MJ
María José F.Compra verificada
Tu carrito esta vacio
Agrega packs de prompts para continuar
Copia, pega y úsalos en tu IA favorita:
Solo $0.08 por prompt · pago único
100 recursos incluidos
Esta colección definitiva para Data Analysts ha sido diseñada como el recurso maestro para profesionales que buscan dominar el ciclo de vida completo del dato, desde la ingesta cruda hasta la entrega de valor estratégico. Cada sección aborda desafíos técnicos reales del mercado actual, proporcionando estructuras precisas para optimizar consultas SQL de alta complejidad, diseñar arquitecturas de datos robustas bajo la metodología Kimball y ejecutar análisis estadísticos avanzados con Python. Al integrar este repositorio de prompts en su flujo de trabajo, el analista no solo automatiza tareas repetitivas de limpieza y ETL, sino que eleva su capacidad de storytelling, traduciendo métricas complejas en decisiones de negocio accionables. Es la herramienta esencial para asegurar la precisión técnica en entornos de producción y destacar en procesos de selección senior mediante la resolución experta de casos de estudio y desafíos de arquitectura.
Actúa como un Arquitecto de Datos Senior y Especialista en Performance Tuning de SQL con experiencia en entornos de alta concurrencia. Tu objetivo es realizar una auditoría exhaustiva y una refactorización técnica de una consulta compleja que utiliza múltiples Common Table Expressions (CTEs). El enfoque debe centrarse en transformar el código [CÓDIGO_SQL_ORIGINAL] para maximizar la velocidad de ejecución, reducir el costo de I/O y mejorar la eficiencia en el uso de memoria RAM dentro del motor [MOTOR_DE_BASE_DE_DATOS]. Analiza detenidamente la cadena de dependencias entre las CTEs proporcionadas. Identifica cuellos de botella específicos, como la redundancia en el escaneo de tablas base, la falta de materialización de resultados intermedios que se consultan múltiples veces y la ausencia de 'Predicate Pushdown'. Evalúa si la lógica actual permite al optimizador de consultas generar un plan de ejecución eficiente o si, por el contrario, el uso excesivo de CTEs está forzando un 'spooling' innecesario en la base de datos de [ENTORNO_DE_TRABAJO]. Procede a generar una versión optimizada del código aplicando, según sea más eficiente para este caso, las siguientes estrategias: 1) Conversión de CTEs críticas en Tablas Temporales con índices específicos para mejorar los JOINs posteriores. 2) Reestructuración de la lógica de filtrado para asegurar que los WHERE se apliquen en la etapa más temprana posible. 3) Uso de Window Functions en lugar de auto-uniones complejas si la lógica lo permite. 4) Aplicación de sugerencias de materialización (como MATERIALIZED en PostgreSQL o técnicas equivalentes en otros motores) para evitar la re-evaluación de subconsultas costosas. El entregable final debe incluir tres secciones obligatorias: En primer lugar, el código SQL refactorizado y formateado bajo estándares profesionales. En segundo lugar, una explicación técnica detallada de cada cambio realizado, justificando por qué la nueva estructura es superior en términos de latencia y throughput para un volumen de datos de [VOLUMEN_DE_DATOS]. Finalmente, una lista de recomendaciones de indexación (clúster y no clúster) que complementen la nueva estructura de la consulta para garantizar un rendimiento óptimo a largo plazo. Si falta información clave para completar los campos entre corchetes, hazme las preguntas necesarias antes de responder.
Acceso inmediato tras la compra desde tu panel. Solo copias y pegas en tu IA.
En ChatGPT, Claude, Gemini, DeepSeek, Grok, Qwen y cualquier chat de IA.
Sí. Cada prompt incluye campos entre corchetes donde insertas tu información, contexto y datos específicos, así que se ajustan a tu situación, país o sector.
Sí. Más arriba puedes leer prompts de muestra completos, tal como los recibirás, para verificar la calidad antes de pagar.
Sí. Pagas una sola vez y son tuyos para siempre, con actualizaciones incluidas.
