Question 1

Cos'è dbt (data build tool)?

Accepted Answer

dbt è uno strumento di trasformazione dei dati che permette ad analisti e data engineer di scrivere trasformazioni in SQL o Python direttamente nel data warehouse. Segue l'approccio ELT (Extract, Load, Transform) in cui i dati vengono prima caricati nel warehouse e poi trasformati sul posto, a differenza dell'ETL tradizionale che trasforma prima del caricamento. dbt gestisce automaticamente le dipendenze tra model, i test e la documentazione.

Question 2

Qual è la struttura di base di un progetto dbt?

Accepted Answer

Un progetto dbt è organizzato intorno a cartelle chiave: models/ contiene i file SQL che definiscono le trasformazioni, seeds/ contiene i file CSV caricati come tabelle, tests/ memorizza i test personalizzati, macros/ ha funzioni Jinja riutilizzabili e snapshots/ conserva le acquisizioni di stato. Il file dbt_project.yml nella radice configura il progetto (nome, versione, materializations predefinite), mentre profiles.yml definisce le connessioni al warehouse.

Question 3

Cos'è un model in dbt?

Accepted Answer

Un model dbt è un file SQL contenente un'istruzione SELECT che definisce una trasformazione dei dati. Ogni model corrisponde a un file .sql nella cartella models/ e produce una tabella o vista nel data warehouse quando eseguito. I model possono fare riferimento ad altri model tramite la funzione ref(), creando un grafo di dipendenze (DAG) che dbt esegue nell'ordine corretto.

dbt - Fondamenti

Cos'è dbt (data build tool)?

Risposta

Qual è la struttura di base di un progetto dbt?

Risposta

Cos'è un model in dbt?

Risposta

Qual è lo scopo della funzione ref() in dbt?

Cos'è una source in dbt e come si dichiara?

Altri argomenti di colloquio Data Analytics

Google Sheets - Fondamenti

Google Sheets - Formule avanzate

SQL - Fondamenti

SQL - Aggregazioni e raggruppamenti

SQL - Join

BigQuery - Fondamenti

Data Cleaning - Pulizia dei dati

KPI e metriche di business

Statistica descrittiva

Zapier e automazione No-Code

Principi di data visualization

Python & Pandas - Fondamenti

Google Sheets - Dashboard automatizzate

SQL - Subquery e CTE

SQL - Window Functions

BigQuery - Funzionalità avanzate

Data Modeling

Analisi di funnel e conversione

Analisi delle coorti e retention

Google Tag Manager e tracking

API e webhook

AB Testing e statistica applicata

Looker Studio (Google Data Studio)

Power BI - Fondamenti

SQL - Query analitiche avanzate

dbt - Funzionalità avanzate

Power BI - DAX e dashboard avanzate

Python Analytics - Analisi avanzata e ML

Padroneggia Data Analytics per il tuo prossimo colloquio