Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés. # Experiencia de preparación de datos (nueva) La preparación de datos transforma los datos sin procesar en un formato optimizado para el análisis y la visualización. En la inteligencia empresarial, este proceso crucial implica limpiar, estructurar y enriquecer los datos para obtener información empresarial significativa. La interfaz de preparación de datos de Amazon Quick Sight revoluciona este proceso con una experiencia visual e intuitiva que permite a los usuarios crear conjuntos de datos listos para el análisis sin necesidad de conocimientos de SQL. Gracias a su enfoque moderno y simplificado, los usuarios pueden crear y administrar conjuntos de datos de inteligencia empresarial de manera eficiente. La interfaz visual presenta una visión clara y secuencial de las transformaciones de los datos, lo que permite a los autores realizar un seguimiento preciso de los cambios desde el estado inicial hasta el resultado final. La plataforma hace hincapié en la colaboración y la reutilización, lo que permite a los equipos compartir y reutilizar los flujos de trabajo en toda la organización. Este diseño colaborativo promueve la coherencia en las prácticas de transformación de datos y, al mismo tiempo, elimina el trabajo redundante y, en última instancia, fomenta la estandarización de los procesos en todos los equipos y mejora la eficiencia general. **Topics** + [ # Componentes de la experiencia de preparación de datos ](data-prep-components.md) + [ # Pasos de preparación de datos ](data-prep-steps.md) + [ # Capacidades de flujo de trabajo avanzadas ](advanced-workflow-capabilities.md) + [ # Funciones exclusivas de Spice ](spice-only-features.md) + [ # Cambiar entre experiencias de preparación de datos ](switching-between-data-prep-experiences.md) + [ # Funciones no compatibles con la nueva experiencia de preparación de datos ](unsupported-features.md) + [ # Límites de preparación de datos ](data-preparation-limits.md) + [ # Cambios en el comportamiento de ingestión ](ingestion-behavior-changes.md) + [ # Preguntas frecuentes ](new-data-prep-faqs.md) # Componentes de la experiencia de preparación de datos La experiencia de preparación de datos de Amazon Quick Sight incluye los siguientes componentes principales. ## Flujo de trabajo Un flujo de trabajo en la experiencia de preparación de datos de Quick Sight representa una serie secuencial de pasos de transformación de datos que guían el conjunto de datos desde su estado original hasta un formato listo para el análisis. Estos flujos de trabajo están diseñados para ser reutilizables, lo que permite a los analistas aprovechar y aprovechar el trabajo existente y, al mismo tiempo, mantener estándares de transformación de datos consistentes en toda la organización. Si bien los flujos de trabajo pueden adaptarse a múltiples rutas a través de distintas entradas o mediante divergencias (se detalla en las secciones siguientes), en última instancia, deben converger en una única tabla de resultados. Esta estructura unificada garantiza la coherencia de los datos y optimiza las capacidades de análisis. ## Transformación Una transformación es una operación de manipulación de datos específica que cambia la estructura, el formato o el contenido de los datos. La experiencia de preparación de datos de Quick Sight ofrece varios tipos de transformación, como unir, filtrar, agregar, pivotar, despivotar, anexar y columnas calculadas. Cada tipo de transformación tiene un propósito distinto al remodelar los datos para cumplir con los requisitos analíticos. Estas transformaciones se implementan como pasos individuales dentro de su flujo de trabajo. ## Paso Un paso es un conjunto de transformaciones homogéneas del mismo tipo que se aplican en el flujo de trabajo. Cada paso contiene una o más operaciones relacionadas de la misma categoría de transformación. Por ejemplo, un paso de cambio de nombre puede incluir operaciones de cambio de nombre de varias columnas y un paso de filtrado puede contener varias condiciones de filtrado, todas gestionadas como una sola unidad en el flujo de trabajo. La mayoría de los pasos pueden incluir varias operaciones, con dos excepciones notables: los pasos de unir y anexar están limitados a dos tablas de entrada por paso. Para unir o anexar más de dos tablas, puede crear pasos adicionales de unión o incorporación secuencialmente. Los pasos se muestran en orden, y cada paso se basa en los resultados de los pasos anteriores, lo que le permite realizar un seguimiento de la transformación progresiva de los datos. Para cambiar el nombre de un paso o eliminarlo, selecciónelo y elija el menú de tres puntos. ## Connector El conector enlaza dos pasos con una flecha que indica la dirección del flujo de trabajo. Puede eliminar un conector seleccionándolo y pulsando la tecla de borrado. Para añadir un paso entre dos pasos existentes, basta con eliminar el conector, añadir el nuevo paso y volver a conectar los escalones arrastrando el ratón entre ellos. ## Panel de configuración El **panel de configuración** es el área interactiva en la que se definen