Plan de Aprendizaje Completo: Azure

Objetivo: Armar un flujo de datos en Azure con identidad, un lago, orquestación y control de costo, en paralelo a lo aprendido en AWS.

Metodología: Un grupo de recursos de práctica. Todo lo que crees vive ahí para poder borrarlo de un golpe al cerrar la fase.

Tus apuntes van en Mis notas.

Índice

1. Fase 1: Suscripción, identidad y grupos de recursos
2. Fase 2: Lago y cómputo
3. Fase 3: Orquestación con Data Factory
4. Fase 4: Consulta y modelo
5. Fase 5: Seguridad, costo e IaC
6. Proyectos integradores

Fase 1: Suscripción, identidad y grupos de recursos

Meta: Separar el ejercicio del resto de la suscripción.

• Suscripción, grupo de recursos, región
• Entra ID: usuario, grupos, RBAC sobre el grupo de recursos
• Azure CLI (az login) y la suscripción activa
• Presupuesto del grupo de recursos
• 🧪 Práctica: Un grupo rg-guia-dev con una etiqueta owner y env.

Fase 2: Lago y cómputo

Meta: Aterrizar archivos y procesarlos sin dejar la cuenta abierta de más.

• Storage account, contenedores raw y curated, acceso con identidad en lugar de keys cuando se pueda
• ADLS Gen2 y la idea de carpetas por fecha
• Azure Functions o un job corto para transformar un archivo
• Parquet como formato curado
• 🧪 Práctica: Sube un CSV a raw y deja un Parquet en curated/anio/mes.

Fase 3: Orquestación con Data Factory

Meta: Que el movimiento de datos no dependa de un clic en el portal.

• Pipeline, actividad de copia, actividad de transformación
• Linked services y datasets
• Triggers de programación; parámetros de fecha
• Reintento y qué pasa si el archivo del día no está
• Integración con un DAG de Airflow como idea: quién orquesta qué
• 🧪 Práctica: Pipeline diario parametrizado que copia y transforma un día.

Fase 4: Consulta y modelo

Meta: Leer lo curado con SQL sin volver a bajar el CSV.

• Vista o tabla sobre el Parquet (Synapse serverless, Fabric o Databricks sobre el mismo lago: elige una y profundiza)
• Grano de la tabla y partición por fecha
• Una consulta de negocio: total por categoría y mes
• Documentar fuente, frescura y dueño
• 🧪 Práctica: Una consulta guardada que otro podría usar en un reporte.

Fase 5: Seguridad, costo e IaC

Meta: Cerrar accesos y poder recrear el grupo.

• RBAC mínimo: quien orquesta no es administrador de la suscripción
• Key Vault para secretos que todavía no pueden ser identidad administrada
• Cost Management filtrado por el grupo de recursos
• Bicep o Terraform del storage y del grupo, aunque el pipeline siga en el portal al principio
• Borrar el grupo al terminar el ejercicio de práctica
• 🧪 Práctica: Lista de recursos, costo estimado y un script que recrea storage + contenedores.

Proyectos integradores

1. Lago de un dominio — raw, curated, pipeline diario y una consulta.
2. Comparación AWS vs Azure — el mismo flujo de la guía de AWS, nombrando el servicio equivalente.

Recursos

Recurso	Uso
Azure Data Factory	Pipelines
Data Lake Storage	Lago
RBAC	Permisos

Criterios de avance

Fase	La dominas cuando...
1	El ejercicio vive en un grupo de recursos con presupuesto
2	Hay raw y curated, y el curado es Parquet
3	El pipeline corre un día concreto por parámetro
4	Una consulta SQL responde una pregunta de negocio sobre el lago
5	Puedes borrar el grupo y decir qué volverías a crear