Quién lo pide: la responsable de gobierno de datos de Cedar Ridge Health, un sistema de salud ficticio.
Por qué: tres extractos en bruto se cargan en el almacén de datos la semana que viene. Cada problema que entre aparecerá después en los recuentos de pacientes, la estancia y los informes de diagnósticos, donde es mucho más difícil de rastrear.
Los datos: hd_registrations_raw (registros de los sistemas de las consultas y de urgencias), hd_encounters_raw (ingresos y estancias en observación), hd_diagnoses_raw (un flujo de diagnósticos) y hd_icd10_ref (los códigos válidos). Los extractos se sacaron el 1 de julio de 2026.
Cómo se ve terminado: una consulta por comprobación, cada una con el número de filas afectadas: el perfil de los registros, las personas duplicadas, las fechas de nacimiento imposibles, los códigos de diagnóstico aún no válidos tras normalizarlos, las estancias imposibles y las filas cargadas dos veces. Después, una recomendación sobre qué arreglar primero, y por qué.
Un proyecto en siete pasos sobre los extractos en bruto de Cedar Ridge. Cada uno de los seis primeros pasos es una comprobación escrita en SQL, contada para que la responsable de gobierno de datos vea el tamaño de cada problema. El último paso es tu recomendación.