Introduction à dbt

- Présentation de dbt : concepts fondamentaux et architecture de dbt
- Rôle de dbt dans l'écosystème de la donnée

Les bases de dbt

- Création d'un projet dbt : configuration initiale d'un projet dbt
- Structure d’un projet dbt : compréhension de la structure optimale pour faciliter la maintenance et l'évolution du projet
- Compréhension du langage de dbt (Jinja) : introduction à Jinja

Modélisation et transformation des données

- Concepts de base : introduction aux modèles, sources, et tests dans dbt. Utilisation des macros et de Jinja pour améliorer la flexibilité des transformations.
- Création de tables en staging : apprentissage des bonnes pratiques pour créer des tables de staging pour préparer les données.
- Création de tables en mart/core : développement de tables mart/core avec des données prêtes à l’emploi. Introduction à la structure des modèles core, qui constitue la base des analyses dans les outils BI.
- Modélisation avancée : utilisation de ref() pour gérer les dépendances entre modèles, source() pour documenter et tester les données sources

Optimisation des pipelines de données

- Gestion des dépendances : techniques pour optimiser l'ordre d'exécution des modèles et réduire les temps de compilation.

Tests et validation des données

- Mise en place de tests : tests de données pour valider les modèles et garantir leur qualité.
- Exécution des premiers tests

Déploiement et gestion des environnements

- Gestion des déploiements dans différents environnements (développement, production) avec dbt.
- Pousser les changements faits sur dbt dans GitHub

Intégration avec GitHub, GCP, Looker

- Intégration avec GitHub et GCP : automatisation des déploiements via GitHub et services cloud comme Google Cloud Platform.
- Utilisation dans les outils BI : intégration des tables dbt dans BigQuery pour une utilisation directe avec des outils BI comme Looker.

Cas pratique

- Déploiement d’un court projet dbt comprenant 1 table staging et 2 tables mar