Formation DBT - Data Build Tool

Jour 1
Module 1 : Évolution de la pile de données
* Évolution de la pile de données
* Comprendre les différences entre les approches d’intégration de données Extract-Transform-Load (ETL) et Extract-Load-Transform (ELT)
* Introduction à la pile de données moderne

Module 2 : Introduction à dbt
* Aperçu de dbt
* Installation de dbt et configuration de l’environnement de développement
* Créer un projet dbt
* Connexion aux sources de données
Lab : Mise en place d’un projet dbt

Module 3 : Travailler avec des modèles dbt
* Comprendre les modèles dbt
* Comment fonctionnent les modèles de dbt ?
* Options de matérialisation
* Configuration de la matérialisation
* Présentation de la fonctionnalité de tagging pour l’organisation des métadonnées
Atelier : Créer des modèles de données avec dbt

Module 4 : Sources et références dbt
* Introduction aux sources dbt
* Configuration des sources dbt
* Travailler avec des références dbt
Atelier : Configuration des sources dbt, référencement des données externes et gestion des dépendances du modèle

Module 5 : Amorçage de vos modèles de données
* Introduction aux seeds dbt
* Création et remplissage de données seed
* Avantages de l’utilisation de seeds pour l’initialisation des données
* Intégrer des seeds à vos modèles dbt
Atelier : Créer et intégrer des seeds dans vos projets dbt

Jour 2
Module 6 : Snapshots pour gérer les données historiques
* Comprendre les snapshots dans dbt
* Configuration et définition de snapshots
* Exécuter et gérer des snapshots
Atelier : Mise en œuvre d’une stratégie de snapshots

Module 7 : Transformation et contrôle avancés des données
* Comprendre les macros
* Jinja, un langage de modèles
* Utiliser des variables pour gérer la configuration du pipeline de données
Atelier : Transformation et contrôle avancés des données

Module 8 : Packages
* Introduction aux packages dbt
* Explorer le hub dbt
* Installation et utilisation de package dbt
Atelier : Explorer les packages dbt

Module 9 : Tests
* Mettre en évidence les risques potentiels dans le code
* Mise en place de tests automatisés
* Choisir le test approprié
* Implémentation des tests de données
Atelier : Implémentation de tests de données

Module 10 : Documentation
* Documenter les modèles de données
* Utiliser les fonctionnalités de documentation intégrées de dbt pour générer et maintenir une documentation de modèle accessible et à jour
* L’importance du lineage
Laboratoire : Documenter les modèles de DBT

Module 11 : Analyses, hooks et exposition (avancé)
* Effectuer une analyse des données
* Exécuter du code personnalisé avant et après l’exécution de dbt
* Créer des assets de données partageables et accessibles
Atelier : Créer une exposition

Module 12 : Exploiter les artefacts générés (avancé)
* Comprendre manifest.json
* Introduction de run_result.json

Module 13 : Conclusion
* Ressources sur les meilleures pratiques en matière de dbt
* À propos de l’examen de certification DBT