# dbt - Fundamentos (Data Analytics) > Proyecto dbt, models, sources, refs, tests, documentación, materializations, seeds - 20 preguntas de entrevista - Mid-Level - [Preguntas de entrevista: Data Analytics](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista.md) ## 1. ¿Qué es dbt (data build tool)? **Respuesta** dbt es una herramienta de transformación de datos que permite a los analistas e ingenieros de datos escribir transformaciones en SQL o Python directamente en el data warehouse. Sigue el enfoque ELT (Extract, Load, Transform) donde los datos se cargan primero en el warehouse y luego se transforman en su lugar, a diferencia del ETL tradicional que transforma antes de cargar. dbt gestiona automáticamente las dependencias entre models, los tests y la documentación. ## 2. ¿Cuál es la estructura básica de un proyecto dbt? **Respuesta** Un proyecto dbt se organiza en torno a carpetas clave: models/ contiene los archivos SQL que definen las transformaciones, seeds/ los archivos CSV cargados como tablas, tests/ los tests personalizados, macros/ las funciones Jinja reutilizables, y snapshots/ las capturas de estado. El archivo dbt_project.yml en la raíz configura el proyecto (nombre, versión, materializations por defecto), mientras que profiles.yml define las conexiones al warehouse. ## 3. ¿Qué es un model en dbt? **Respuesta** Un model dbt es un archivo SQL que contiene una instrucción SELECT que define una transformación de datos. Cada model corresponde a un archivo .sql en la carpeta models/ y produce una tabla o vista en el data warehouse al ejecutarse. Los models pueden referenciar otros models mediante la función ref(), creando un grafo de dependencias (DAG) que dbt ejecuta en el orden correcto. ## 17 preguntas más disponibles - ¿Para qué sirve la función ref() en dbt? - ¿Qué es una source en dbt y cómo declararla? Regístrate gratis: https://sharpskill.dev/es/login ## Otros temas de entrevista Data Analytics - [Google Sheets - Fundamentos](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/google-sheets-basics.md): 20 preguntas, Junior - [Google Sheets - Fórmulas avanzadas](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/google-sheets-advanced.md): 20 preguntas, Junior - [SQL - Fundamentos](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/sql-basics.md): 25 preguntas, Junior - [SQL - Agregaciones y agrupamientos](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/sql-aggregations.md): 20 preguntas, Junior - [SQL - Joins](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/sql-joins.md): 20 preguntas, Junior - [BigQuery - Fundamentos](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/bigquery-fundamentals.md): 20 preguntas, Junior - [Data Cleaning - Limpieza de datos](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/data-cleaning.md): 20 preguntas, Junior - [KPIs y métricas de negocio](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/kpis-metrics.md): 20 preguntas, Junior - [Estadística descriptiva](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/descriptive-statistics.md): 20 preguntas, Junior - [Zapier y automatización No-Code](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/zapier-automation.md): 20 preguntas, Junior - [Principios de visualización de datos](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/data-viz-principles.md): 20 preguntas, Junior - [Python & Pandas - Fundamentos](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/python-pandas-basics.md): 20 preguntas, Junior - [Google Sheets - Dashboards automatizados](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/google-sheets-dashboards.md): 20 preguntas, Mid-Level - [SQL - Subconsultas y CTEs](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/sql-subqueries-ctes.md): 20 preguntas, Mid-Level - [SQL - Window Functions](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/sql-window-functions.md): 20 preguntas, Mid-Level - [BigQuery - Funcionalidades avanzadas](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/bigquery-advanced.md): 20 preguntas, Mid-Level - [Data Modeling](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/data-modeling.md): 20 preguntas, Mid-Level - [Análisis de funnels y conversión](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/funnel-analysis.md): 20 preguntas, Mid-Level - [Análisis de cohortes y retención](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/cohort-retention.md): 20 preguntas, Mid-Level - [Google Tag Manager y tracking](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/gtm-tracking.md): 20 preguntas, Mid-Level - [APIs y webhooks](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/apis-webhooks.md): 20 preguntas, Mid-Level - [AB Testing y estadística aplicada](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/ab-testing.md): 20 preguntas, Mid-Level - [Looker Studio (Google Data Studio)](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/looker-studio.md): 20 preguntas, Mid-Level - [Power BI - Fundamentos](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/power-bi-fundamentals.md): 20 preguntas, Mid-Level - [SQL - Consultas analíticas avanzadas](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/sql-advanced-analytics.md): 20 preguntas, Senior - [dbt - Funciones avanzadas](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/dbt-advanced.md): 20 preguntas, Senior - [Power BI - DAX y dashboards avanzados](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/power-bi-dax.md): 20 preguntas, Senior - [Python Analytics - Análisis avanzado y ML](https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/python-analytics-advanced.md): 20 preguntas, Senior --- Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack. HTML version of this page: https://sharpskill.dev/es/technologies/data-analytics/preguntas-entrevista/dbt-fundamentals