dbt - Funciones avanzadas
Macros Jinja, tests personalizados, packages, hooks, snapshots, incremental models, orquestación CI/CD
1¿Cuál es la diferencia entre una macro y un modelo en dbt?
¿Cuál es la diferencia entre una macro y un modelo en dbt?
Respuesta
Una macro es un bloque de código Jinja reutilizable que genera SQL dinámicamente, mientras que un modelo es un archivo SQL que produce una tabla o vista en el data warehouse. Las macros ayudan a factorizar código repetitivo y crear funciones personalizadas, mientras que los modelos definen la estructura de los datos transformados.
2¿Cómo declarar una macro personalizada en dbt?
¿Cómo declarar una macro personalizada en dbt?
Respuesta
Una macro dbt se declara en un archivo .sql dentro de la carpeta macros/ usando las etiquetas Jinja macro y endmacro. El nombre de la macro se define en la etiqueta macro, y puede aceptar parámetros. La macro es luego invocable en los modelos usando la sintaxis de dobles llaves de Jinja.
3¿Cuál es el principal beneficio de los incremental models en dbt?
¿Cuál es el principal beneficio de los incremental models en dbt?
Respuesta
Los incremental models permiten procesar solo datos nuevos o modificados desde la última ejecución, en lugar de reconstruir toda la tabla. Esto reduce significativamente el tiempo de ejecución y los costos de compute para tablas grandes, manteniendo los datos actualizados.
¿Qué configuración se requiere para definir un incremental model en dbt?
¿Cuál es el propósito de la estrategia merge en un incremental model de dbt?
+17 preguntas de entrevista
Otros temas de entrevista Data Analytics
Google Sheets - Fundamentos
Google Sheets - Fórmulas avanzadas
SQL - Fundamentos
SQL - Agregaciones y agrupamientos
SQL - Joins
BigQuery - Fundamentos
Data Cleaning - Limpieza de datos
KPIs y métricas de negocio
Estadística descriptiva
Zapier y automatización No-Code
Principios de visualización de datos
Python & Pandas - Fundamentos
Google Sheets - Dashboards automatizados
SQL - Subconsultas y CTEs
SQL - Window Functions
BigQuery - Funcionalidades avanzadas
Data Modeling
Análisis de funnels y conversión
Análisis de cohortes y retención
Google Tag Manager y tracking
APIs y webhooks
dbt - Fundamentos
AB Testing y estadística aplicada
Looker Studio (Google Data Studio)
Power BI - Fundamentos
SQL - Consultas analíticas avanzadas
Power BI - DAX y dashboards avanzados
Python Analytics - Análisis avanzado y ML
Domina Data Analytics para tu próxima entrevista
Accede a todas las preguntas, flashcards, tests técnicos, ejercicios de code review y simuladores de entrevista.
Empieza gratis