Analytics Engineering mit SQL und dbt

Kapitel 5. dbt Fortgeschrittene Themen

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

dbt ist ein Tool, das sich auf den Transformationsteil des ELT-Prozesses konzentriert. Wenn du nur SQL-Erfahrung hast, kannst du deinen gesamten analytischen Code mit diesem Tool entwickeln. Gleichzeitig können wir parallel dazu die bewährten Methoden und Standards der Softwareentwicklung anwenden, wie z. B. die Testentwicklung, die automatische Bereitstellung oder sogar die Dokumentation, die parallel zur Entwicklung erstellt wird.

In diesem Kapitel nimmt unsere Reise durch dbt eine fortgeschrittenere und subtilere Wendung. Wir werden uns mit der vielfältigen Sammlung von Modellmaterialisierungen in dbt beschäftigen. Neben den traditionellen Views und Tabellen werden wir das Potenzial von ephemeren Modellen erkunden, materialisierte Views nutzen, Daten-Snapshots zu bestimmten Zeitpunkten erfassen und sogar inkrementelle Modelle verwenden, die dich von wiederkehrenden, ressourcenintensiven vollständigen Datenladungen befreien.

Aber das ist noch nicht alles. Mit Jinja, Makros und Paketen heben wir deinen Analytics-Code auf die nächste Stufe. Wir sind auf einer Mission, um deine Codebasis umzugestalten und sie effizienter und trockener zu machen. Am Ende dieses Kapitels verfügst du über das Wissen und die Werkzeuge, um deinen Analyse-Workflow zu verbessern, damit du schneller und präziser Erkenntnisse gewinnen ...