Conexión de Power BI Desktop a Amazon Athena
Este documento técnico detalla la arquitectura de integración entre el Data Lake S3, el motor serverless Amazon Athena y Power BI Desktop, justificando el rol de cada componente y explicando la resolución de las 6 preguntas de negocio (P1 - P6).
1. Arquitectura de Integración Analítica
Justificación de Componentes
- Amazon Athena como pasarela sobre S3:
- Evita saturar la base de datos operacional PostgreSQL (
rutaviva_db). - Lee nativamente archivos comprimidos en Apache Parquet particionados por año y mes (
year=2026/month=10). - Modelo de cobro serverless: solo se factura por datos leídos ($5.00/TB), reduciendo el costo mensual a centavos.
- Evita saturar la base de datos operacional PostgreSQL (
- Modo Importar en Power BI:
- Permite empaquetar los 5,000 registros de la capa Gold dentro del archivo
.pbix. - Garantiza interactividad instantánea sin latencia de red.
- Posibilita apagar la infraestructura cloud (
terraform destroy) manteniendo el reporte 100% navegable.
- Permite empaquetar los 5,000 registros de la capa Gold dentro del archivo
2. Parámetros de Conexión
- Conector: Amazon Athena
- Servidor (Server):
athena.us-east-1.amazonaws.com - Puerto (Port):
443 - Directorio provisional (S3 Staging Directory):
s3://ruta-viva-datalake-226d5e27/athena-results/ - Catálogo de metadatos:
AwsDataCatalog - Base de datos:
rutaviva_gold_db - Modo de almacenamiento:
Import
3. Tablas Disponibles en rutaviva_gold_db
fact_trips (Capa Gold)
Tabla de hechos consolidada con métricas calculadas:
trip_id: Identificador único del viaje.pickup_zone_id/pickup_zone_name: Zona TLC de recogida.pickup_borough: Distrito metropolitano (Manhattan, Queens, Brooklyn, Bronx, Staten Island).pickup_hour: Hora del día (0 - 23).trip_distance: Distancia en millas.duration_minutes: Duración del viaje en minutos.base_fare: Tarifa regulada de partida ($).surge_multiplier: Multiplicador dinámico aplicado (1.00x - 2.00x).charged_fare: Tarifa total cobrada al pasajero ($).dynamic_revenue_delta: Ganancia adicional generada por el multiplicador (charged_fare - base_fare).precipitation_mm: Lluvia registrada en la hora del viaje.is_rush_hour: Booleano de hora pico (7-9 AM o 5-7 PM).is_surge: Booleano que indica si el multiplicador superó 1.00x.
quarantine_trips (Capa Cuarentena)
Tabla de auditoría de calidad de datos con viajes descartados y motivo de rechazo:
quarantine_id: Identificador de auditoría.rejection_reason: Motivo de rechazo (tarifa_negativa_o_invalida,distancia_invalida_o_cero,duracion_excesiva,zona_fuera_catalogo).recorded_at: Marca temporal de descarte.
dim_zone (Dimensión de Zonas)
Catálogo oficial de las zonas de taxi de la ciudad de Nueva York.
4. Visuales de Negocio Obligatorios
| Pregunta | Indicador | Visual Recomendado | Campos Principales |
|---|---|---|---|
| P1 | Demanda por zona y hora pico | Gráfico de columnas apiladas | X: pickup_hour, Y: Recuento trip_id, Leyenda: pickup_borough |
| P2 | Zonas críticas con alto multiplicador | Tabla con formato condicional | Filas: pickup_zone_name, Valores: Promedio surge_multiplier, Promedio duration_minutes |
| P3 | Correlación lluvia vs. multiplicador | Gráfico de dispersión con tendencia | X: precipitation_mm, Y: Promedio surge_multiplier |
| P4 | % de viajes con tarifa dinámica | Gráfico de anillos + Tarjeta KPI | Leyenda: is_surge, Valores: Recuento trip_id |
| P5 | Ingreso incremental capturado | Tarjeta de métrica + Gráfico cascada | Medida: SUM(dynamic_revenue_delta) |
| P6 | Motivos de rechazo en Cuarentena | Gráfico de barras horizontales | Eje Y: rejection_reason, Eje X: Recuento quarantine_id |