Oefen met het opbouwen van een dbt-project vanaf de basis. Pas je vaardigheden toe door verschillende soorten data in het dbt-project te laden en diverse staging-dbt-modellen op te zetten. Dit hoofdstuk richt zich op de E- en L-delen van het ELT-proces.

Introductie van de dbt-casestudy

Controleer dbt-installatie

Initialiseer het dbt-project

Het dbt-project instellen en data laden

version: 2

seeds:
  - name: looker__distribution_centers



# 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: 'looker_ecommerce'
version: '1.0.0'

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

# 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"]

clean-targets:         # directories to be removed by `dbt clean`
  - "target"
  - "dbt_packages"


looker_ecommerce:
  outputs:
    dev:
      type: duckdb
      path: /home/repl/dbt.duckdb
  target: dev


id,name,latitude,longitude
1,Memphis TN,35.1174,-89.9711
2,Chicago IL,41.8369,-87.6847
3,Houston TX,29.7604,-95.3698
4,Los Angeles CA,34.05,-118.25
5,New Orleans LA,29.95,-90.0667
6,Port Authority of New York/New Jersey NY/NJ,40.634,-73.7834
7,Philadelphia PA,39.95,-75.1667
8,Mobile AL,30.6944,-88.0431
9,Charleston SC,32.7833,-79.9333
10,Savannah GA,32.0167,-81.1167

Laad distribution center als een dbt seed-bestand

version: 2

models:
  - name: _____ # Fill in the model name
    description: _____ # Fill in an informative description of the model


SELECT *
FROM {{ ref('looker__distribution_centers') }}

version: 2

models:
  - name: stg_looker__distribution_centers # Fill in the model name
    description: Distribution center name and location # Fill in an informative description of the model


Maak een stagingmodel voor distributiecentra

version: 2

models:
  - name: stg_looker__distribution_centers
    description: Distribution center name and location    

  - name: ____ # Fill in the staging model name 
    description: Users demographics and location information 

version: 2

sources:
  - name: looker_ecommerce
    tables:
      - name: ____ 	# Fill in the source name

SELECT *
FROM {{ source(____, ____) }} -- Fill in the source 

SELECT *
FROM {{ source('looker_ecommerce', 'users') }} -- Fill in the source 

version: 2

sources:
  - name: looker_ecommerce
    tables:
      - name: users 	# Fill in the source name

version: 2

models:
  - name: stg_looker__distribution_centers
    description: Distribution center name and location    

  - name: stg_looker__users # Fill in the staging model name 
    description: Users demographics and location information

Laad en maak een gebruikersmodel via dbt source

version: 2

models:
  - name: stg_looker__distribution_centers
    description: Distribution center name and location    

  - name: stg_looker__users
    description: Users demographics and location information
    
  - name: stg_looker__events
    description: User event data

  - name: stg_looker__inventory_items
    description: Inventory items information

  - name: stg_looker__order_items
    description: Order information on the item level

  - name: stg_looker__orders
    description: Order information such as status and timestamps
        
    # Fill in for the staging model for products
    

SELECT *
FROM {{ source('looker_ecommerce', 'users') }}

version: 2

sources:
  - name: looker_ecommerce
    tables:
      - name: users
      - name: events
      - name: inventory_items
      - name: order_items
      - name: orders
      # Fill in for the dbt source for products
      ____

SELECT *
FROM {{ source('looker_ecommerce', 'events') }}

SELECT *
FROM {{ source('looker_ecommerce', 'inventory_items') }}

SELECT *
FROM {{ source('looker_ecommerce', 'order_items') }}

SELECT *
FROM {{ source('looker_ecommerce', 'orders') }}

SELECT *
FROM {{ source('looker_ecommerce', 'products') }}

version: 2

sources:
  - name: looker_ecommerce
    tables:
      - name: users
      - name: events
      - name: inventory_items
      - name: order_items
      - name: orders
      # Fill in for the dbt source for products
      - name: products

version: 2

models:
  - name: stg_looker__distribution_centers
    description: Distribution center name and location    

  - name: stg_looker__users
    description: Users demographics and location information
    
  - name: stg_looker__events
    description: User event data

  - name: stg_looker__inventory_items
    description: Inventory items information

  - name: stg_looker__order_items
    description: Order information on the item level

  - name: stg_looker__orders
    description: Order information such as status and timestamps
    
  # Fill in for the staging model for products
  - name: stg_looker__products
    description: Product information such as SKU and category


Meer oefenen met dbt-source en stagingmodellen

version: 2

models:
  - name: stg_looker__distribution_centers
    description: Distribution center name and location    

  - name: stg_looker__users
    description: Users demographics and location information
    
  - name: stg_looker__events
    description: User event data

  - name: stg_looker__inventory_items
    description: Inventory items information

  - name: stg_looker__order_items
    description: Order information on the item level

  - name: stg_looker__orders
    description: Order information such as status and timestamps
    
