El pipeline nocturno falló y el dashboard de dirección está vacío a las 8 de la mañana. Cuéntame tu respuesta paso a paso.

Comunica primero: dile a los interesados que el dashboard está desactualizado y da una hora estimada, porque el silencio convierte un problema de datos en un problema de confianza. Luego busca la primera tarea que falló y no el error más ruidoso, ya que los fallos aguas abajo suelen ser síntomas. Decide entre reejecutar la porción fallida o servir los datos de ayer con un aviso. Arregla, reejecuta de forma idempotente, verifica el número de filas y luego documenta la causa.

Antes de depurar nada publico en el canal de los interesados que el dashboard muestra datos desactualizados, qué está afectado y cuándo daré la siguiente actualización. Ese único mensaje evita unas diez interrupciones y mantiene la confianza intacta aunque el arreglo tarde dos horas. Luego voy a la parte alta del DAG, porque en una cadena de quince tareas fallidas, catorce son solo consecuencia de un problema real. Normalmente la causa real cae en tres cubos: cambiaron los datos de origen, la infraestructura tuvo un fallo puntual, o alguien mezcló un cambio. Un vistazo rápido a si se desplegó algo ayer resuelve eso enseguida. La última vez que me pasó, el sistema origen había soltado de noche un renombrado de columna sin avisar, así que el modelo de staging falló por un campo que faltaba. Parcheé el modelo, reejecuté las particiones afectadas y, como el pipeline es idempotente, era seguro hacerlo sin limpieza previa. Después verifiqué los recuentos de filas contra el día anterior antes de decirle a nadie que estaba arreglado, y abrí una conversación de contrato de datos con el equipo origen.