Reto Técnico — LookML Generator

Descripción general

Queremos evaluar tu capacidad para construir scripts en Python que trabajen con archivos de configuración, generen salidas estructuradas y mantengan buenas prácticas de ingeniería de software.

Objetivo del reto

Desarrolla una CLI en Python que:

1. Lea y valide un archivo input.yaml (proporcionado en sample_data/).
2. Genere archivos de salida centrados en un catálogo de datos (tablas, columnas, indicadores, tipos, etc.)y su linaje (relaciones entre tablas, explores y joins) derivados del YAML de entrada.
   • La salida será YAML o JSONL, a tu elección (Se esperan al menos dos archivos (catalog.yaml o catalog.json y lineage.yaml o lineage.json).
   • Debe modelar, como mínimo, entidades de catálogo (p. ej., business unit, tablas, columnas, indicadores) y su linaje (p. ej., relaciones/joins entre tablas, explores y dependencias).
   • Puedes definir los atributos que consideres adecuados (nombres, tipos, descripciones, tags, calidad/nullable, owners, dominio, etc.), siempre que mantengas consistencia y lo documentes en el README.
3. La salida debe conservar coherencia en nombres, estructura y tipos.
4. El código debe aplicar un patrón de diseño (por ejemplo: Builder, Strategy o Factory) y explicarlo brevemente en el README.
5. Incluir pruebas unitarias con cobertura (usando pytest o unittest).
6. (Deseable) Configurar CI/CD (por ejemplo, un workflow de GitHub Actions) que ejecute lint, pruebas y cobertura.

Criterios de aceptación de la salida (catálogo/linaje)

• Representa todas las tablas y columnas definidas en el YAML.
• Incluye indicadores/medidas asociadas a sus tablas.
• Describe relaciones entre entidades (joins de explores, dependencias entre vistas/modelos).
• Mantiene referencialidad (IDs/nombres que conecten entidades) y consistencia de tipos.
• Está documentada en el README: formato elegido, atributos definidos y decisiones de modelado.

Requisitos técnicos

• Lenguaje: Python 3.10+.

• El proyecto debe incluir:

  • src/ con el código fuente.
  • tests/ con las pruebas.
  • README.md explicando cómo ejecutar el proyecto, cómo correr los tests, y qué patrón de diseño se implementó.
  • requirements.txt

• El archivo README.md debe incluir:

  • Instrucciones para instalar dependencias y ejecutar la CLI.
  • Ejemplo de uso (comando y salida esperada).
  • Cómo correr las pruebas unitarias (pytest, unittest, etc.).
  • Breve explicación del patrón de diseño implementado y las razones de su elección.

Evaluación

Criterio	Descripción
Correctitud funcional	El script procesa correctamente el YAML y genera la salida esperada.
Diseño del código	Claridad, organización, uso de patrón de diseño.
Pruebas y cobertura	Pruebas unitarias significativas, cobertura ≥80%.
Documentación	README claro, explica patrón y pasos de ejecución.
CI/CD (bonus)	Lint + tests automáticos en GitHub Actions.

Entrega

1. Haz fork del repositorio.
2. Implementa tu solución dentro de las carpetas indicadas.
3. Si tienes alguna duda, envía un correo a osolis@deacero.com

---

Archivo de entrada (YAML)

Archivo: sample_data/input.yaml

business_unit:
  name: bu_metales
  description: "Unidad demo para análisis comercial (datos sintéticos)."
  owner: "equipo_analitica@empresa.com"
  contact: "data-office@empresa.com"
  sla: "48h"

version: "1.1.0"
last_updated: "2025-11-04"
author: "Equipo Central de Analytics"
contact: "data-office@empresa.com"

tables:
  - name: ventas
    business_domain: comercial
    data_source:
      type: bigquery
      connection: conn_datahub-sintetico
      project: demo-mart
      dataset: mart_comercial
      table: ventas
    columns:
      - name: fecha
        type: date
      - name: pedido_id
        type: string
        is_primary_key: true
      - name: cliente_id
        type: string
      - name: producto_id
        type: string
      - name: cantidad
        type: number
      - name: monto
        type: number

  - name: clientes
    business_domain: comercial
    data_source:
      type: bigquery
      connection: conn_datahub-sintetico
      project: demo-mart
      dataset: dwh_comercial
      table: clientes
    columns:
      - name: cliente_id
        type: string
        is_primary_key: true
      - name: pais
        type: string

  - name: productos
    business_domain: comercial
    data_source:
      type: bigquery
      connection: conn_datahub-sintetico
      project: demo-mart
      dataset: dwh_producto
      table: productos
    columns:
      - name: producto_id
        type: string
        is_primary_key: true
      - name: familia
        type: string
      - name: precio_lista
        type: number

indicators:
  - name: total_ventas_mxn
    type: measure
    calculation: "sum(monto)"
    business_domain: comercial
    table: ventas
    aggregation_type: sum

  - name: total_pedidos
    type: measure
    calculation: "count_distinct(pedido_id)"
    business_domain: comercial
    table: ventas
    aggregation_type: count_distinct

  - name: avg_ticket_mxn
    type: measure
    calculation: "sum(monto) / nullif(count_distinct(pedido_id), 0)"
    business_domain: comercial
    table: ventas
    aggregation_type: derived

explores:
  - name: ventas
    base_table: ventas
    business_domain: comercial
    joins:
      - view: clientes
        type: left_outer
        sql_on: "${ventas.cliente_id} = ${clientes.cliente_id}"
      - view: productos
        type: left_outer
        sql_on: "${ventas.producto_id} = ${productos.producto_id}"