Aprende a garantizar la calidad de los datos con técnicas avanzadas de pruebas en dbt. Explora tests integrados, singulares y reutilizables para validar modelos, sources y seeds. Comprende cómo definir tests personalizados con Jinja, resolver fallos y optimizar tu flujo de validación para detectar inconsistencias antes de que afecten al análisis aguas abajo.

Introducción a las pruebas en dbt

Opciones

Integradas

No integradas

Pruebas integradas

nyc_yellow_taxi:
  outputs:
    dev:
      type: duckdb
      path: dbt.duckdb
  target: dev



# Name your project! Project names should contain only lowercase characters
# and underscores. A good package name should reflect your organization's
# name or the intended use of these models
name: 'taxi_project'
version: '1.0.0'
config-version: 2

# This setting configures which "profile" dbt uses for this project.
profile: 'nyc_yellow_taxi'

# These configurations specify where dbt should look for different types of files.
# The `model-paths` config, for example, states that models in this project can be
# found in the "models/" directory. You probably won't need to change these!
model-paths: ["models"]
analysis-paths: ["analyses"]
test-paths: ["tests"]
seed-paths: ["seeds"]
macro-paths: ["macros"]
snapshot-paths: ["snapshots"]

target-path: "target"  # directory which will store compiled SQL files
clean-targets:         # directories to be removed by `dbt clean`
  - "target"
  - "dbt_packages"


# Configuring models
# Full documentation: https://docs.getdbt.com/docs/configuring-models

# In this example config, we tell dbt to build all models in the example/
# directory as views. These settings can be overridden in the individual model
# files using the `{{ config(...) }}` macro.
models:
  nyc_yellow_taxi:
  # Config indicated by + and applies to all files under models/example/
    taxi_rides:
    +materialized: view


{{ config(materialized='view')}}


with source_data as (
    select * from read_parquet('yellow_tripdata_2023-01-partial.parquet')
)

select * from source_data


version: 2

models:
- name: taxi_rides_raw
  columns:
    - name: fare_amount
      tests:
        - not_null
    # Enter the name of the column
    - name: ____
    # Define the two tests
      tests:
        - ____
        - ____
            ____: [1, 2, 3, ____]


Run the following commands in the terminal:
  
dbt run
dbt test

version: 2

models:
- name: taxi_rides_raw
  columns:
    - name: fare_amount
      tests:
        - not_null
    # Enter the name of the column
    - name: payment_type
    # Define the two tests
      tests:
        - not_null
        - accepted_values:
            values: [1, 2, 3, 4, 5, 6] 


Definir tests en un modelo

{{ config(materialized='view')}}


with source_data as (
    select * from read_parquet('yellow_tripdata_2023-01-partial.parquet')
)

-- Add a filter / WHERE clause to the line below
select * from source_data ____


version: 2

models:
- name: taxi_rides_raw
  columns:
    - name: fare_amount
      tests:
        - not_null
    - name: payment_type
      tests:
        - not_null
        - accepted_values:
            values: [1, 2, 3, 4, 5, 6]


Run the following commands in the terminal:
  
dbt run

{{ config(materialized='view')}}


with source_data as (
    select * from read_parquet('yellow_tripdata_2023-01-partial.parquet')
)

-- Add a filter / WHERE clause to the line below
select * from source_data where payment_type != 0


Run the following command in the terminal:
  
dbt run

Encontrar datos defectuosos

Crear tests singulares

Proceso de desarrollo de una prueba singular

Pasos para desarrollar una prueba singular

select * 
from taxi_rides_raw
-- Complete the test on the following line


Run the following command in the terminal:
  
dbt test --select assert_trip_duration_gt_0.sql

select * 
from taxi_rides_raw
-- Complete the test on the following line
where tpep_pickup_datetime = tpep_dropoff_datetime


The appropriate filter has been added to assert_trip_duration_gt_0.sql

Run the following command in the terminal:
  
dbt test --select assert_trip_duration_gt_0.sql

Verificar la duración del viaje

Consulta de prueba válida

Consulta de prueba no válida

Verificación de consultas de prueba

Crear pruebas reutilizables personalizadas

Reutilizable

Singular

Probando, probando, probando

version: 2

# Replace any entry of ____ with the appropriate content
models:
- name: taxi_rides_raw
  columns:
    - name: fare_amount
      tests:
        - ____
    - name: ____
      tests:
        - check_gt_0
        


{% test ____(model, column_name) %}
select * 
from {{ model }}
where {{ column_name }} <= 0
{% endtest %}



version: 2

models:
- name: taxi_rides_raw
  columns:
    - name: fare_amount
      tests:
        - check_gt_0
    - name: total_amount
      tests:
        - check_gt_0


{% test check_gt_0(model, column_name) %}
select * 
from {{ model }}
where {{ column_name }} <= 0
{% endtest %}


- Update the check_gt_0.sql file as shown in the solution. (Note, the last character is a zero)
- Update the model_properties.yml file as shown.
- Run dbt run in the terminal window
- Run dbt test --select taxi_rides_raw or dbt test --select taxi_rides_raw.sql in the terminal window

Implementación de una prueba reutilizable

version: 2

models:
- name: taxi_rides_raw
  columns:
    - name: tpep_pickup_datetime
      tests:
        - ____:
            ____: ____


select * 
from taxi_rides_raw
where tpep_pickup_datetime = tpep_dropoff_datetime


{% test ____(model, column_name, column_name2) %}
select *
from {{ model }}
____
{% endtest %}


version: 2

models:
- name: taxi_rides_raw
  columns:
    - name: tpep_pickup_datetime
      tests:
        - columns_equal:
            column_name2: tpep_dropoff_datetime


{% test columns_equal(model, column_name, column_name2) %}
select *
from {{ model }}
where {{ column_name }} = {{ column_name2 }}
{% endtest %}


- Edit the columns_equal.sql file as shown.
- Edit the model_properties.yml file as shown.
- Run dbt run in the terminal.
- Run dbt test --select taxi_rides_raw.sql or dbt test --select taxi_rides_raw in the terminal.

