Nový způsob transformace dat: Co to je dbt | Mňamka #129

Máme technologie, které milujeme, máme je odzkoušené a umíme je. To ale rozhodně neznamená, že stále netestujeme nové. A tak jsme narazili na dbt (Data Build Tool) - open source, který nás hodně baví.

Než si řekneme víc, pojďme o krok zpět. Máme data ve zdrojových systémech a ve finále se na ně potřebujeme koukat třeba v nějakém vizualizačním nástroji. Ale než se podíváme na pěkný grafíky a rozjedeme naplno business intelligence, musíme ujít ještě dlouhou cestu (který datový analytik by neznal, že...). No a ta cesta je zjednodušeně v zásadě dvojí. Buď si data vezmeme ze zdrojového systému (extract), cestou v nich uklidíme  (transform) a upravené je natáhneme do cíle (třeba cílový data warehouse) = ETL (na to se dá využít například nástroj Keboola nebo si to můžeme postavit na cloudových službách), nebo je ze zdrojového systému vytáhneme tak jak jsou a ten úklid děláme až v cíli, plus často až když je potřeba = ELT.

Co to je dbt?

Je to nástroj, který se v ELT stará o to “T”. Základem je projekt, který se konfiguruje sadou YAML souborů a SQL souborů s makry.
 

Zdroj obrázku: https://blog.getdbt.com/what--exactly--is-dbt-/

V čem je jeho kouzlo?


Tím, že dbt podporuje makra v SQL spojuje silu skriptovacího jazyka Python a SQL. Umožňuje používat cykly pro generování SQL, takže minimalizuje kopírování kóduAutomatické testování - stačí popsat, jak mají vypadat data, která vystupují z transformace, a dbt se postará o to, že to tak fakt je. 
 

Prostě kouzlo dbt je v tom, že k tomu “T” přistupuje tak, že se snaží usnadňovat věci, který jsou často třeba a je nutný je řešit opakováním kódu, případně kódem, kterej je náchylnej k chybám. V případě, že se něco změní v datech, transformace s dbt se dají napsat tak, že to dbt buď pozná a řekne, že je něco špatně, nebo na to bude připravený a zařídí, že se nestane nic špatného.

A mimojiné - je to opensource s velmi snadnou instalací. Správa kódu v gitu, která podporuje CI/CD principy a spolupráci týmu na projektu. Dá se integrovat do existující pipeline, de facto poběží všude, kde běží Python.

Za nás je to pecka. Chcete vědět víc? Mrkněte výše na Tomovo video. 

Zapomněla jsem na něco? Chcete se na něco zeptat? Napište mi. 

Eva

Eva Hankusová
detektiv nových příležitostí
LinkedIn

UI/UX case study v analýze sentimentu | Mňamka #341

UI/UX case study v analýze sentimentu | Mňamka #341

Už jste se někdy zajímali o to jak lidé vaši značku vnímají? A pokud ano, využili jste k tomu data a postavili si na to dashboard? Že ne? Tak se pojďte podívat na případovku z Indonésie na nejmenované zdravotní organizaci. Autor nás provede celým procesem od výzkumu po realizaci.

Proč mít datový katalog? | Mňamka #340

Proč mít datový katalog? | Mňamka #340

Slovní spojení jako Datová kultura, datová inteligence atd. buď od nás anebo někde z internetů dávno znáte. Jak je ve společnosti co nejjednodušeji etablovat? Pomoci s tímto problémem by mohl takzvaný datový katalog. Pojďte se dozvědět co to je a proč je tak důležitou součástí datové infrastruktury mnoha firem.

Multi-barevné vizualizace a jak na ně | Mňamka #339

Multi-barevné vizualizace a jak na ně | Mňamka #339

Před barvami už jsme párkrát varovali, to ale neznamená, že občas nenarazíme na report (třeba v e-commerce), který se tváří jako firemní logo v červnu. To může vést k mentální únavě a vizuálnímu přetížení publika, což žádný datový detektiv nechce. V článku se dozvíte na co si dávat pozor a jakou alternativu u různých typů grafů zvolit.