Створіть mart-модель для products

Для сховища даних e-commerce також типовою є побудова вітрини даних для продуктів (products data mart) поверх вітрини для клієнтів, щоб відповідати на запитання про продукт.

Вітрина даних продуктів має відповідати таким вимогам:

Бути унікальною на рівні зерна продукту (тобто один рядок на продукт).
Містити інформацію рівня продукту, таку як назва продукту, категорія.
Допомагати відповідати на ключові бізнес‑питання, наприклад аналіз прибутку для кожного продукту.

У цій вправі ми детальніше розглянемо, як дійти до фінальної мети — побудувати вітрину даних прибутку так, щоб кінцевому користувачу було зручно виконувати аналіз прибутковості.

Нагадаємо, прибуток обчислюється так:

Profit = Sales Amount - Cost of Goods Sold

Ця вправа є частиною курсу

Кейс-стаді: створення моделей даних для e-commerce за допомогою dbt

Переглянути курс

Практична інтерактивна вправа

Перетворіть теорію на практику за допомогою однієї з наших інтерактивних вправ

Почати вправу

Ця вправа є частиною курсу

Кейс-стаді: створення моделей даних для e-commerce за допомогою dbt

SkillTag.level.advancedSkillTag.label

4.8+

Почніть курс безкоштовно

Потренуйтеся будувати проєкт dbt з нуля. Застосуйте свої навички завантаження різних типів даних у проєкт dbt і налаштування різноманітних проміжних (staging) моделей dbt. У цьому розділі зосереджено увагу на частинах E і L у процесі ELT.

Exercise 1: Знайомство з кейсом dbt Exercise 2: Перевірте встановлення dbt Exercise 3: Ініціалізуйте проєкт dbt Exercise 4: Налаштування проєкту dbt та завантаження даних Exercise 5: Завантажте центр дистрибуції як seed-файл dbt Exercise 6: Створіть проміжну модель для розподільчих центрів Exercise 7: Завантажте й створіть модель користувача через dbt source Exercise 8: Більше практики з джерелами dbt та проміжними (staging) моделями Exercise 9: Зневадження типових помилок

Зануртеся в деталі моделювання даних у dbt. Побудуйте конвеєр даних від початкових staging-моделей до фінальних моделей дата-марту для відповіді на важливі бізнес-потреби. Паралельно ви отримаєте досвід створення тестів даних, що слугуватимуть запобіжниками проти деградації якості даних.

Exercise 1: Створення описів і тестів у dbt Exercise 2: Додайте описи стовпців у dbt Exercise 3: Додайте стовпчикові тести dbt Exercise 4: Побудова дата-мартів у dbt та snapshot-моделей Exercise 5: Поновлення знань про ієрархію моделей dbt Exercise 6: Створіть модель mart для customers Exercise 7: Створіть mart-модель для products

Поточна вправа

Exercise 8: Налагодження типових помилок Exercise 9: Налагодження ще кількох помилок Exercise 10: Створення snapshot‑моделей у dbt

Навчіться покращувати ваші проєкти dbt за допомогою Jinja: спрощуйте код, зменшуйте дублювання та підвищуйте зручність супроводу. Ви потренуєтеся використовувати змінні, цикли та макроси, щоб будувати ефективніші процеси трансформації.

Exercise 1: Вступ до Jinja в dbt Exercise 2: Розминка з dbt compile Exercise 3: Розігріваємось із dbt compile 2 Exercise 4: Використання dbt compile для налагодження Exercise 5: Задавання змінних у dbt Jinja Exercise 6: Налаштування змінних у dbt Jinja 2 Exercise 7: Складне використання Jinja з dbt Exercise 8: Використання циклів Jinja для повторюваного SQL 1 Exercise 9: Використання циклів Jinja для повторюваного SQL 2 Exercise 10: Макроси з Jinja Exercise 11: Обрізання пробілів у Jinja Exercise 12: Підсумок: кейс-стаді з dbt