Les quería compartir hicimos con un socio que le encontré en reddit un mapa de los ganadores de la intendencia de estas últimas elecciones 🥳
https://gillopy.github.io/Intendentes_py_2026/
Este es mi proyecto más reciente. Construí un dashboard de analítica usando @MotherDuck la semana pasada para una pequeña empresa australiana que vende en Amazon en Estados Unidos, Australia y Reino Unido.
Querían un único dashboard, actualizado diariamente, sin infraestructura costosa ni conectores de terceros de pago.
Python extrae los datos directamente desde la API de Amazon Selling Partner. GitHub Actions ejecuta el pipeline una vez al día y carga los datos en MotherDuck. El dashboard está alojado en Cloudflare, y tanto la exportación de datos como el despliegue se realizan automáticamente.
Sin servidores dedicados que mantener. Sin Airflow. Sin clústeres de Spark.
Solo GitHub Actions, MotherDuck y Cloudflare, todo dentro de sus planes gratuitos para este volumen de trabajo.
Para tres personas que consultan los datos cada día, no había ninguna razón para hacer la infraestructura más grande o compleja de lo necesario.
Un pipeline diario.
Un data warehouse.
Un dashboard.
Crédito para @MotherDuck. Fue mi primer proyecto utilizándolo y disfruté mucho aplicándolo a un problema real de negocio.
👏4❤1👍1
T En qué ambiente vas a ejecutar? Cuál es el volumen de datos que necesitas procesar? Tienes algún tipo de restricción de licencias? Qué tipo de datos necesitas leer, a dónde debes escribitr y en qué formato? Con qué frecuencia necesitas procesar los datos? Será una carga de una sola vez o debes ingerir datos frecuentemente? Tienes alguna herramienta para orquestar o también necesitas eso?