  - name: stg_looker__products
    description: Product information such as SKU and category


SELECT *
FROM {{ source('looker__distribution_centers') }}

version: 2

sources:
  - name: looker_ecommerce
    tables:
      - name: users
      - name: events
      - name: inventory_items
      - name: order_items
      - name: orders
      - name: stg_looker__products

version: 2

sources:
  - name: looker_ecommerce
    tables:
      - name: users
      - name: events
      - name: inventory_items
      - name: order_items
      - name: orders
      - name: products

Foutopsporing bij veelvoorkomende errors

dbt instellen

Duik diep in dbt-datamodellering. Bouw de datapijplijn van voorlopige staging-modellen tot de uiteindelijke data-martmodellen om kritieke bedrijfsbehoeften te beantwoorden. Onderweg krijg je ervaring met het maken van datatests om kwaliteitsafwijkingen te voorkomen.

dbt-beschrijvingen en -tests maken

Voeg dbt-kolombeschrijvingen toe

Voeg dbt-kolomtests toe

dbt-datamarts en snapshotmodellen bouwen

Opfriscursus: hiërarchie van dbt-modellen

Maak een mart-model voor customers

Maak een martmodel voor products

Veelvoorkomende fouten debuggen

Meer fouten debuggen

dbt-snapshotmodellen bouwen

dbt-modellen bouwen

Leer je dbt-projecten te verbeteren met Jinja door code te stroomlijnen, herhaling te verminderen en onderhoudbaarheid te vergroten. Je oefent met variabelen, loops en macro’s om efficiëntere transformatieworkflows te bouwen.

Jinja introduceren met dbt

Opwarmen met dbt compile

Opwarmen met dbt compile 2

Debuggen met dbt compile

Variabelen instellen met dbt Jinja

Variabelen instellen met dbt Jinja 2

Complexe toepassing van Jinja met dbt

Jinja gebruiken voor for-loops bij herhaalde SQL 1

Jinja gebruiken voor lussen op herhaalde SQL 2

Macro's met Jinja

Witruimtes trimmen met Jinja

Samenvatting: dbt-casestudy

dbt verbeteren met Jinja

Ontgrendel de kracht van datatransformatie met onze praktische dbt (Data Build Tool) casestudiecursus. Ontwikkeld voor beginnende dbt-gebruikers, richt deze cursus zich op realistische, hands-on oefeningen die je meerdere kansen geven om essentiële dbt-opdrachten te bouwen, transformeren en verfijnen. Door zelf aan de slag te gaan, krijg je vertrouwen in elke stap van het proces—van het opzetten van je dbt-omgeving tot het maken van geavanceerde modellen die kritieke zakelijke uitdagingen oplossen. Met interactieve oefeningen bouw je de ervaring op die je nodig hebt om echte ETL-projecten voor data-pijplijnen met vertrouwen aan te pakken.

Zet ruwe data om in nette, betrouwbare modellen met dbt (Data Build Tool) – een modern, op SQL gebaseerd transformatieframework dat door datateams over de hele wereld wordt gebruikt. Deze praktische casestudiecursus is bedoeld voor mensen die net beginnen en via begeleide, praktische oefeningen echte vaardigheden willen opdoen. Je gaat je eigen dbt-omgeving opzetten, gegevens op grote schaal modelleren en herbruikbare code schrijven met de ingebouwde functies van dbt.<br><br><h2>Zet je project op en check de gegevens</h2>Begin met het opzetten van een dbt-project en werk met een echte e-commerce dataset. Je gaat ruwe data structureren, profielen instellen en syntaxproblemen oplossen, terwijl je inzicht krijgt in de zakelijke context achter elke transformatiestap.<br><br><h2>Modellen bouwen en valideren</h2>Leer hoe je schaalbare stagingmodellen kunt maken en datakwaliteitscontroles kunt toepassen om ervoor te zorgen dat je datasets accuraat en klaar voor analyse zijn. Je legt een stevige basis voor het beantwoorden van belangrijke zakelijke vragen.<br><br><h2>Automatiseer met Jinja</h2>Rond de cursus af door te leren hoe je Jinja kunt gebruiken om herbruikbare, onderhoudbare code te schrijven. Je gaat variabelen, controlestromen en loops gebruiken om het DRY-principe (Don't Repeat Yourself) te volgen en je dbt-workflow te stroomlijnen.

Data Manipulation in SQL

Intermediate dbt

Leer hoe je ruwe data omzet in betrouwbare modellen met dbt via praktische oefeningen.

Casestudy: e-commercedatamodellen bouwen met dbt

Leer hoe je ruwe data omzet in nette, betrouwbare modellen met dbt door middel van praktische, realistische oefeningen. 

Foutopsporing bij veelvoorkomende errors

Casestudy: e-commercedatamodellen bouwen met dbt

Interactieve oefening met praktijkervaring