Cápsula de evidencia
Accounting Workflows
Procesamiento documental, modelos semánticos y runs reproducibles
Un pipeline gobernado en Python que transforma documentos y registros en vistas financieras reproducibles e informes controlados.
Problema
Los documentos financieros son difíciles de reconciliar cuando cada informe reinterpreta los registros. El workflow necesita representaciones canónicas, semantic marts, exact-run replay y privacidad.
Qué construí
Desarrollé un pipeline para ingesta, materialización canónica, vistas, reconciliación, informes gobernados y report bundles. Cada etapa puede repetirse para un run exacto; la documentación pública usa evidencia sanitizada.
Mi rol y ownership
- Diseñé representaciones canónicas y límites de etapa/run.
- Implementé validación, semantic marts, contratos y exact-run replay.
- Documenté checks sin exponer registros privados.
Decisiones clave
Materializar registros canónicos antes de marts o informes.
Tradeoff: Agrega un modelo, pero estabiliza la reconciliación.
Acotar cada etapa a un run exacto.
Tradeoff: Exige bookkeeping, pero permite reproducir fallos.
Mantener prueba pública en contratos, tests y docs.
Tradeoff: Evita filtrar datos o sugerir certificación.
Confiabilidad y testing
El repo define smoke, report-contract, docs-input-bridge y run-scope tests. La auditoría no observó passing; son checks definidos, no certificación.
- test_governed_metrics_pipeline_smoke.py: smoke.
- test_reports_contracts.py: contratos.
- test_docs_input_bridge.py y test_run_scope_contract.py: input y exact-run.
Recuperación: Replay y validación permiten reproducir una etapa fallida.
Qué demuestra
- Diseñar workflows con representaciones canónicas.
- Hacer reproducible el procesamiento por run.
- Comunicar un límite de privacidad.