Ich benutze DBT seit mehr als einem Jahr. Seit dem ersten Tag, an dem ich es benutze, mag ich viele Dinge daran: 1) Einfachheit: Es ist sehr einfach. Wir müssen nur SELECT-Abfragen schreiben, um das gesamte Design zu erreichen. Also nach der Entwicklung, 2) Versionskontrolle: DBT lässt sich mit einem Versionskontrollwerkzeug wie GIT integrieren. So können wir die Änderungen leicht nachverfolgen. 3) Materialisierung: Mit Hilfe der Materialisierung können wir unser Modell konfigurieren. Wir können Ansichten, Tabellen usw. damit erstellen. 4) Dokumentation: In DBT können wir yml-Dateien erstellen, um jedes der Modelle, Spalten und deren Verwendungen zu beschreiben. Es wird sehr gute DBT-Dokumentationen erstellen. 5) Datenherkunftsdiagramm: DBT erstellt automatisch ein Datenherkunftsdiagramm. Es hilft sehr bei der Analyse und Fehlersuche im Code. 6) Zeitplan: DBT hat einen eingebauten Scheduler, so dass wir sehr einfach DBT-Jobs planen können.

dbt is excellent due to its wide use of macros and the ability to transform data using SQL, an analyst-friendly language. Given this we can train analysts to read dbt and understand the logic behind our data transformations, limiting the amount of work we need to do explaining data decisions or documenting logic.

DBT ist ein einfach zu verwendendes Tool für jeden, der SQL kennt. Ihre IDE ist wunderbar und man kann sie in kürzester Zeit hochfahren. Als Data Scientist spart mir das Modellieren in DBT Stunden an Arbeit und bietet anderen die Möglichkeit, sich auf eine stärker selbstbedienbare Analytik zu konzentrieren.