los parámetros y la configuración de un paso seleccionado. Al seleccionar un paso del flujo de trabajo, este panel muestra las opciones relevantes para ese tipo de transformación específico. Por ejemplo, al configurar un paso de unión, puede seleccionar el tipo de unión, las columnas coincidentes y otros ajustes específicos de la unión. La point-and-click interfaz del **panel de configuración** elimina la necesidad de conocimientos de SQL. ## Panel de vista previa El **panel de vista previa** muestra una muestra de los datos en tiempo real tal y como aparecen después de aplicar el paso de transformación actual. Esta información visual inmediata le ayuda a comprobar que cada transformación produce los resultados esperados antes de continuar con el siguiente paso. El **panel de vista previa** se actualiza dinámicamente a medida que se modifican las configuraciones de los pasos, lo que permite refinar iterativamente las transformaciones de datos con confianza. Estos componentes funcionan en conjunto para crear una experiencia de preparación de datos visual e intuitiva que permite a los usuarios empresariales acceder a las transformaciones de datos complejas sin necesidad de conocimientos técnicos. # Pasos de preparación de datos La experiencia de preparación de datos de Amazon Quick Sight ofrece once tipos de pasos eficaces que le permiten transformar sus datos de forma sistemática. Cada paso tiene un propósito específico en el flujo de trabajo de preparación de datos. Los pasos se pueden configurar a través de una interfaz intuitiva en el panel **de configuración**, con comentarios inmediatos visibles en el panel de **vista previa**. Los pasos se pueden combinar de forma secuencial para crear transformaciones de datos sofisticadas sin necesidad de conocimientos de SQL. Cada paso puede recibir datos de una tabla física o del resultado de un paso anterior. La mayoría de los pasos aceptan una sola entrada, con la excepción de los pasos Añadir y Unir, que requieren exactamente dos entradas. ## Input El paso de entrada inicia el flujo de trabajo de preparación de datos en Quick Sight, ya que le permite seleccionar e importar datos de varias fuentes para transformarlos en los pasos siguientes. **Opciones de entrada** + **Añadir conjunto de datos** Aproveche los conjuntos de datos de Quick Sight existentes como fuentes de entrada y aproveche los datos que su equipo ya ha preparado y optimizado. + **Agregue una fuente de datos** Conéctese directamente a bases de datos como Amazon Redshift, Athena, RDS u otras fuentes compatibles seleccionando objetos de base de datos específicos y proporcionando parámetros de conexión. + **Añadir carga de archivos** Importa datos directamente desde archivos locales en formatos como CSV, TSV, Excel o JSON. **Configuración** El paso de entrada no requiere configuración. El panel de **vista previa** muestra los datos importados junto con la información de origen, incluidos los detalles de la conexión, el nombre de la tabla y los metadatos de las columnas. **Notas de uso** + Pueden existir varios pasos de entrada en un mismo flujo de trabajo. + Puede añadir pasos de entrada en cualquier punto de su flujo de trabajo. ## Agregue columnas calculadas El paso Añadir columnas calculadas le permite crear columnas nuevas mediante expresiones de nivel de fila que realizan cálculos en las columnas existentes. Puede crear columnas nuevas mediante funciones y operadores escalares (a nivel de fila) y aplicar cálculos a nivel de fila que hagan referencia a las columnas existentes. **Configuración** **Para configurar el paso Agregar columnas calculadas, en el panel de configuración:** 1. Asigne un nombre a la nueva columna calculada. 1. [Cree expresiones con el editor de cálculos, que admite funciones y operadores a nivel de fila (como [ifelse](ifelse-function.md) y round).](round-function.md) 1. Guarde el cálculo. 1. Obtenga una vista previa de los resultados de la expresión. 1. Añada más columnas calculadas según sea necesario. **Notas de uso** + En este paso solo se admiten cálculos escalares (a nivel de fila). + En SPICE, las columnas calculadas se materializan y funcionan como columnas estándar en los pasos siguientes. ## Cambie el tipo de datos Quick Sight simplifica la administración de los tipos de datos al admitir cuatro tipos de datos abstractos: `date``decimal`,`integer`, y`string`. Estos tipos abstractos eliminan la complejidad al asignar automáticamente varios tipos de datos de origen a sus equivalentes de Quick Sight. Por ejemplo,, `tinyint` `smallint``integer`, y `bigint` están todos mapeados a`integer`, mientras que `date``datetime`, y `timestamp` están mapeados a. `date` Esta abstracción significa que solo necesita entender los cuatro tipos de datos de Quick Sight, ya que Quick Sight gestiona automáticamente todas las conversiones y cálculos de los tipos de datos subyacentes al interactuar con diferentes fuentes de datos. **Configuración** Para configurar el paso Cambiar el tipo de datos, en el panel **de configuración**: 1. Seleccione la columna que desee convertir. 1. Elija el tipo de datos de destino (`string``integer`,`decimal`, o`date`). 