Todos los proyectos
Data products
Chicago Taxi Trips vs Weather
Pipeline en GCP de principio a fin que cruza viajes de taxi de Chicago con datos meteorológicos.
- Año
- 2025
- Rol
- Data Engineer

El problema
Quería una forma reproducible de analizar cómo afecta el tiempo a la actividad de los taxis, con un pipeline real en lugar de un notebook aislado.
Qué construí
Un flujo analítico completo en Google Cloud: ingesta, infraestructura, transformaciones, orquestación, tests y salida en BI.
- 01Weather API
- 02Taxi Data
- 03Cloud Functions
- 04BigQuery
- 05dbt
- 06Looker Studio
Cómo está hecho
- Terraform provisiona los recursos de GCP y la infraestructura base.
- Cloud Functions y jobs programados se encargan de la ingesta y los refrescos.
- BigQuery guarda los datos raw y modelados, y dbt gestiona las transformaciones.
- Looker Studio consume los modelos finales para reporting.
Resultados
- Ingesta, almacenamiento, modelado y reporting conectados en un sistema reproducible.
- Cercano a patrones reales de producción, con orquestación y CI/CD.
Siguientes pasos
Añadir mejor monitorización y checks de frescura sobre la ingesta y las ejecuciones programadas.
Stack
- Google Cloud
- BigQuery
- dbt
- Terraform
- Cloud Functions
- Looker Studio
- GitHub Actions
Siguiente proyecto
NBA Data Pipeline