> For the complete documentation index, see [llms.txt](https://docs.gaiodataos.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.gaiodataos.com/gaio-dataos-spanish/casos-de-uso/data-mart.md).

# Data Mart

<figure><img src="/files/PoRwJxaBBtxfN4d7M5Lk" alt=""><figcaption></figcaption></figure>

## Descripción General del Proyecto

Construcción de un **Data Mart modular y escalable** dentro de Gaio DataOS, organizando datos operativos por dominios (Clientes, Órdenes, Productos y Detalle de Órdenes), habilitando analítica descriptiva, operativa y predictiva.

***

## Etapas de Desarrollo

### 1. Validación y Disparo del Proceso

<figure><img src="/files/etcZrydYtxM3ukyEHncr" alt=""><figcaption></figcaption></figure>

* El proyecto comienza con una verificación automática de actualización de datos.
  * Una tabla de control SQL crea `tmp_tb_control_data_update`.
  * Flujo de control:
    * `tmp_tb_control_data_update`: verifica si existen actualizaciones.
    * `tb_control_data_update`: almacena el estado de ejecución.
  * Si se detectan nuevos datos, el flujo principal de extracción se activa automáticamente.

***

### 2. Extracción de Datos

<figure><img src="/files/PoRwJxaBBtxfN4d7M5Lk" alt=""><figcaption></figcaption></figure>

* Los datos se extraen desde fuentes como bases PostgreSQL, archivos CSV o APIs conectadas a Gaio.

  Se utilizan tareas Builder para:

  * Transformación de datos
  * Manejo de valores nulos y errores
  * Estandarización de formatos

  Resultados intermedios:

  * Se almacenan en tablas temporales (`tmp_`).

  Consolidación final:

  * Se publica en tablas finales (`tb_`) con versionado y control.

***

### 3. Estructura Basada en Dominios

Cada dominio sigue la siguiente estructura modular:

```
Source → Staging Builder → Temporary Table (`tmp_`) → Final Builder → Final Table (`tb_`)
```

***

### 3.1 Dominio de Clientes

<figure><img src="/files/kedsPIB0eJ3WUGPAyiFK" alt=""><figcaption></figcaption></figure>

* Fuente: PostgreSQL (`customers`)
  * Pasos:
    * Filtrar datos inválidos
    * Normalizar y enriquecer información
  * Flujo:
    * `tmp_customers` → `tb_customers`

***

### 3.2 Dominio de Órdenes

<figure><img src="/files/B5UcWmRqCTy7xndCdrrp" alt=""><figcaption></figcaption></figure>

* Fuente: PostgreSQL (`orders`)
  * Pasos:
    * Cálculo de totales, costos de envío y entrega estimada
    * Normalización de estados y fallos
  * Flujo:
    * `tmp_orders` → `tb_orders`

***

### 3.3 Dominio de Productos

<figure><img src="/files/6eAsqMoFjUxmAbUI2sO3" alt=""><figcaption></figcaption></figure>

* Fuente: PostgreSQL (`products`)
  * Pasos:
    * Enriquecer con categoría y disponibilidad
    * Agregar indicadores de productos discontinuados
  * Flujo:
    * `tmp_products` → `tb_products`

***

### 3.4 Dominio de Detalle de Órdenes (Order Items)

<figure><img src="/files/uc0po7tIfWxh3YSuByGn" alt=""><figcaption></figcaption></figure>

* Fuente: PostgreSQL (`order_items`)
  * Pasos:
    * Limpieza de valores nulos y tipos de datos
    * Cálculo de impuestos, descuentos y valores unitarios
  * Flujo:
    * `tmp_order_items` → `tb_order_items`

***

### &#x20;Tecnologías Utilizadas

* Gaio DataOS como plataforma central
* ETL visual con tareas Builder, Form, Content y SQL
* Tablas temporales (`tmp_`) para staging y auditoría
* Tablas finales (`tb_`) para consumo downstream
* Parámetros dinámicos para manejo de contexto y automatización
* Lógica condicional para control de ejecución
* Preparado para integración con dashboards, IA y flujos automatizados

***

## Resultados Esperados

* Pipelines de datos sólidos y auditables
* Capacidad de reejecutar dominios específicos de manera independiente
* Desarrollo acelerado de dashboards
* Componentes reutilizables para futuros proyectos
* Mayor confiabilidad y gobernanza de datos para usuarios de negocio
* Estructura lista para modelos de forecasting, clustering y churn

***

### **Descargar este proyecto**

{% file src="/files/sLo44bZHhwQAf61ENsJ9" %}

{% file src="/files/yyax9JXj1w2qGipF03oL" %}


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.gaiodataos.com/gaio-dataos-spanish/casos-de-uso/data-mart.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.