1. Para las conversiones de fecha, especifique la configuración del formato y obtenga una vista previa de los resultados en función de los formatos de entrada. Consulte los [formatos de fecha compatibles](supported-data-types-and-values.md) en Quick Sight. 1. Agregue columnas adicionales para convertirlas según sea necesario. **Notas de uso** + Convierta los tipos de datos de varias columnas en un solo paso para aumentar la eficiencia. + Al utilizar SPICE, todos los cambios en los tipos de datos se materializan en los datos importados. ## Cambie el nombre de las columnas El paso Cambiar el nombre de las columnas le permite modificar los nombres de las columnas para que sean más descriptivos, fáciles de usar y coherentes con las convenciones de nomenclatura de su organización. **Configuración** Para configurar el paso Cambiar el nombre de las columnas, en el panel de **configuración**: 1. Seleccione una columna para asignarle un nombre. 1. Introduzca un nombre nuevo para la columna seleccionada. 1. Añada más columnas para cambiarles el nombre según sea necesario. **Notas de uso** + Todos los nombres de las columnas deben ser únicos en el conjunto de datos. ## Selecciona Columnas El paso Seleccionar columnas le permite optimizar su conjunto de datos al incluir, excluir y reordenar las columnas. Esto ayuda a optimizar la estructura de datos al eliminar las columnas innecesarias y organizar las restantes en una secuencia lógica para su análisis. **Configuración** Para configurar el paso Seleccionar columnas, en el panel **de configuración**: 1. Elija columnas específicas para incluirlas en la salida. 1. Seleccione las columnas en el orden que prefiera para establecer la secuencia. 1. Use **Seleccionar todo** para incluir las columnas restantes en su orden original. 1. Excluya las columnas no deseadas dejándolas sin seleccionar. **Características principales** + Las columnas de salida aparecen en el orden de selección. + La **opción Seleccionar todo** conserva la secuencia de columnas original. **Notas de uso** + Las columnas no seleccionadas se eliminan de los pasos siguientes. + Optimice el tamaño del conjunto de datos eliminando las columnas innecesarias. ## Anexar El paso Añadir combina verticalmente dos tablas, de forma similar a una operación UNION ALL de SQL. Quick Sight hace coincidir automáticamente las columnas por nombre y no por secuencia, lo que permite una consolidación de datos eficiente incluso cuando las tablas tienen diferentes órdenes de columnas o números de columnas variables. **Configuración** Para configurar el paso Añadir, en el panel de **configuración**: 1. Seleccione dos tablas de entrada para anexarlas. 1. Revise la secuencia de columnas de salida. 1. Examine qué columnas están presentes en ambas tablas o en las tablas individuales. **Características principales** + Hace coincidir las columnas por nombre en lugar de por secuencia. + Conserva todas las filas de ambas tablas, incluidos los duplicados. + Admite tablas con diferentes números de columnas. + Sigue la secuencia de columnas de la Tabla 1 para las columnas coincidentes y, a continuación, agrega columnas únicas de la Tabla 2. + Muestra indicadores de origen claros para todas las columnas **Notas de uso** + Utilice primero el paso de cambio de nombre cuando añada columnas con nombres diferentes. + Cada paso de adición combina exactamente dos tablas; utilice los pasos de adición adicionales para obtener más tablas. ## Join El paso Unir combina horizontalmente los datos de dos tablas en función de los valores coincidentes de las columnas especificadas. Quick Sight admite los tipos de unión exterior izquierda, exterior derecha, exterior completa e interior, lo que proporciona opciones flexibles para sus necesidades analíticas. Este paso incluye la resolución inteligente de conflictos de columnas que gestiona automáticamente los nombres de columna duplicados. Si bien las uniones automáticas no están disponibles como un tipo de unión específico, se pueden obtener resultados similares si se utiliza la divergencia del flujo de trabajo. **Configuración** Para configurar el paso de unión, en el panel de **configuración**: 1. Seleccione dos tablas de entrada para unirlas. 1. Elija el tipo de unión (exterior izquierda, exterior derecha, exterior completa o interior). 1. Especifique las claves de unión de cada tabla. 1. Revise los conflictos de nombres de columnas que se resuelven automáticamente. **Características principales** + Admite varios tipos de uniones para diferentes necesidades analíticas. + Resuelve automáticamente los nombres de columnas duplicados. + Acepta columnas calculadas como claves de unión. **Notas de uso** + Las claves de unión deben tener tipos de datos compatibles; utilice el paso Cambiar tipo de datos si es necesario. + Cada paso de unión combina exactamente dos tablas; utilice pasos de unión adicionales para obtener más tablas. + Cree un paso de cambio de nombre después de la unión para personalizar los encabezados de las columnas que se resuelven automáticamente. ## Agregado El paso Agregar permite resumir los datos agrupando columnas y aplicando operaciones de agregación. Esta poderosa transformación condensa los datos detallados en resúmenes significativos basados en las dimensiones especificadas. Quick Sight simplifica las operaciones SQL complejas a través de una interfaz intuitiva, que ofrece funciones de agregación integrales que incluyen operaciones de cadenas avanzadas como y. `ListAgg` `ListAgg distinct` **Configuración** Para configurar el paso de agregación, en el panel **de configuración**: 1. Seleccione las columnas por las que desee agruparlas. 