Pratique a construção de um projeto dbt do zero. Aplique suas habilidades para carregar diferentes tipos de dados no projeto dbt e configurar uma variedade de modelos de staging. Este capítulo foca nas partes E e L do processo ELT.

Apresentando o estudo de caso de dbt

Verificar a instalação do dbt

Inicializar o projeto dbt

Configurando o projeto dbt e carregando dados

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

Carregar o centro de distribuição como um arquivo seed do dbt

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


Criar modelo de stage para centros de distribuição

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

Carregar e criar modelo de usuários 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


Mais prática com fontes e modelos de staging no dbt

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

Depure erros comuns

Configurando o dbt

Aprofunde-se na modelagem de dados com dbt. Construa o pipeline de dados desde os modelos de staging iniciais até os modelos finais de data mart para responder a necessidades críticas do negócio. Ao longo do caminho, ganhe experiência criando testes de dados para evitar a degradação da qualidade dos dados.

Criando descrições e testes no dbt

Adicionar descrições de colunas no dbt

Adicionar testes de coluna do dbt

Construindo data marts e modelos de snapshot no dbt

Relembrando a hierarquia de modelos do dbt

Criar modelo de mart para customers

Criar modelo de mart para produtos

Depurando erros comuns

Depurando mais erros

Criando modelos de snapshot no dbt

Construindo modelos no dbt

Aprenda a aprimorar seus projetos dbt com Jinja, simplificando o código, reduzindo redundâncias e melhorando a manutenibilidade. Você vai praticar o uso de variáveis, loops e macros para construir fluxos de transformação mais eficientes.

Introdução ao Jinja com dbt

Aquecendo com dbt compile

Aquecendo com dbt compile 2

Usando dbt compile para depurar

Definindo variáveis com dbt Jinja

Definindo variáveis com dbt Jinja 2

Uso avançado de Jinja com dbt

Usando loops for do Jinja em SQL repetitivo 1

Usando loops do Jinja em SQL repetitivo 2

Macros com Jinja

Removendo espaços em branco com Jinja

Recapitulação: estudo de caso com dbt

Aprimorando o dbt com Jinja

Desbloqueie o poder da transformação de dados com nosso curso prático de estudo de caso em dbt (Data Build Tool). Projetado para quem está começando com dbt, este curso foca em exercícios práticos e reais que oferecem várias oportunidades para você criar, transformar e consolidar seu domínio dos comandos essenciais do dbt. Com prática guiada, você vai ganhar confiança em cada etapa do processo — desde a configuração do ambiente dbt até a criação de modelos avançados que resolvem desafios críticos de negócio. Ao realizar exercícios interativos, você desenvolverá a experiência necessária para encarar projetos reais de pipelines ETL de dados com segurança.

Transforme dados brutos em modelos limpos e confiáveis usando o dbt (Data Build Tool) — uma estrutura de transformação moderna baseada em SQL usada por equipes de dados em todo o mundo. Esse curso prático de estudo de caso foi feito pra quem tá começando e quer aprender habilidades reais com exercícios práticos e guiados. Você vai configurar seu próprio ambiente dbt, modelar dados em escala e escrever código reutilizável usando os recursos integrados do dbt.<br><br><h2>Configure seu projeto e explore os dados</h2>Comece configurando um projeto dbt e trabalhando com um conjunto de dados real de comércio eletrônico. Você vai organizar dados brutos, configurar perfis e resolver problemas de sintaxe enquanto aprende sobre o contexto de negócios por trás de cada etapa da transformação.<br><br><h2>Criar e validar modelos</h2>Aprenda a criar modelos de preparação escaláveis e aplique verificações de qualidade de dados para garantir que seus conjuntos de dados sejam precisos e estejam prontos para análise. Você vai criar uma base sólida para responder às principais questões de negócios.<br><br><h2>Automatize com Jinja</h2>Conclua o curso aprendendo a usar o Jinja para escrever código reutilizável e fácil de manter. Você vai usar variáveis, fluxo de controle e loops para seguir o princípio DRY (Don't Repeat Yourself, ou Não se repita) para otimizar seu fluxo de trabalho dbt.

Data Manipulation in SQL

Intermediate dbt

Aprenda a transformar dados brutos em modelos confiáveis com dbt através de exercícios práticos.

Estudo de caso: criando modelos de dados de e-commerce com dbt

Aprenda a transformar dados brutos em modelos limpos e confiáveis com o dbt por meio de exercícios práticos e reais. 

Depure erros comuns

Estudo de caso: criando modelos de dados de e-commerce com dbt

exercicio interativo prático