dbt ระดับกลางสำหรับ Data Pipelines ที่ใช้งานจริง

การปรับขนาด Data Transformation ต้องอาศัยมากกว่าแค่การเขียน SQL queries พื้นฐาน หากต้องการสร้าง Data Pipelines ที่เชื่อถือได้และพร้อมใช้งานจริง คุณต้องใช้การทดสอบที่แข็งแกร่ง, ระบบอัตโนมัติ และการติดตามประวัติ หลักสูตรแบบข้อความนี้จะแนะนำคุณเกี่ยวกับเทคนิค dbt ระดับกลางเพื่อยกระดับ Data Analytics Engineering ของคุณ คุณจะเปลี่ยนจากการเขียนโมเดลแบบง่ายๆ ไปสู่การกำหนดค่าเวิร์กโฟลว์ข้อมูลที่ยืดหยุ่น, เป็นอัตโนมัติ และมีเอกสารครบถ้วน ซึ่งสามารถปรับขนาดได้ตามองค์กรของคุณ สิ่งที่คุณจะได้เรียนรู้: - กำหนดค่ากลยุทธ์การทดสอบขั้นสูง รวมถึง custom schema tests และ validation rules สำหรับ sources และ seeds - ใช้ dbt snapshots เพื่อติดตามการเปลี่ยนแปลงข้อมูลในอดีตโดยใช้ Slowly Changing Dimensions (SCD Type 2) - ปรับปรุงการทำงานของ pipeline โดยใช้ dbt build เพื่อปรับปรุง models, tests และ snapshot runs - จัดการ static datasets อย่างมีประสิทธิภาพโดยใช้ dbt seeds และจัดทำเอกสาร data lineage เพื่อการกำกับดูแลที่ดีขึ้น - ประยุกต์ใช้หลักการจัดโครงสร้างโปรเจกต์ที่ทันสมัยและ modular design เพื่อให้โปรเจกต์ dbt ของคุณสะอาดและบำรุงรักษาได้ง่าย - ทำความเข้าใจพื้นฐานของเวิร์กโฟลว์ continuous integration (CI) สำหรับการปรับใช้การเปลี่ยนแปลง dbt อย่างปลอดภัย คุณจะเริ่มต้นด้วยการทบทวนคำศัพท์ที่จำเป็นและโครงสร้างโปรเจกต์พื้นฐาน ก่อนที่จะเจาะลึกคำอธิบายที่เป็นลายลักษณ์อักษรทีละขั้นตอนเกี่ยวกับการกำหนดค่าขั้นสูง, code snippets และรูปแบบการออกแบบที่ใช้งานได้จริง หลักสูตรนี้ออกแบบมาสำหรับ Data Analysts, Analytics Engineers และ Developers ที่มีความเข้าใจพื้นฐานเกี่ยวกับ SQL และแนวคิด dbt พื้นฐาน และพร้อมที่จะสร้าง Production-ready Pipelines เริ่มอ่านวันนี้เพื่อสร้าง Data Transformation Workflows ที่สะอาดและเชื่อถือได้มากขึ้น