Overview

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 cursoPresentación del cursoPresentación del instructorMódulo II: Analytics Engineering y enfoques ETL / ELT¿Qué es Analytics Engineering?Analogía de Analytics EngineeringEnfoques ETL y ELTMódulo III: Fundamentos de BigQuery y DBTBigQuery¿Qué es DBT?Creación de cuenta en DBT CloudCreación de dataset en BigQuery y Service AccountMódulo IV: Creando mi primer proyecto en DBT CloudCreando proyecto en DBT CloudEstructura de carpetas en DBT CloudExplicación modelo: my_first_dbt_modelExplicación modelo: my_second_dbt_modelExplicación: schema.yml y reglas de calidad de datosManejo de paquetes para calidad de datos: dbt_expetactionsComando: dbt buildGenerando la documentación para nuestro proyecto en DBT CloudConfirmando cambios en el repositorio de GITMódulo V: Segundo proyecto: Transformando datos de stackoverflow con DBTExplicación del proyectoCreando un dataset y tablas en BigQueryCreando proyecto en DBT Cloud desde un repositorio de GithubContenido del proyecto y linaje de datosExplicación archivo sources.yml (datos crudos)Explicación contenido carpeta stagingModelo incremental stg_usersExplicación contenido carpeta martsPull Request en GithubCreación de Environment y Job para ejecutar un proyecto de DBT CloudMódulo VI: Orquestando flujos de datos con ShipyardCreando nueva cuenta en ShipyardCreación de Service Token en DBT Cloud y flujo de datos en ShipyardMódulo VII: Visualización de datos en Looker StudioCreando gráfico estadístico en Looker Studio desde BigQuery

Skills

Reviews