Saltar al contenido
Lakehouse LabLakehouse LabPreparación Databricks Data Engineer
Módulo 32 · Lección

Game day, FinOps y postmortem

Contenido abierto

Puedes leer todo sin registrarte. Solo crearemos un perfil anónimo cuando decidas guardar tu progreso.

Lección 4 de 5

Game day, FinOps y postmortem

Integra seguridad, privacidad y FinOps en el diseño: identidades de servicio, ABAC, datos minimizados y coste por unidad de valor.

Duración
21 min aprox.
Objetivo
Integra seguridad, privacidad y FinOps en el diseño: identidades de servicio, ABAC, datos minimizados y coste por unidad de valor.
Siguiente paso
Continuar con la siguiente lección
Ver detalles del módulo

Proyecto Professional y simulacro de 59 preguntas

Converge las cuatro ramas en una solución production-grade y mide la preparación final.

Al terminar podrás
  • Diseñar y defender una plataforma completa
  • Responder a fallos, costes y cumplimiento
  • Completar un simulacro Professional original
Ver fuentes y revisión

Metadatos editoriales

Última revisión
21 jul 2026
Nivel
Professional
Ruta relacionada
final
Dominios blueprint
Todos los dominios Professional
Estado
Revisión editorial interna
Fuentes principales
Data Engineer Professional exam guide · Lakeflow Jobs
Reportar un error
04
Diagnóstico

Game day, FinOps y postmortem

Integra seguridad, privacidad y FinOps en el diseño: identidades de servicio, ABAC, datos minimizados y coste por unidad de valor.

Mostrar prerrequisitos
Dificultad
Professional
Prerrequisitos
m17, m22, m27, m31
Reportar un error en esta lección

Cada job ejecuta como service principal con privilegios mínimos; CI despliega con otra identidad. Unity Catalog aporta grupos, grants, governed tags, ABAC, masks y audit. Clasifica antes de compartir y restringe workspaces/locations. Los secretos se referencian desde scopes o mecanismos administrados, nunca desde notebooks, tags o YAML versionado.

El coste se atribuye mediante tags/policies y `system.billing.usage`; compara coste por millón de pedidos y por SLO cumplido. Serverless reduce gestión, pero no elimina consultas ineficientes. Predictive optimization, Photon y liquid clustering se habilitan donde el workload lo justifica y se validan con perfiles. El presupuesto incluye reintentos, backfills, egress y sharing/federation.

Modelo mental

Seguridad, privacidad y FinOps son restricciones de arquitectura, no revisiones posteriores. La identidad de servicio determina quién ejecuta; Unity Catalog y ABAC determinan qué objetos y valores puede usar; minimización y retención determinan qué datos existen; bindings y sharing determinan dónde circulan; system.billing.usage y metadatos determinan quién paga. Estas decisiones interactúan: una mask compleja puede afectar rendimiento, una copia para optimizar puede violar residencia y un tag de coste puede filtrar PII. El diseño Professional expresa tradeoffs y separa identidades de deploy, ejecución y consumo. Cada control tiene una prueba positiva, una negativa y una señal de auditoría, y cada coste se vincula a una unidad de valor sin debilitar integridad.

Separation of duties

Distribución de capacidades críticas entre identidades o grupos para que ninguna parte controle despliegue, acceso y auditoría completamente sola.

Reduce abuso y error, y mantiene independencia entre quien cambia controles y quien revisa su evidencia.
Coste por unidad de valor

Gasto atribuido dividido por un resultado de negocio verificable, como póliza procesada correctamente o tabla publicada con SLA.

Evita recortes que reducen calidad y distingue crecimiento útil de una regresión de eficiencia operacional.
Control compensatorio

Medida alternativa que reduce un riesgo cuando el control preferido no es viable por una limitación técnica o temporal.

Permite excepciones explícitas y evaluables sin fingir que el requisito desapareció o aceptar riesgo sin tratamiento.
SQLCoste operativo atribuido por producto
SELECT
  usage_date,
  custom_tags['data_product'] AS data_product,
  billing_origin_product,
  sku_name,
  SUM(usage_quantity) AS usage_quantity
FROM system.billing.usage
WHERE usage_date >= current_date() - INTERVAL 30 DAYS
  AND custom_tags['data_product'] = 'commerce-orders'
GROUP BY usage_date, custom_tags['data_product'],
         billing_origin_product, sku_name
ORDER BY usage_date DESC;

Une precios efectivos y una métrica de pedidos procesados para convertir consumo en coste unitario.

Puntos clave

  • Separa identidad de deploy, run y consumo humano.
  • La clasificación dirige policies y sharing minimizado.
  • Optimiza coste por resultado, no sólo consumo bruto.

Evita

  • Ejecutar CI y producción con el mismo principal administrador.
  • Aplicar una mask a la tabla pero compartir una copia sin esa protección.

Recuerdo activo

¿Por qué conviene separar service principal de CI y de ejecución?

Borrador privado · solo en este navegador
5 lecciones pendientes

Vista de lectura · sin ejecución

Startup ERP Data Lakehouse

Startup ERP Data Lakehouse · commit ba6c71b

notebooks/01_bronze_generate_startup_erp_data.py