Saltar al contenido principal

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​

  1. 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.
  2. 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.

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​

PreguntaIndicadorVisual RecomendadoCampos Principales
P1Demanda por zona y hora picoGráfico de columnas apiladasX: pickup_hour, Y: Recuento trip_id, Leyenda: pickup_borough
P2Zonas críticas con alto multiplicadorTabla con formato condicionalFilas: pickup_zone_name, Valores: Promedio surge_multiplier, Promedio duration_minutes
P3Correlación lluvia vs. multiplicadorGráfico de dispersión con tendenciaX: precipitation_mm, Y: Promedio surge_multiplier
P4% de viajes con tarifa dinámicaGráfico de anillos + Tarjeta KPILeyenda: is_surge, Valores: Recuento trip_id
P5Ingreso incremental capturadoTarjeta de métrica + Gráfico cascadaMedida: SUM(dynamic_revenue_delta)
P6Motivos de rechazo en CuarentenaGráfico de barras horizontalesEje Y: rejection_reason, Eje X: Recuento quarantine_id