Actualizar de test singular a test reutilizable

Pruebas y documentación

Lleva tus habilidades con dbt al siguiente nivel implementando flujos de trabajo escalables y listos para producción. Aprende a usar dbt sources y dbt seeds para mejorar el linaje de datos, implementar snapshots para seguir cambios históricos y automatizar tus transformaciones con dbt build. Al finalizar, estarás preparado para gestionar canalizaciones de datos a gran escala con confianza.

Fuentes de dbt

¿Modelos, fuentes o ambos?

Añadir una fuente

dbt seeds

Granillos de verdad

ZIP es el código

SCD2 con snapshots de dbt (versión antigua)

Proceso de snapshot

Problema con el snapshot

Añadir un snapshot

Automatización con dbt build

¿Qué no puede hacer dbt build?

¡Echando una mano a la persona en prácticas!

Juntándolo todo

Implementación de dbt en producción

Lleva tus habilidades con dbt al siguiente nivel con este curso práctico pensado para ingenieros de datos y profesionales de analítica. Explorarás funciones avanzadas de dbt, como estrategias de pruebas personalizadas, tests reutilizables, sources, seeds y snapshots para seguir cambios históricos en los datos. Aprende a automatizar canalizaciones de dbt con dbt build, garantizando transformaciones fiables y eficientes en entornos de producción. Con ejercicios interactivos y escenarios reales, ganarás la confianza necesaria para implementar dbt en flujos de trabajo de datos a gran escala.

<h2>Dominar los flujos de trabajo de DBT</h2>
<p>Lleva tus habilidades en DBT al siguiente nivel y aprende a implementar flujos de trabajo de transformación de datos robustos y escalables en un entorno de producción. Este curso está diseñado para ingenieros de datos, analistas e ingenieros analíticos que desean ir más allá de los conceptos básicos y adquirir experiencia práctica con las funciones avanzadas de dbt.</p>

<h2>Garantiza la calidad de los datos con pruebas avanzadas</h2>
<p>La creación de canales de datos fiables comienza con la validación. Explorarás técnicas de prueba avanzadas para detectar inconsistencias en los datos, crearás pruebas personalizadas reutilizables para estandarizar la validación en todos los modelos y aplicarás pruebas a fuentes y semillas para mejorar la gobernanza y el seguimiento del linaje de los datos.</p>

<h2>Aprovecha las fuentes, semillas e instantáneas de dbt.</h2>
<p>Descubre cómo las fuentes dbt pueden mejorar la documentación y el linaje, al tiempo que garantizan la trazabilidad de los datos sin procesar. Aprende a utilizar semillas dbt para gestionar de forma eficiente conjuntos de datos pequeños y estáticos. A continuación, domina el cambio lento de dimensiones (SCD2) con instantáneas dbt, lo que te permitirá realizar un seguimiento de los cambios históricos en tu almacén de datos con un esfuerzo mínimo.</p>

<h2>Automatiza y optimiza con dbt Build</h2>
<p>La eficiencia es clave en los entornos de producción. Aprenderás a optimizar los flujos de trabajo con dbt build, automatizando la ejecución de modelos, pruebas e instantáneas para garantizar transformaciones fiables. Al optimizar tu canalización, mejorarás el rendimiento, la facilidad de mantenimiento y la escalabilidad de tus proyectos dbt.</p>

<h2>Aplica tus habilidades en situaciones reales</h2>
<p>A través de ejercicios interactivos y prácticas, reforzarás tus conocimientos y ganarás confianza para aplicar la TDC en situaciones reales. Al finalizar el curso, estarás preparado para diseñar, probar y automatizar flujos de trabajo dbt listos para la producción, lo que garantizará transformaciones de alta calidad y bien documentadas a gran escala.</p>


Introduction to dbt

Mejora tus habilidades en dbt con este curso práctico para ingenieros de datos y profesionales analíticos.

dbt intermedio

Lleva tus habilidades en DBT al siguiente nivel con este curso práctico diseñado para ingenieros de datos y profesionales del análisis.

dbt Fundamentos

`SELECT * FROM taxi_rides_raw WHERE tpep_pickup_datetime = tpep_dropoff_datetime`

`SELECT * FROM taxi_rides_raw WHERE tpep_dropoff_datetime - tpep_pickup_datetime = 0`

`SELECT * FROM taxi_rides_raw WHERE tpep_dropoff_datetime - tpep_pickup_datetime >= 0`

`SELECT * FROM taxi_rides_raw WHERE tpep_dropoff_datetime > tpep_pickup_datetime`

Verificación de consultas de prueba

dbt intermedio

Ejercicio interactivo práctico