien comunica mantiene informados a los consumidores. Separar funciones reduce cambios simultáneos y memoria contradictoria. El objetivo inmediato no es encontrar la explicación perfecta, sino restaurar el servicio con una mitigación reversible y evidencia suficiente. Cada acción debe declarar hipótesis, riesgo, señal esperada y rollback. Sin esa disciplina, aumentar recursos puede ocultar la causa, elevar coste y destruir la comparación necesaria para el análisis posterior.
Rol único que coordina prioridades, responsables, decisiones y comunicación durante la respuesta, sin necesitar ejecutar cada investigación técnica personalmente.
Evita órdenes contradictorias, cambios simultáneos y pérdida de una visión común del impacto y la recuperación.Cambio temporal cuyo efecto puede deshacerse rápidamente si no mejora las señales o introduce un riesgo nuevo.
Permite recuperar servicio con incertidumbre sin convertir una reacción urgente en deuda o daño permanente.Condición medible que combina disponibilidad, latencia, integridad y frescura para declarar restaurado el servicio afectado.
Impide cerrar cuando sólo desaparece el error visible pero permanecen datos atrasados, incorrectos o consumidores rotos.Resumen
Puntos clave
- Prioriza impacto y seguridad de datos sobre una optimización elegante.
- Registra cada hipótesis, acción, resultado e identificador.
- Separa mitigación inmediata de corrección permanente.
Evita
- Cambiar varias configuraciones a la vez y perder atribución causal.
- Declarar resuelto al terminar el job sin validar calidad y consumidores downstream.