Analytics Engineering en Google Cloud con DBT

Description

En este curso aprenderemos un nuevo enfoque para transformar datos en nuestros Data Warehouse que ya están adoptando grandes empresas en el mundo como Spotify, GitLab, jetBlue, CANVA, y otras muchas más.

El temario del curso será el siguiente:

Módulo I : Introducción al curso

• Presentación del curso

• Presentación del instructor

Módulo II : Analytics Engineering y enfoques ETL / ELT

• ¿Qué es Analytics Engineering?

• Analogía de Analytics Engineering

• Enfoques ETL y ELT

Módulo III : Fundamentos de BigQuery y DBT

• BigQuery

• ¿Qué es DBT?

• Creación de cuenta en DBT Cloud

• Creación de dataset en BigQuery y Service Account

Módulo IV : Creando mi primer proyecto en DBT Cloud

• Creando proyecto en DBT Cloud

• Estructura de carpetas en DBT Cloud

• Explicación modelo : my_first_dbt_model

• Explicación modelo : my_second_dbt_model

• Explicación : schema.yml y reglas de calidad de datos

• Manejo de paquetes para calidad de datos : dbt_expetactions

• Comando : dbt build

• Generando la documentación para nuestro proyecto en DBT Cloud

• Confirmando cambios en el repositorio de GIT

Módulo V : Segundo proyecto : Transformando datos de stackoverflow con DBT

• Explicación del proyecto

• Creando un dataset y tablas en BigQuery

• Creando proyecto en DBT Cloud desde un repositorio de Github

• Contenido del proyecto y linaje de datos

• Explicación archivo sources.yml (datos crudos)

• Explicación contenido carpeta staging

• Modelo incremental stg_users

• Explicación contenido carpeta marts

• Pull Request en Github

• Creación de Environment y Job para ejecutar un proyecto de DBT Cloud

Módulo VI : Orquestando flujos de datos con Shipyard

• Creando nueva cuenta en Shipyard

• Creación de Service Token en DBT Cloud y flujo de datos en Shipyard

Módulo VII : Visualización de datos en Looker Studio

• Creando gráfico estadístico en Looker Studio desde BigQuery

TAKE THIS COURSE