Quem pediu: a responsável pela governança de dados da Cedar Ridge Health, um sistema de saúde fictício.
Por quê: três extratos brutos entram no data warehouse na semana que vem. Cada problema que entrar vai aparecer depois nas contagens de pacientes, no tempo de internação e nos relatórios de diagnósticos, onde é muito mais difícil de rastrear.
Os dados: hd_registrations_raw (cadastros dos sistemas das clínicas e do pronto-socorro), hd_encounters_raw (internações e permanências em observação), hd_diagnoses_raw (um fluxo de diagnósticos) e hd_icd10_ref (os códigos válidos). Os extratos foram tirados em 1 de julho de 2026.
Como fica pronto: uma consulta por verificação, cada uma com o número de linhas afetadas: o perfil dos cadastros, as pessoas duplicadas, as datas de nascimento impossíveis, os códigos de diagnóstico ainda inválidos depois da normalização, as internações impossíveis e as linhas carregadas duas vezes. Depois, uma recomendação sobre o que corrigir primeiro, e por quê.
Um projeto em sete etapas sobre os extratos brutos da Cedar Ridge. Cada uma das seis primeiras etapas é uma verificação escrita em SQL, contada para a responsável pela governança de dados ver o tamanho de cada problema. A última etapa é a sua recomendação.