Antes de escribir código: el diseño del DataMart de YouTube
Este artículo describe el diseño de un DataMart para analizar datos de YouTube Analytics, resolviendo la limitación de la API al permitir el análisis histórico y de la competencia. Se utiliza la YouTube Data API v3, Django con JSONField para la capa raw y un esquema dimensional normalizado para las consultas analíticas. El lector aprenderá sobre la importancia de planificar la cuota de la API, diseñar un ETL idempotente y estructurar un DataMart en capas raw y dimensional antes de escribir el código.

Tengo un canal de YouTube llamado @EconometriaConR. No tiene millones de vistas, pero es mío y lo cuido. El problema con YouTube Analytics es que te dice cómo te fue ayer, pero no te ayuda a entender el nicho en el que compites ni qué tags están ganando tracción entre los canales similares. Quería saber qué etiquetas usa la competencia, cuáles trending en Ciencia & Tecnología y si hay correlación con mis propios datos históricos.
La respuesta obvia: extraer esos datos yo mismo y construir algo propio.
Por qué un DataMart y no un script
La primera versión de esto iba a ser un script que llamara a la YouTube Data API v3 y volcara los resultados en un JSON. Rápido, sucio, funcional. Pero hay un problema: la API tiene un límite de 10,000 unidades diarias y si destruyo el JSON de ayer para escribir el de hoy, pierdo la historia. Y la historia es exactamente lo que quiero.
Así que decidí estructurarlo como un DataMart de dos capas. No porque sea la solución más elegante, sino porque es la más honesta con el problema:
Capa raw (ODS): persiste el JSON exacto que devuelve la API, sin procesar. Cuatro modelos Django con un JSONField y un timestamp:
YtRawChannelSnapshot — mi canal completo, tal como lo devuelve channels.list
YtRawVideoSnapshot — mis videos, tal como los devuelve videos.list
YtRawCompetitorSnapshot — búsquedas del nicho, JSON raw por término
YtRawCategorySnapshot — trending Ciencia & Tecnología (categoryId=28)
Si mañana quiero extraer un campo nuevo que no guardé, vuelvo a la capa raw y re-proceso sin consumir cuota adicional. Eso vale el espacio en disco.
Capa dimensional: cinco modelos normalizados, diseñados para consultas analíticas:
YtChannelStat — una fila por snapshot: suscriptores, vistas, video_count
YtVideoStat — una fila por (video × snapshot): vistas, likes, comentarios, duración
YtTag — dimensión de etiquetas (único por nombre)
YtTagOccurrence — fact table: apariciones de tags por fuente y fecha
YtCompetitorVideo — videos del nicho con sus tags, canal y métricas
El presupuesto de cuota
Antes de escribir una línea de backend, calculé cuántas unidades consume una ejecución completa:
| Llamada | Unidades | Veces | Total |
|---|---|---|---|
channels.list |
3 | 1 | 3 |
videos.list (mis videos) |
5 | 1 | 5 |
search.list (5 términos del nicho) |
100 | 5 | 500 |
videos.list (competidores) |
5 | 2 | 10 |
videos.list (S&T trending) |
5 | 1 | 5 |
| Total | ~523 / 10,000 |
523 unidades diarias. Bien dentro del límite gratuito, con margen para crecer. Sin esto habría terminado pidiendo aumento de cuota a los tres días.
Los cinco términos del nicho
Para el análisis de competencia, elegí cinco búsquedas fijas que representan el nicho donde opera el canal:
- "econometría Python"
- "IA aplicada Python"
- "machine learning R"
- "series de tiempo Python"
- "regresión econométrica"
No son perfectos, pero son lo suficientemente específicos para filtrar ruido y lo suficientemente amplios para capturar canales relevantes. Los términos se guardan en el modelo YtRawCompetitorSnapshot y se pueden ampliar sin romper el ETL.
El dashboard que justifica todo
El frontend iba a tener cuatro secciones: evolución del canal (LineChart dual-eje con suscriptores y vistas), rendimiento de mis videos (BarChart horizontal top 10), análisis de tags en tres tabs (propio / competencia / trending S&T) y una tabla de videos del nicho filtrable por término de búsqueda. Todo con Recharts, todo detrás de un guard is_employee.
Y la infraestructura: un Cloud Run Job que ejecuta el ETL, programado con Cloud Scheduler a las 3am UTC. Solo en producción — en preproduction no tiene sentido consumir cuota real.
Por qué documentar el diseño antes que el código
Este commit es inusual: es solo un archivo markdown. docs/plans/2026-02-27-youtube-datamart-design.md. Nada de código, nada de migraciones. Pero fue la decisión más útil del proyecto entero.
Tener el diseño escrito antes de implementarlo obligó a resolver preguntas incómodas mientras aún era barato cambiar de idea. El presupuesto de cuota, la idempotencia del ETL, la estructura del frontend — todo eso quedó claro en papel antes de que hubiera una sola línea de Python.
En la próxima entrega: los nueve modelos, el ETL idempotente y los cinco endpoints.
Serie: YouTube Analytics DataMart — Parte 2: El backend →
Este artículo es parte de la serie "YouTube Analytics DataMart". El código fuente completo está en GitHub.