1. Elija funciones de agregación para las columnas de medidas. 1. Personalice los nombres de las columnas de salida. 1. Para `ListAgg` y `ListAgg distinct`: 1. Seleccione la columna que desee agregar. 1. Elija un separador (coma, guión, punto y coma o línea vertical). 1. Obtenga una vista previa de los datos resumidos. **Funciones compatibles por tipo de datos** | Tipo de datos | Funciones compatibles | | --- | --- | | Numérico | `Average`, `Sum` `Count`, `Count Distinct` `Max`, `Min` | | Date | `Count`, `Count Distinct` `Max`, `Min` `ListAgg`, `ListAgg distinct` (solo por fecha) | | Cadena | `ListAgg`, `ListAgg distinct` `Count`, `Count Distinct` `Max`, `Min` | **Características principales** + Aplica diferentes funciones de agregación a las columnas del mismo paso. + **Agrupar por** sin funciones de agregación actúa como SQL SELECT DISTINCT. + `ListAgg`concatena todos los valores; `ListAgg distinct` incluye solo valores únicos. + `ListAgg`las funciones mantienen un orden de clasificación ascendente de forma predeterminada. **Notas de uso** + La agregación reduce significativamente el número de filas en el conjunto de datos. + `ListAgg`y `ListAgg distinct` admiten `date` valores, pero no`datetime`. + Utilice separadores para personalizar el resultado de la concatenación de cadenas. ## Filtro El paso de filtrado le permite restringir el conjunto de datos al incluir solo las filas que cumplen criterios específicos. Puede aplicar varias condiciones de filtrado en un solo paso, y combinarlas mediante la `AND` lógica para ayudar a centrar el análisis en los datos relevantes. **Configuración** Para configurar el paso de filtrado, en el panel **de configuración**: 1. Seleccione una columna para filtrar. 1. Elija un operador de comparación. 1. Especifique los valores del filtro en función del tipo de datos de la columna. 1. Agregue condiciones de filtro adicionales en diferentes columnas si es necesario. **nota** Filtrar filtros con «está dentro» o «no está dentro»: introduzca varios valores (uno por línea). Filtros numéricos y de fecha: introduzca valores únicos (excepto «entre», que requiere dos valores). **Operadores compatibles por tipo de datos** | Tipo de datos | Operadores admitidos | | --- | --- | | Número entero y decimal | Es igual, no es igual Mayor que, menor que Es mayor o igual que, es menor o igual que Está entre | | Date | ¿Después, antes Está entre Es posterior o igual a, Es anterior o igual a | | Cadena | Es igual, no es igual Empieza con, termina con Contiene, no contiene Está dentro, no está dentro | **Notas de uso** + Aplique varias condiciones de filtrado en un solo paso. + Mezcle condiciones en distintos tipos de datos. + Obtenga una vista previa de los resultados filtrados en tiempo real. ## Pivot El paso dinámico transforma los valores de las filas en columnas únicas y convierte los datos de un formato largo a uno ancho para facilitar la comparación y el análisis. Esta transformación requiere especificaciones de filtrado, agregación y agrupación de valores para gestionar las columnas de salida de forma eficaz. **Configuración** Para configurar el paso dinámico, utilice lo siguiente en el panel de **configuración**: 1. **Columna dinámica**: seleccione la columna cuyos valores se convertirán en encabezados de columna (por ejemplo, Categoría). 1. **Valor de fila de la columna dinámica**: filtre los valores específicos para incluirlos (por ejemplo, tecnología o material de oficina). 1. **Encabezado de columna de salida**: personalice los nuevos encabezados de columna (de forma predeterminada, los valores de las columnas pivotantes). 1. **Columna de valores**: seleccione la columna que desee agregar (p. ej., Ventas). 1. **Función de agregación**: elija el método de agregación (por ejemplo, suma). 1. **Agrupar por**: especifique las columnas organizativas (por ejemplo, Segmento). ![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/pivot.png) **Operadores compatibles por tipo de datos** | Tipo de datos | Operadores admitidos | | --- | --- | | Número entero y decimal | `Average`, `Sum` `Count`, `Count Distinct` `Max`, `Min` | | Date | `Count`, `Count Distinct` `Max`, `Min` `ListAgg`, `ListAgg distinct` (solo valores de fecha) | | Cadena | `ListAgg`, `ListAgg distinct` `Count`, `Count Distinct` `Max`, `Min` | **Notas de uso** + Cada columna pivotada contiene valores agregados de la columna de valores. + Personalice los encabezados de las columnas para mayor claridad. + Previsualice los resultados de la transformación en tiempo real. ## Despivote El paso Unpivot transforma las columnas en filas y convierte los datos anchos en un formato más largo y estrecho. Esta transformación ayuda a organizar los datos repartidos en varias columnas en un formato más estructurado para facilitar el análisis y la visualización. **Configuración** Para configurar el paso Unpivot, en el panel de **configuración**: 1. Seleccione las columnas para separarlas y convertirlas en filas. 