SQL y Jinja para dbt

Resumen

Mejorar los flujos de trabajo de dbt conduce a modelos de datos eficientes y mantenibles. En este curso, SQL y Jinja para dbt, adquirirás la capacidad de escribir modelos dbt optimizados, automatizar transformaciones y aplicar scripting Jinja para referencias de datos dinámicas.

Primero, explorarás las mejores prácticas para escribir SQL eficiente en modelos dbt. Luego, descubrirás cómo mejorar las transformaciones dbt utilizando plantillas Jinja para referencias dinámicas de esquemas y tablas.

Finalmente, aprenderás a automatizar flujos de trabajo SQL usando macros de dbt, permitiendo la reutilización de código, consultas basadas en lógica, y estrategias de depuración. Cuando termines este curso, tendrás las habilidades y conocimientos para optimizar modelos dbt, simplificar flujos de trabajo SQL y aplicar automatización basada en Jinja para transformaciones de datos escalables.

Programa de estudio

• Introducción a dbt y su flujo de trabajo
Visión general de dbt y su papel en la ingeniería de datos
Comprensión de los modelos de dbt y su estructura
Introducción a SQL y Jinja en el contexto de dbt
• Escribiendo SQL eficiente en modelos de dbt
Mejores prácticas para SQL en dbt
Aprovechando el proceso de compilación de dbt
Técnicas para optimizar el rendimiento de las consultas
• Uso de plantillas Jinja en dbt
Introducción a Jinja y su sintaxis
Referencias dinámicas de esquema y tablas
Lógica condicional y bucles con Jinja
Consejos para solucionar problemas de código Jinja
• Mejorando las transformaciones de dbt con Jinja
Creación de consultas dinámicas con Jinja
Uso de Jinja para gestionar configuraciones
Implementación de Jinja para la validación y limpieza de datos
• Automatización de flujos de trabajo SQL con macros de dbt
Comprensión de las macros en dbt
Escribir macros personalizadas para lógica reutilizable
Implementación de consultas orientadas a lógica mediante macros
Estrategias de depuración para macros
• Estudios de caso: aplicación de SQL y Jinja para dbt
Ejemplos del mundo real de modelos de dbt optimizados
Estudio de caso: modelos de datos dinámicos con Jinja
Automatización de transformaciones complejas con macros
• Proyecto final
Desarrollo de un modelo dbt integral
Incorporación de mejores prácticas de SQL, Jinja y macros
Revisión por pares y retroalimentación
• Conclusión y próximos pasos
Resumen de los aprendizajes clave
Recursos para el aprendizaje continuo
Exploración de temas avanzados en dbt e ingeniería de datos

Enseñado por

Pinal Dave

Asignaturas

Negocios