Eine essentielle Aufgabe eines jeden Datenanalysten oder Dateningenieurs ist die Transformation von Rohdaten in sauber strukturierte und analysierbare Datenmodelle.
Während dieser Schulung lernen die Teilnehmer die Grundlagen des Transformations-Tools ‘dbt (Data Build Tool)’ kennen. Wir klären über die Funktionsweise des Tools auf, und unsere Teilnehmer sind im Anschluss an die Schulung in der Lage, eigene Datenmodelle zu entwickeln, Datenpipelines effizient zu transformieren und reproduzierbare Datenpipelines zu erstellen. Neben der Einführung in die Datenmodellierung erlernen die Teilnehmer Methoden zur Automatisierung, Dokumentation und Validierung von Datenmodellen.
Wie bei allen unseren Schulungen handelt es sich bei der Schulung ‘dbt Grundlagen’ um eine Hands-On-Veranstaltung. Praxisnahe Use Cases geben unseren Teilnehmern im Anschluss an den Theorieteil die Möglichkeit, erlernte Methoden und Konzepte direkt anzuwenden und somit neues Wissen zu festigen.
- Einführung
- Was ist dbt und warum ist es wichtig?
- Praxis-Beispiele aus der datengetriebenen Modellierung
- Datenquellen
- Integration mit Data Warehouses (z. B. Snowflake, BigQuery, Redshift)
- Verständnis von dbt-Modellen (Staging, Intermediate, Analytics)
- Rohdaten in saubere Modelle umwandeln
- Arbeiten mit dbt
- dbt-Projekte erstellen und organisieren
- Nutzung von SQL-Templates für Transformationen
- Jinja-Makros und benutzerdefinierte Funktionen nutzen
- Verwendung von Materialisierungen (Views, Tables, Incremental)
- Arbeiten mit Modell-Abhängigkeiten und Ref()-Funktionen
- Insights generieren
- Modelle testen und validieren
- Dokumentation von Datenpipelines erstellen
- Datenqualität sicherstellen (Tests für Felder und Tabellen)
- Performance-Optimierung von Modellen
- dbt als Team- und Automatisierungstool
- Zusammenarbeit im Team mit Versionierung (Git-Integration)
- CI/CD-Pipelines für dbt-Projekte einrichten
- Ergebnisse in BI-Tools integrieren (z. B. Tableau, Looker, Power BI)
- Nutzung von dbt Cloud für Automatisierung und Monitoring