1. Defina los valores de las filas de las columnas de salida. El valor predeterminado es el nombre de la columna original. Algunos ejemplos incluyen tecnología, material de oficina y mobiliario. 1. Asigne un nombre a las dos nuevas columnas de resultados. + **Encabezado de columna no pivotado**: el nombre de los nombres de columnas anteriores (por ejemplo, Categoría) + Valores de **columna no pivotantes: el nombre de los valores** no pivotantes (por ejemplo, Ventas) ![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/unpivot.png) **Características principales** + Conserva todas las columnas no pivotantes de la salida. + Crea dos columnas nuevas automáticamente: una para los nombres de columnas anteriores y otra para sus valores correspondientes. + Transforma los datos anchos en formato largo. **Notas de uso** + Todas las columnas no pivotantes deben tener tipos de datos compatibles. + El número de filas suele aumentar después de no pivotar. + Obtenga una vista previa de los cambios en tiempo real antes de aplicarlos. # Capacidades de flujo de trabajo avanzadas La experiencia de preparación de datos de Amazon Quick Sight ofrece funciones sofisticadas que mejoran su capacidad de crear transformaciones de datos complejas y reutilizables. En esta sección se describen dos potentes capacidades que amplían el potencial de su flujo de trabajo. La divergencia le permite crear múltiples rutas de transformación a partir de un solo paso, lo que permite flujos de procesamiento paralelos que se pueden recombinar más adelante. Esta capacidad es particularmente valiosa para escenarios complejos, como uniones automáticas y transformaciones paralelas. Los conjuntos de datos compuestos le permiten crear estructuras de datos jerárquicas mediante el uso de conjuntos de datos existentes como componentes básicos. Esta función promueve la colaboración entre los equipos y garantiza una lógica empresarial coherente mediante transformaciones reutilizables y estratificadas. Estas capacidades funcionan en conjunto para proporcionar diseños de flujo de trabajo flexibles, una mejor colaboración en equipo y transformaciones de datos reutilizables. Garantizan un linaje de datos claro y permiten soluciones de preparación de datos escalables, lo que permite a su organización gestionar escenarios de datos cada vez más complejos con eficiencia y claridad. ## Divergencia Divergence le permite crear múltiples rutas de transformación paralelas a partir de un solo paso de su flujo de trabajo. Estas rutas se pueden transformar de forma independiente y luego recombinarse, lo que permite escenarios de preparación de datos complejos, como las uniones automáticas. **Crear rutas divergentes** Para iniciar una divergencia, en tu flujo de trabajo: 1. Seleccione el paso en el que desee crear la divergencia. 1. Selecciona el icono **\$1** que aparece. 1. Configura la nueva rama que aparece. 1. Aplique las transformaciones que desee a cada ruta. 1. Utilice los pasos Unir o Añadir para recombinar las rutas en una única salida. ![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/divergence.png) **Características principales** + Crea hasta cinco rutas divergentes a partir de un solo paso. + Aplica diferentes transformaciones a cada ruta. + Recombina las rutas mediante los pasos Unir o Incorporar. + Previsualiza los cambios en cada ruta de forma independiente. **Prácticas recomendadas** + Utilice la divergencia para implementar uniones automáticas. + Cree copias de datos para transformaciones paralelas. + Planifique su estrategia de recombinación (incorpore o añada). + Mantenga una nomenclatura clara de las rutas para una mejor visibilidad del flujo de trabajo. ## Conjuntos de datos compuestos Los conjuntos de datos compuestos le permiten aprovechar los conjuntos de datos existentes y crear estructuras jerárquicas de transformación de datos que se pueden compartir y reutilizar en toda la organización. Quick Sight admite hasta 10 niveles de conjuntos de datos compuestos en los modos SPICE y Direct Query. **Crear un conjunto de datos compuesto** Para crear un conjunto de datos compuesto, en tu flujo de trabajo: 1. Seleccione el paso de entrada al crear un conjunto de datos nuevo. 1. Elija **Dataset** como fuente en **Agregar datos**. 1. Seleccione un conjunto de datos existente sobre el que construir. 1. Aplique transformaciones adicionales según sea necesario. 