לימוד dbt מתאים להרחבת העבודה עם SQL למודלים שאפשר לתחזק ולשתף. dbt מבצע טרנספורמציות על נתונים בפלטפורמת הנתונים, לצד יכולות בדיקה ותיעוד. להחלטה אם הכלי מתאים לתפקיד שלכם ראו מתי אנליסט צריך להשתמש ב-dbt.
לפני שמתחילים
תרגלו שליפות, חיבורים וקיבוץ, והבינו מה מייצגת כל שורה. הכירו את מבנה הנתונים ואת המדד שתרצו לחשב. לימוד כלי חדש אינו מחליף בדיקת ההיגיון העסקי של השאילתה.
תרגיל ראשון: מודל קטן
בחרו נתוני תרגול והגדירו מודל שמכין אותם לניתוח אחד. תעדו את המפתח, רמת הפירוט והחרגות החישוב. בדקו את התוצאה על מדגם שאתם מבינים, לפני בניית שכבות נוספות.
הוסיפו תלויות, בדיקות ותיעוד
- פצלו שלבים חוזרים למודלים עם תפקיד מוגדר.
- תעדו מה כל מודל מכיל ועל אילו מקורות הוא נשען.
- הגדירו בדיקות המתאימות להנחות, למשל מפתח ייחודי או ערך שלא אמור להיות חסר.
- שנו נתון בתרגול ובדקו כיצד השינוי משפיע בהמשך.
מה נחשב תוצר לימודי טוב?
פרויקט קטן עם קוד, תיעוד, בדיקות והסבר של ההנחות. בדיקה שעוברת אינה מבטיחה שכל הנתונים נכונים; היא מאמתת את התנאי שהוגדר לה.
להוראות לפי הגרסה וסביבת העבודה השתמשו בתיעוד הרשמי של dbt. להבנת מקומו בתשתית ראו ETL, ELT ו-dbt; לתוכנית ההכשרה של SmartBrainData ראו עמוד הקורס.
