從零開始實作建立一個 dbt 專案。把你載入不同型態資料進入 dbt 專案的技能用起來，並設定多種 staging 類型的 dbt 模型。本章聚焦於 ELT 流程中的 E 與 L。

dbt 案例研究導論

檢查 dbt 安裝

初始化 dbt 專案

設定 dbt 專案並載入資料

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

將物流中心載入為 dbt seed 檔案

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


建立物流中心的前置階段模型（staging model）

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

透過 dbt source 載入並建立使用者模型

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


除錯常見錯誤

設定 dbt

深入探討 dbt 的資料建模。從前期的 staging 模型一路建立到最終的 data mart 模型，用來回應關鍵的商業需求。過程中，你也會實作資料測試，作為防護欄以避免資料品質漂移。

建立 dbt 說明與測試

新增 dbt 欄位說明

加入 dbt 欄位測試

建立 dbt 資料集市與快照模型

dbt 模型階層複習

建立 customers 的資料集市模型

建立 products 的資料集市模型

除錯更多錯誤

建立 dbt snapshot 模型

建立 dbt 模型

學習用 Jinja 精簡你的 dbt 專案，降低重複並提升可維護性。你將練習使用變數、迴圈與巨集（macro），打造更高效的轉換流程。

用 dbt 認識 Jinja

用 dbt compile 熱身

用 dbt compile 熱身 2

使用 dbt compile 來偵錯

使用 dbt Jinja 設定變數

使用 dbt Jinja 設定變數 2

進階 jinja 與 dbt 的用法

在重複的 SQL 上使用 Jinja 迴圈 1

在重複的 SQL 上使用 Jinja 迴圈 2

在 Jinja 中使用巨集

使用 Jinja 修剪空白

複習：dbt 個案研究

用 Jinja 強化 dbt

透過我們的實作型 dbt（Data Build Tool）案例研習課程，釋放資料轉換的威力。此課程專為 dbt 初學者設計，重點放在貼近實務的練習，讓你多次動手建立、轉換並深化對關鍵 dbt 指令的掌握。透過動手做，你會在流程的每一步都更有信心——從設定 dbt 環境開始，到建立能解決重要商業問題的進階模型。完成互動式練習後，你將具備足夠經驗，自信處理真實情境的資料 ETL pipeline 專案。

使用 dbt（Data Build Tool）這個現代化、以 SQL 為基礎的轉換框架，將原始資料轉換為乾淨且可靠的模型。dbt 已被全球資料團隊廣泛採用。 這門實作型個案研究課程專為初學者設計，透過有指導的實務練習，協助您培養真實世界所需的技能。 您將自行建立 dbt 環境、大規模建構資料模型，並運用 dbt 內建功能撰寫可重複使用的程式碼。<br><br><h2>建立您的專案並探索資料</h2>首先，請建立一個 dbt 專案，並操作真實的電子商務資料集。 您將學習如何組織原始資料、設定設定檔，並排除語法問題，同時深入了解每個轉換步驟背後的商業背景。<br><br><h2>建立並驗證模型</h2>學習如何建立可擴展的暫存模型，並應用資料品質檢查，確保您的資料集準確且可供分析使用。 您將建立堅實的基礎，協助解答關鍵的商業問題。<br><br><h2>使用 Jinja 自動化</h2>在課程最後，您將學會如何運用 Jinja 撰寫可重複使用且易於維護的程式碼。 您將學習如何運用變數、控制流程與迴圈，遵循 DRY（Don't Repeat Yourself）原則，讓您的 dbt 工作流程更加高效。

Data Manipulation in SQL

Intermediate dbt

透過實際練習，學習使用dbt將原始數據轉換為乾淨可靠的模型。

案例研習：使用 dbt 建立電商資料模型

掌握使用 dbt 將原始資料轉換為乾淨、可靠模型，並透過實作練習強化技能。 

更多 dbt source 與 staging 模型的練習

案例研習：使用 dbt 建立電商資料模型

動手互動練習