Ich liebe, wie leistungsstark dbt ist. Ich benutze es täglich für all meine ELT-Bedürfnisse! Es ist kompakt und effizient.

Ich habe seit über 15 Jahren "traditionelle" grafische ETL-Tools verwendet (Informatica PowerCenter, Talend, BODS...), und sie schienen nie "richtig" zu sein. Häufiger als nicht mussten wir SQL anstelle der Transformationen des ETL-Tools verwenden, da dies viel robuster / leistungsfähiger / flexibler war. Mit dbt fühlte sich das Tool endlich richtig an: - Keine nutzlosen grafischen Oberflächen mehr. - Stark darauf fokussiert, die Datenbankleistung dank SQL zu nutzen. - Aber immer noch viel besser als nur SQL, da dbt alles automatisiert, was automatisiert werden kann: * Keine Notwendigkeit, die Tabellen zu erstellen, keine Notwendigkeit, die Datentypen jeder Spalte anzugeben: Dies kommt alles automatisch aus der Quelle. * Keine Notwendigkeit, die Reihenfolge der Transformationen anzugeben: Dies wird basierend auf den Abhängigkeiten jedes Modells automatisiert. * Einfache Integration von Datentests. * Möglichkeit, die Jinja-Templating-Sprache zu verwenden. * Jetzt möglich, Python zur Transformation der Daten zu verwenden. * Gute Integration der Dokumentation. * Möglichkeit, das dbt-Repository in Git einzurichten, um eine großartige Versionskontrolle zu haben. * Möglichkeit, dbt Cloud mit GitHub zu verwenden, um grundlegende Tests jeder Pull-Anfrage zu automatisieren. * Einfache Bereitstellung in die Produktion dank CI / CD / GitHub-Integration. * Verfügbare Pakete, die spezifische Bedürfnisse erfüllen können. * Großartige aktive Community hinter dem Tool. * Und wahrscheinlich andere Dinge!

Schnelle Entwicklungszeiten und Benutzerfreundlichkeit sind meine beiden Lieblingsmerkmale von dbt. Es ermöglicht unserem Team, neue SQL-Modelle sehr schnell zu erstellen und zu testen, und selbst weniger erfahrene Teammitglieder mit grundlegenden SQL-Kenntnissen können beitragen.