Actúa como un Arquitecto de Datos Senior y experto en optimización de SQL para el motor de base de datos [Motor_DB]. Tu misión es diseñar, desarrollar y optimizar una consulta compleja basada en Common Table Expressions (CTEs) Recursivas para abordar una estructura jerárquica de datos en la tabla [Nombre_Tabla]. El problema se centra en un modelo de [Tipo_de_Estructura: ej. organigrama, lista de materiales BOM o red de transporte], donde la relación se establece entre la columna primaria [Columna_ID] y la columna de referencia jerárquica [Columna_Parent_ID]. La solución debe ser capaz de procesar miles de registros manteniendo un tiempo de ejecución óptimo y evitando el consumo excesivo de recursos de memoria. El diseño debe comenzar estableciendo el 'Anchor Member' filtrado por [Condicion_Inicial], seguido de un 'Recursive Member' que realice la unión lógica de manera eficiente. Es obligatorio que implementes mecanismos de control de profundidad mediante una columna virtual 'Nivel' y que incluyas una lógica de detección de ciclos (Cycle Detection) para prevenir bucles infinitos en caso de que existan referencias circulares en [Nombre_Tabla]. Además, integra el cálculo acumulativo o agregado de la métrica [Metrica_a_Calcular] a medida que la consulta navega por las diferentes ramas de la jerarquía, asegurando que la herencia de datos sea consistente y precisa. En la fase de optimización, analiza cómo el plan de ejecución de [Motor_DB] trataría esta CTE. Sugiere la creación de índices específicos o el uso de tablas temporales si la recursión es demasiado profunda para el stack de memoria actual. Evalúa si el uso de operadores como UNION vs UNION ALL afecta la eliminación de duplicados y el rendimiento general. Proporciona también una estrategia para limitar la recursividad máxima (como OPTION MAXRECURSION en SQL Server o variables de sesión en otros motores) basándote en los parámetros de [Limite_Profundidad]. Genera el código SQL final, perfectamente indentado y comentado, que resuelva el caso de negocio planteado. Incluye una sección explicativa que detalle el funcionamiento de cada parte de la CTE y termina con tres recomendaciones de expertos para el 'Fine-Tuning' del rendimiento en entornos de alta concurrencia o entornos de producción de tipo [Entorno_Produccion]. El objetivo final es que cualquier Data Analyst pueda ejecutar esta consulta para obtener una visión clara de la jerarquía completa y sus valores agregados. Si falta información clave para completar los campos entre corchetes, hazme las preguntas necesarias antes de responder.
Actúa como un Arquitecto de Datos y Especialista en Performance Tuning de SQL con más de 15 años de experiencia optimizando almacenes de datos a escala de petabytes. Tu misión es analizar, diagnosticar y refactorizar una consulta SQL que presenta graves problemas de latencia y consumo de recursos debido a uniones complejas entre tablas de gran volumen en el entorno de [Motor_DB]. Primero, realiza un análisis exhaustivo de la consulta proporcionada: [Query_Original]. Identifica posibles causas de ineficiencia, tales como 'Data Skew' (sesgo de datos), productos cartesianos accidentales, 'Spilling' a disco, o 'Nested Loop Joins' ineficientes en tablas que carecen de índices adecuados. Evalúa si el orden de los joins es el óptimo basándote en la cardinalidad de las tablas involucradas y el uso de predicados de filtrado. Propón una estrategia de optimización avanzada que incluya, si es aplicable, el uso de 'Broadcast Joins' para tablas pequeñas frente a grandes, técnicas de 'Hash Join', o la implementación de particionamiento y clustering dinámico. Considera la sustitución de CTEs (Common Table Expressions) por tablas temporales con índices si el motor [Motor_DB] no materializa las CTEs de forma eficiente, y aplica 'Filter Pushdown' para reducir el volumen de datos antes de realizar las operaciones de unión. Genera la versión optimizada del código SQL, comentando detalladamente cada cambio realizado y justificando la mejora técnica. Además, proporciona una guía de creación de índices o claves de distribución recomendadas para las tablas: [Estructura_Tablas]. Por último, incluye un checklist de validación para comparar el 'Execution Plan' (Plan de Ejecución) antes y después de la optimización, enfocándote en métricas de I/O, uso de CPU y memoria. El resultado debe estar estructurado en cuatro secciones: 1. Diagnóstico de Cuellos de Botella, 2. Estrategia de Refactorización, 3. Código SQL Optimizado, y 4. Recomendaciones de Infraestructura/Indexación. Asegúrate de que las soluciones sean escalables para un volumen de datos aproximado de [Volumen_Datos] y que resuelvan específicamente el problema de [Cuello_Botella]. Si falta información clave para completar los campos entre corchetes, hazme las preguntas necesarias antes de responder.
Es una instrucción maestra, optimizada para la IA.
Prompt
tu instrucción
IA
Resultado
Basado en 6 reseñas
Quedé impresionado con la calidad. La calidad de las respuestas que obtengo mejoró muchísimo. Cien por ciento recomendado.
Vale cada centavo. Los prompts están muy bien pensados y se nota el trabajo detrás. Ya se los recomendé a mi equipo.
Cumple lo que promete. La organización ayuda a ubicarse rápido. Volvería a comprar.
Justo lo que estaba buscando. La calidad de las respuestas que obtengo mejoró muchísimo. Totalmente recomendados.
Quedé impresionado con la calidad. Funcionan igual de bien en ChatGPT y en Claude. Una inversión que se paga sola.
Quedé impresionado con la calidad. La calidad de las respuestas que obtengo mejoró muchísimo. Cien por ciento recomendado.