Você será capaz desenvolver um projeto inicial usando DBT para transformação de dados. É necessário conhecimentos básicos de desenvolvimento e linguagem SQL.

Introdução ao DBT na prática aplicando os conceitos de Engenharia de Analytics para preparação e transformação de dados.

<h2>DBT é usado principalmente para DataOps</h2><div> </div>A DBT Labs é vista como líder de mercado na categoria de transformação de dados, que é uma parte da data stack moderna. O DBT foi construído com Python e pode ser instalado usando o pip. Uma vez que o dbt é instalado, um novo projeto pode ser criado com o comando: dbt init nome-do-projeto. O DBT é uma ferramenta de transformação de dados que permite aos profissionais de engenharia de analytics operarem as informações usando SQL, além de facilitar e organizar o ambiente de construção do DW.O que isso significa na prática?Esse instrumento faz com que o workflow das equipes de dados seja ainda mais rápido e eficiente, trazendo organização e agilidade por usar uma linguagem de consulta relativamente simples.Geralmente, os engenheiros de dados perdem 75% do seu tempo processando tarefas manuais. Confira, no diagrama abaixo, uma representação dos principais problemas que o DataOps pode resolver visando acelerar uma entrega.Nesse contexto, vamos apresentar agora o DBT (Data Build Tool), ferramenta que potencializa e simplifica os pipelines construídos com o Snowflake, Big Query ou Redshift. Juntas, essas ferramentas são capazes de viabilizar uma esteira eficaz e completa de DataOps.Um ecossistema moderno de Cloud Data (Data Warehouse, Data Lake, Data Mart, Open Data Store) suporta diversas linguagens de programação (Python, Java, .Net, Node, C e SQL Alchemy) e serve para propósitos diversos, tais como Machine Learning, Data Science, Business Intelligence e Data Integration. Muitas empresas, ao redor do mundo, adotaram e estão sendo surpreendidas com o valor que a nova data stack entrega ao negócio e como a separação da camada de armazenamento da camada computacional proporciona uma escalabilidade quase infinita com custo viável.O DBT (Data Build Tool) inova completamente a forma de orquestrar ELT (Extract Load and Transform). Sendo responsável pela transformação, o DBT traz para a engenharia de dados a possibilidade de tratar dados utilizando SQL. Para o DBT as queries são modelos que representam tabelas e views. Esses modelos podem ser versionados e seus esquemas e dados podem ser testados (muito similar aos testes unitários).Os modelos podem ser vinculados para formar um DAG (Directed Acyclic Graphic), semelhante ao modelo computacional usado pelo Spark e Tensorflow. O DAG representa não só a ordem de execução das queries, mas também a linhagem dos dados gerados através dos modelos.

Pressupõe que você tenha aprendido e concluído o curso Fundamentos de dbt que abrange os tópicos de modelos, fontes, testes, documentação e implantação.
As seções práticas deste curso serão construídas a partir desse mesmo projeto, portanto, recomendamos que você use o mesmo repositório para seu aprendizado. 

Estenda a funcionalidade de dbt com Jinja/macros e teoria do teste de dados para criar testes genéricos personalizados, alavancar testes, pacotes e macros.