Reseñas y detalles del producto de dbt

hermosa trazabilidad de datos

fácil de usar e implementar

los cursos de aprendizaje de dbt proporcionados por dbt son muy útiles

el intercambio y la orquestación de datos es muy fácil

el desarrollo en la nube ide es muy bueno

el soporte al cliente es extremadamente rápido y eficiente

la integración con snowflake y GitHub es fácil

usando diariamente esta herramienta para construir modelos de datos Reseña recopilada por y alojada en G2.com.

Las funciones beta se lanzan muy lentamente. El resto todo GENIAL. Reseña recopilada por y alojada en G2.com.

Las cosas que más y mejor me gustan de dbt son que no solo ayuda a crear transformaciones, sino que también puede ayudar a gestionar y realizar transformaciones en una vista e integrarse fácilmente con BigQuery. Puedo usar y configurar la transformación según el objeto, como tabla, vista o incremental, junto con características como gráficos de linaje generados automáticamente y puedo realizar pruebas nativas con pocas líneas de código en un archivo YAML y puedo reutilizarlas. Reseña recopilada por y alojada en G2.com.

No hay mucho que desagradar en dbt, el código reutilizable puede ser un poco confuso y saltar de una rama a otra puede ser frustrante. Reseña recopilada por y alojada en G2.com.

1. La documentación que genera cuando todos los modelos están diseñados. Define claramente qué capas intermedias y finales están conectadas entre sí.

2. Las ejecuciones del modelo incremental me ayudaron enormemente a optimizar grandes modelos de datos mientras manejaba miles de millones de filas de datos. Reseña recopilada por y alojada en G2.com.

No encontré ninguna dificultad en aprender DBT ya que era bastante básico y también apliqué SQL fluff para optimizar mi codificación. Como usuario, no encontré mucha dificultad en operar a través de dbt. Reseña recopilada por y alojada en G2.com.

dbt is the best Transformation tool out there in the industry and I love dbt for its testing capabilities and modeling and semantic layer. Ease of use and how easily you could maintain

It is easy to integrate with other tools like integration. Reseña recopilada por y alojada en G2.com.

dbt should add more AI apacilities faster Reseña recopilada por y alojada en G2.com.

En su esencia, DBT alinea tres tecnologías para entregar conocimiento de manera más efectiva: SQL, YAML y Jinja. Puedes hacer mucho solo con SQL y YAML. Agregar Jinja hace que SQL se sienta mucho más como el desarrollo tradicional. Realmente extrañaba eso. Es como ver a un viejo amigo que realmente te gustaba pero que no has visto en un tiempo.

dbt es mágico para transformar y modelar datos. Es una plataforma que nos permite manejar, dar forma y organizar los datos para modelar el negocio. Con la ayuda de DBT, podemos implementar el principio de separación de preocupaciones para organizar y gestionar nuestras transformaciones.

Una de las herramientas clave que ofrece DBT son los Grafos Acíclicos Dirigidos (DAGs), mapas que ilustran el camino que nuestros datos toman desde la fuente hasta el destino final. Estos mapas ilustran el arco de transformación de datos. Comenzamos con los datos de origen, que a menudo son desordenados y sin refinar. Usamos DBT para realizar una serie de transformaciones, llevando los datos en un viaje desde un multiverso de caos a un mundo de comprensión. Limpiamos los datos, aplicamos reglas de negocio y aseguramos que los datos se ajusten a nuestros modelos dimensionales de negocio. Estos modelos o lógica de negocio central sirven como la base para los informes.

A medida que avanzamos a lo largo del arco de transformación, nuestros datos comienzan a tomar forma. Podemos construir data marts para áreas o funciones específicas del negocio. Estos data marts se construyen con nuestros modelos dimensionales de negocio, asegurando que los datos estén estructurados de una manera que apoye un análisis e informes eficientes.