1. Guárdelo como un conjunto de datos nuevo. **Características principales** + Crea estructuras jerárquicas de transformación de datos. + Admite hasta 10 niveles de anidación de conjuntos de datos. + Compatible con SPICE y Direct Query. + Mantiene un linaje de datos claro. + Permite transformaciones específicas del equipo. Esta función mejora la colaboración entre los diferentes equipos. Por ejemplo: | Rol | Action | Output | | --- | --- | --- | | Analista global | Crea un conjunto de datos con lógica empresarial global | Conjunto de datos A | | Analista de las Américas | Utiliza el conjunto de datos A, agrega lógica regional | Conjunto de datos B | | Analista de Estados Unidos y Occidente | Utiliza el conjunto de datos B y añade lógica local | Conjunto de datos C | Este enfoque jerárquico promueve una lógica empresarial coherente en toda la organización al asignar una propiedad clara a las capas de transformación. Crea un linaje de datos rastreable y, al mismo tiempo, admite hasta 10 niveles de anidación de conjuntos de datos, lo que permite una gestión de la transformación de datos controlada y sistemática. **Prácticas recomendadas** + Establezca una propiedad clara para cada capa de transformación. + Documente las relaciones y dependencias de los conjuntos de datos. + Planifique la profundidad jerárquica en función de las necesidades empresariales. + Mantenga convenciones de nomenclatura coherentes. + Revise y actualice cuidadosamente los conjuntos de datos originales. # Funciones exclusivas de Spice El SPICE (motor de cálculo superrápido, paralelo y en memoria) de Amazon Quick Sight permite ciertas funciones de preparación de datos que requieren un uso intensivo de la computación. Estas transformaciones se materializan en SPICE para lograr un rendimiento óptimo, en lugar de ejecutarse en el momento de la consulta. **Funciones exclusivas de SPICE** | Steps | Otras capacidades | | --- | --- | | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/spice-only-features.html) | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/spice-only-features.html) | **Funciones disponibles tanto en SPICE como DirectQuery** | Steps | Otras capacidades | | --- | --- | | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/spice-only-features.html) | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/spice-only-features.html) | **Prácticas recomendadas** + Utilice SPICE para los flujos de trabajo que requieren funciones exclusivas de SPICE. + Elija SPICE para optimizar el rendimiento para transformaciones complejas y conjuntos de datos de gran tamaño. + Tenga en cuenta DirectQuery las necesidades de datos en tiempo real cuando no se requieran funciones exclusivas de SPICE. # Cambiar entre experiencias de preparación de datos La experiencia de preparación de datos heredada se refiere a la interfaz de preparación de datos anterior de Amazon Quick Sight que existía antes de octubre de 2025. La nueva experiencia de preparación de datos es la interfaz visual mejorada que muestra las secuencias de step-by-step transformación. Los conjuntos de datos antiguos son los que se crearon antes de la nueva experiencia de preparación de datos, mientras que los conjuntos de datos nuevos son los que se crearon después de octubre de 2025. Al crear un conjunto de datos nuevo, Quick Sight lo dirige automáticamente a la nueva experiencia de preparación de datos. Esta interfaz visual ofrece capacidades mejoradas y una usabilidad mejorada para las tareas de transformación de datos. ## Opción de exclusión Antes de guardar y publicar un conjunto de datos, tiene la opción de volver a la experiencia antigua de preparación de datos, si lo prefiere. Esta flexibilidad permite a los equipos realizar la transición a su propio ritmo y, al mismo tiempo, familiarizarse con la nueva interfaz. **importante** Si se guarda y publica un conjunto de datos en la nueva experiencia, no habrá opción de volver a la experiencia anterior. Esto se debe a un diseño, ya que la nueva experiencia incluye nuevas funciones importantes que no son compatibles con la experiencia anterior. Por lo tanto, no se admite la conversión directa de conjuntos de datos de una experiencia a otra. Deberá crear un nuevo conjunto de datos para cambiar a la experiencia anterior. ## flujo de trabajo de transición Una vez que se guarda un conjunto de datos en la experiencia nueva o heredada, las transformaciones no se pueden convertir directamente de una experiencia a otra. Sin embargo, si existe una versión de conjunto de datos publicada, puede usar el control de versiones para ir a la versión anterior, que podría estar en la experiencia anterior. Los conjuntos de datos antiguos seguirán siendo accesibles para su visualización y edición exclusivamente a través de la interfaz antigua. Esto mantiene la compatibilidad con los flujos de trabajo previamente establecidos. Antes de completar la transición, tómese un tiempo para familiarizarse con la nueva experiencia de preparación de datos. Cuando trabaje con conjuntos de datos heredados, considere la posibilidad de crear una nueva versión utilizando la nueva experiencia para futuras modificaciones. Utilice el control de versiones para mantener el acceso a las versiones antiguas de los conjuntos de datos si es necesario. Documente cualquier cambio en el flujo de trabajo al pasar de una experiencia antigua a una nueva para garantizar la alineación del equipo. # Funciones no compatibles con la nueva experiencia de preparación de datos Si bien la