Benutzerfreundlichkeit und Einrichtung Transformationslogik kann leicht geschrieben werden Python-Modell macht es sehr flexibel

Am hilfreichsten ist, wie dbt Abhängigkeiten für Sie sortiert. Durch die Verwendung von Referenzen in Ihren Modellen können Sie sofort erkennen, ob eine Änderung des Spaltennamens ein Problem weiter unten verursacht hat. Der DAG-Graph ist fantastisch, insbesondere in der dbtCloud-IDE, da er sich sofort aktualisiert. Das Hinzufügen grundlegender Tests ist einfach und führt zu einem erhöhten Maß an Vertrauen. Ich weiß, dass ich Dinge ausführen und erneut ausführen kann, ohne Probleme zu verursachen. Wenn die Tests bestehen, können wir loslegen. Frischetests helfen sicherzustellen, dass nichts ausgeführt wird, wenn keine Daten aus dem vorgelagerten Bereich vorhanden sind. Dies hat uns kürzlich erheblich geholfen. Und Exposures, die mit externen Berichten verknüpfen, die die Daten verwenden, sind wirklich nützlich.

DBT löst die grundlegendsten und dringendsten Probleme, mit denen ein kleines, agiles Data-Engineering-Team konfrontiert ist. Insbesondere gibt es Ihnen die Möglichkeit, die Kontrolle über Ihr Data-Warehouse zu übernehmen, Sie entscheiden, verwalten, entwickeln, testen und implementieren die End-to-End-Schritte des Warehouses, unabhängig von der verwendeten Technologie.