Informes sobre nuestros modelos dimensionales de negocio. Con los datos ahora organizados y modelados de una manera significativa, podemos desbloquear valiosos conocimientos y empoderar a los tomadores de decisiones con información procesable... a escala. Podemos segmentar y desglosar los datos, aplicar filtros y profundizar en dimensiones específicas para entender tendencias, patrones y valores atípicos. Los informes que desarrollamos son consistentes porque provienen de una única fuente de verdad, el modelo dimensional de negocio. Reseña recopilada por y alojada en G2.com.

dbt requiere un cambio de mentalidad. Tienes que aceptar cómo piensan sobre el modelado. Es opinado. dbt es agnóstico en cuanto al método (data vault, mesh, kimball). Pero la estructura importa y necesitas dedicar algo de tiempo para entender la mentalidad de dbt en torno a la estructura. Reseña recopilada por y alojada en G2.com.

Es fácil de usar incluso para los recién llegados y dbt también utiliza SQL, que es el lenguaje más democrático para la manipulación de datos. Desde el principio es muy rápido de integrar con tu pila de datos en solo unos pocos clics. Uso dbt para la transformación de datos y el modelado de datos todos los días y sus muchas características como el linaje de datos, control de versiones, CI y slim CI, pruebas, documentación, contratos de modelos hacen que sea fácil aplicar DataOps en tu proyecto. Reseña recopilada por y alojada en G2.com.

Su capacidad para modelar en Python depende de la plataforma de datos que esté utilizando. Su IDE aún carece de algunas de las funcionalidades que otros IDE tienen que hacen que el desarrollo sea más fácil, pero se están lanzando nuevas características con cada nueva versión de dbt cloud. Reseña recopilada por y alojada en G2.com.

Fácil de escribir transformación en lenguaje SQL aumentado por técnicas de plantillas Jinja. El soporte de modelos de Python es poderoso. Buena biblioteca de Macros de código abierto facilita la vida a los ingenieros de análisis. Capacidades de documentación potentes. Funciona muy bien con Snowflake. Reseña recopilada por y alojada en G2.com.

Para utilizar DBT de manera efectiva, uno necesita aprender a modularizar SQL usando CTEs. Un conocimiento un poco avanzado en SQL realmente ayuda. Reseña recopilada por y alojada en G2.com.

dbt Cloud: Lo recomiendo a todas las organizaciones para que los analistas de datos e ingenieros de análisis comiencen rápidamente sin tener dificultades durante la incorporación.

Es más fácil adoptar nuevos compañeros de equipo cuando pueden sumergirse en los modelos de inmediato, agregar valor más pronto y solidificar su comprensión desde el principio. Reseña recopilada por y alojada en G2.com.

No me gusta navegar por los registros en la pestaña de Ejecuciones de Trabajo.

Los títulos no parecen intuitivos y el contenido podría estar más optimizado para encontrar fallos. Reseña recopilada por y alojada en G2.com.

Estoy emocionado de explorar cómo dbt revoluciona nuestro trabajo al adentrarnos profundamente en el mundo de los datos. Es un cambio total que proporciona una notable simplicidad al formular y utilizar código de datos dentro de nuestro almacén. Cuando se trata del control de versiones, dbt agiliza todo el proceso, asegurando una experiencia fluida y manteniendo modelos de datos cruciales para el análisis. Reseña recopilada por y alojada en G2.com.

Sería bueno si dbt lo hiciera más fácil para los nuevos. Puede hacer mucho con cosas de datos, pero averiguar cómo configurarlo y usar todas sus cosas geniales puede parecer difícil al principio. Guías más intuitivas o una forma más sencilla de aprender lo básico lo harían más agradable para las personas que recién comienzan con los cambios de datos. Reseña recopilada por y alojada en G2.com.

En mi función, me encanta usar dbt: es la herramienta definitiva para transformar datos con facilidad. Se integra sin esfuerzo en nuestros sistemas actuales, haciendo que nuestro trabajo analítico sea muy sencillo. Todos estamos comprometidos con dbt porque sobresale en la transformación y organización de datos, aumentando nuestra eficiencia y esfuerzos colaborativos enormemente. Reseña recopilada por y alojada en G2.com.

Sería fantástico si dbt pudiera mejorar su conjunto de herramientas para el modelado de datos visuales. En la actualidad, está muy centrado en la codificación, pero integrar un enfoque más visual para trabajar con datos sin duda elevaría su utilidad, especialmente para las personas que se inclinan hacia métodos gráficos para el análisis de datos. Reseña recopilada por y alojada en G2.com.