nueva experiencia de preparación de datos ofrece capacidades mejoradas, algunas funciones de la experiencia anterior aún no son compatibles. En esta sección se describen estas funciones y se proporcionan instrucciones para gestionar los flujos de trabajo afectados. Cuando se utilizan fuentes de datos no compatibles, Amazon Quick Sight adopta automáticamente la experiencia anterior de forma predeterminada. Para ver otras funciones no compatibles, selecciona **Cambiar a una experiencia antigua** en la esquina superior derecha de la página de preparación de datos. Los conjuntos de datos de reglas creados en la experiencia antigua siguen siendo compatibles con los conjuntos de datos de experiencias antiguas y nuevas. ## Fuentes de datos no compatibles Las siguientes fuentes de datos solo están disponibles actualmente en la experiencia anterior. | Origen de datos | Details | | --- | --- | | Salesforce | El valor predeterminado es automáticamente la experiencia heredada | | Hojas de cálculo de Google | Pasa automáticamente a la experiencia heredada | | S3 Analytics | **Se admiten las fuentes de datos de S3** | ## Otras funciones no compatibles Las siguientes funciones solo están disponibles actualmente en la experiencia antigua. | Categoría de funciones | Características no admitidas | | --- | --- | | Administración de conjuntos de datos | [Actualización incremental](refreshing-imported-data.md#refresh-spice-data-incremental), [parámetros del conjunto](dataset-parameters.md) de datos, [carpetas de columnas](organizing-fields-folder.md), [descripciones de columnas](describing-data.md) | | Data Types | [Geoespacial](geospatial-data-prep.md)[, [formatos ELF/CLF](supported-data-sources.md#file-data-sources), archivos/ zip en S3 GZip ](supported-data-sources.md#file-data-sources) | | Opciones de configuración | [«Empezar desde una fila» en la configuración de carga de archivos, formato](choosing-file-upload-settings.md) de fecha JODA | | Selección de conjuntos de datos principales a partir de una experiencia antigua | Los conjuntos de datos para padres e hijos deben existir en el mismo entorno de experiencia. No puede usar un conjunto de datos de experiencias heredado como principal para un conjunto de datos de experiencias nuevo. | ## Desarrollo futuro Amazon Quick Sight planea implementar estas funciones en la nueva experiencia de preparación de datos en el futuro. Este enfoque garantiza que el lanzamiento inicial de la nueva experiencia de preparación de datos dé prioridad a: **Capacidades mejoradas** + Flujos de trabajo de transformación visual + Mejora de la transparencia de los procesos + Técnicas de preparación avanzadas mediante Divergence + Nuevas y potentes funciones como Append, Aggregate y Pivot **Adopción flexible** Los usuarios pueden elegir entre experiencias antes de publicar los conjuntos de datos, lo que garantiza flujos de trabajo ininterrumpidos mientras los equipos realizan la transición a su propio ritmo. Este enfoque permite el acceso inmediato a las nuevas capacidades y, al mismo tiempo, permite cumplir con los requisitos especializados gracias a la experiencia anterior. # Límites de preparación de datos La experiencia de preparación de datos de Amazon Quick Sight está diseñada para gestionar conjuntos de datos a escala empresarial y, al mismo tiempo, mantener un rendimiento óptimo. Los siguientes límites garantizan una funcionalidad fiable. ## Límites de tamaño de los conjuntos de datos (SPICE) + **Tamaño de salida**: hasta 2 TB o 2000 millones de filas + **Tamaño total de entrada**: las fuentes de entrada combinadas no pueden superar los 2 TB + **Tamaño de las tablas secundarias**: el tamaño combinado está limitado a 20 GB **nota** Las tablas principales son las que tienen un tamaño máximo en un flujo de trabajo; todas las demás son secundarias. ## Límites de la estructura del flujo + **Número máximo de pasos**: hasta 256 pasos de transformación por flujo de trabajo + **Tablas de origen**: 32 pasos de importación como máximo por flujo de trabajo + **Columnas de salida**: hasta 2048 columnas en cualquier paso del flujo de trabajo y tabla de salida final con 2000 columnas + Rutas **divergentes: máximo 5 rutas** desde un solo paso (solo SPICE, no aplicable a este tipo de rutas) DirectQuery + El **conjunto de datos como fuente**: hasta 10 niveles para SPICE y DirectQuery Estos límites están diseñados para equilibrar la flexibilidad con el rendimiento, lo que permite transformaciones de datos complejas y, al mismo tiempo, garantiza capacidades de análisis óptimas. # Cambios en el comportamiento de ingestión La nueva experiencia de preparación de datos introduce un cambio importante en la forma en que se gestionan los problemas de calidad de los datos durante la ingestión de SPICE. Este cambio afecta significativamente a la integridad y transparencia de los datos de sus conjuntos de datos. En la experiencia anterior, cuando se detectaban incoherencias en los tipos de datos (como formatos de fecha incorrectos o [problemas similares](errors-spice-ingestion.md)), durante la ingestión se omite toda la fila que contiene las celdas