Data Analytics
Cada departamento tiene su propia definición de 'MRR' — finance la calcula de Stripe, sales de Salesforce, producto de Mixpanel. Tu CEO pide un número y recibe tres. Un semantic layer (dbt, Looker LookML, Cube) unifica las definiciones para que 'MRR' signifique lo mismo en cualquier dashboard. Esta sesión diseña el layer para empresa con varios data sources — sin caer en 'semantic layer para 2 métricas' overkill.
Does this sound familiar?
Finance dice MRR es €400k, Sales dice €480k, Product dice €420k — ninguno miente, cada uno mide distinto
Deloitte me pidió KPIs por departamento con tracking consistente y tuvimos que documentar definiciones 3 veces
Tengo dashboards en Tableau, Looker y Excel — y cada uno da número distinto
Mi data team pasa 40% del tiempo debugging 'por qué mi número es distinto'
Quiero implementar dbt semantic layer pero no sé si aplica a mi tamaño
What you'll leave with
Arquitectura semantic layer: dbt + Cube o Looker LookML — con criterio de cuándo cada uno
20–30 métricas canonical definidas: MRR, ARR, Active Users, CAC, LTV, NRR — con formula, granularity, window
Governance model: quién define, quién aprueba, quién revisa metrics nuevas
Integration map: Stripe, Salesforce, HubSpot, Mixpanel, product DB → warehouse → semantic layer → BI tools
Rollout plan: fase 1 (top 10 metrics), fase 2 (departments-specific), fase 3 (enforce deprecation de ad-hoc)
Criterio 'no construyas aún': 3 señales que indican tu problema es de data quality, no semantic
This session is not for…
Esta sesión NO implementa dbt ni Cube — diseña la arquitectura y governance
No resuelve data quality issues primarios — es layer sobre data ya limpia
No reemplaza data warehouse decision (Snowflake/Databricks) — complementa
If your OKR is red on…
3+ source systems + 2+ BI tools + múltiples departments calculando misma métrica. Bajo eso, central Excel es viable. El experto aplica.
dbt + Cube: open source stack, flexibility, free-ish. Looker LookML: proprietary, integrated con Looker, €50k+/año. El experto da el fit por stack + budget.
Data team (or closest equivalent). No data team = no semantic layer viable. Analytics engineer role is the title typically. El experto da el role.
Data stack actual (sources, warehouse, BI tools), 3 métricas con definitional conflicts conocidos, data team size, y 'ETA expected' (urgent or can be 6 months). El experto diseña.
Usually 50+ empleados con analytics activo + €5M+ ARR. Bajo eso, overhead no justifica. El experto aplica test.
We're still curating experts for this task.