Question 1

Quelle est la différence entre une macro et un modèle dans dbt ?

Accepted Answer

Une macro est un bloc de code Jinja réutilisable qui génère du SQL dynamiquement, tandis qu'un modèle est un fichier SQL qui produit une table ou vue dans le data warehouse. Les macros permettent de factoriser du code répétitif et de créer des fonctions personnalisées, alors que les modèles définissent la structure des données transformées.

Question 2

Comment déclarer une macro personnalisée dans dbt ?

Accepted Answer

Une macro dbt se déclare dans un fichier .sql du dossier macros/ en utilisant les balises Jinja macro et endmacro. Le nom de la macro est défini dans la balise macro, et elle peut accepter des paramètres. La macro est ensuite appelable dans les modèles via la syntaxe Jinja double accolades.

Question 3

Quel est l'intérêt principal des incremental models dans dbt ?

Accepted Answer

Les incremental models permettent de ne traiter que les nouvelles données ou les données modifiées depuis la dernière exécution, au lieu de reconstruire la table entière. Cela réduit considérablement le temps d'exécution et les coûts de compute pour les tables volumineuses, tout en maintenant les données à jour.

dbt - Fonctionnalités avancées

Quelle est la différence entre une macro et un modèle dans dbt ?

Réponse

Comment déclarer une macro personnalisée dans dbt ?

Réponse

Quel est l'intérêt principal des incremental models dans dbt ?

Réponse

Quelle configuration est requise pour définir un incremental model dans dbt ?

À quoi sert la stratégie merge dans un incremental model dbt ?

Autres sujets d'entretien Data Analytics

Google Sheets - Les fondamentaux

Google Sheets - Formules avancées

SQL - Les fondamentaux

SQL - Agrégations et groupements

SQL - Jointures

BigQuery - Fondamentaux

Data Cleaning - Nettoyage des données

KPIs et métriques business

Statistiques descriptives

Zapier et automatisation No-Code

Principes de data visualisation

Python & Pandas - Fondamentaux

Google Sheets - Dashboards automatisés

SQL - Sous-requêtes et CTEs

SQL - Window Functions

BigQuery - Fonctionnalités avancées

Data Modeling

Analyse de funnels et conversion

Analyse de cohortes et rétention

Google Tag Manager et tracking

APIs et webhooks

dbt - Fondamentaux

AB Testing et statistiques appliquées

Looker Studio (Google Data Studio)

Power BI - Fondamentaux

SQL - Requêtes analytiques avancées

Power BI - DAX et dashboards avancés

Python Analytics - Analyse avancée et ML

Maîtrise Data Analytics pour ton prochain entretien