problemáticas. Este enfoque da como resultado un menor número de filas en el conjunto de datos final, lo que podría ocultar los problemas de calidad de los datos. La nueva experiencia adopta un enfoque más detallado de las inconsistencias de los datos. Cuando se encuentran celdas problemáticas, solo los valores incoherentes se convierten en valores nulos y se conserva toda la fila. Esta conservación garantiza que los datos relacionados de otras columnas permanezcan accesibles para su análisis. **Impacto en la calidad del conjunto de datos** Los conjuntos de datos creados en la nueva experiencia suelen contener más filas que sus homólogos antiguos cuando los datos de origen contienen inconsistencias. Este enfoque mejorado ofrece varios beneficios: + Mejora de la integridad de los datos al conservar todas las filas + Mayor transparencia a la hora de identificar los problemas de calidad de los datos + Mejor visibilidad de los valores problemáticos para su corrección + Preservación de los datos relacionados en columnas no afectadas Este cambio permite a los analistas identificar y abordar los problemas de calidad de los datos de manera más eficaz, en lugar de omitir silenciosamente las filas problemáticas del conjunto de datos. # Preguntas frecuentes ## 1. ¿Cuándo deben los usuarios cambiar de la experiencia nueva a la antigua? Los usuarios deben volver a la experiencia anterior al trabajar con conjuntos de datos que contienen funciones que actualmente [no son compatibles](unsupported-features.md). Quick Sight está trabajando activamente para incorporar estas funciones a la nueva experiencia de las próximas versiones. ## 2. ¿Por qué los conjuntos de datos aparecen atenuados al intentar añadirlos a la nueva experiencia? ¿Se pueden combinar los conjuntos de datos entre experiencias heredadas y nuevas? Actualmente, los conjuntos de datos de padres e hijos deben existir en el mismo entorno de experiencia. No puedes combinar conjuntos de datos de experiencias antiguas y nuevas porque la nueva experiencia incluye funciones adicionales que no estaban disponibles en las antiguas, como las funcionalidades de Append, las capacidades de Pivot y Divergence. **Uso de conjuntos de datos principales de la experiencia anterior** Para usar los conjuntos de datos principales de la experiencia anterior, puede volver a ese entorno. Solo tiene que ir a la página de preparación de datos y **elegir Volver a la experiencia antigua** en la esquina superior derecha. Una vez allí, puede crear los conjuntos de datos de sus hijos según sea necesario. **Desarrollo futuro** Tenemos previsto implementar una funcionalidad que permita a los usuarios actualizar los conjuntos de datos heredados a la nueva experiencia. Esta ruta mejorada permitirá el uso de conjuntos de datos primarios heredados dentro de la nueva experiencia. ## 3. ¿Por qué Quick Sight lanza la nueva experiencia de preparación de datos antes de lograr la paridad total de funciones con la experiencia anterior? La nueva experiencia de preparación de datos se desarrolló a través de una amplia colaboración con los clientes para abordar los desafíos analíticos del mundo real. El lanzamiento inicial prioriza: **Capacidades mejoradas** + Flujos de trabajo de transformación visual + Mejora de la transparencia de los procesos + Técnicas de preparación avanzadas mediante Divergence + Nuevas y potentes funciones como Append, Aggregate y Pivot **Adopción flexible** Los usuarios pueden elegir entre experiencias antes de publicar los conjuntos de datos, lo que garantiza flujos de trabajo ininterrumpidos mientras los equipos realizan la transición a su propio ritmo. Este enfoque permite el acceso inmediato a las nuevas capacidades y, al mismo tiempo, permite cumplir con los requisitos especializados gracias a la experiencia anterior. ## 4. ¿Se añadirán a la nueva las funciones que actualmente solo están disponibles en la experiencia antigua? Sí. Quick Sight está trabajando activamente para incorporar las funciones heredadas a la nueva experiencia. ## 5. ¿Cómo afectan los cambios en la API a los scripts de creación de conjuntos de datos existentes? Quick Sight mantiene la compatibilidad con versiones anteriores e introduce nuevas capacidades: + Secuencias de comandos existentes: las secuencias de comandos de las API antiguas seguirán funcionando y crearán conjuntos de datos siguiendo la experiencia anterior + Denominación de las API: los nombres de las API actuales permanecen inalterados + Nueva funcionalidad: los formatos de API adicionales admiten las capacidades mejoradas de la nueva experiencia + Documentación: Las especificaciones completas de la API para la nueva experiencia están disponibles en nuestra referencia de API ## 6. ¿Se pueden convertir los conjuntos de datos entre experiencias después de su publicación? + Ruta de migración futura: Quick Sight agregará una función en el futuro para migrar fácilmente los conjuntos de datos heredados a la nueva experiencia. + Proceso unidireccional: no se admite la conversión de conjuntos de datos de la nueva experiencia al formato heredado debido a la dependencia de funciones avanzadas