0Pricing
SQL Academy · Lección

Conceptos básicos de DBT (Data Build Tool)

Modele los datos del almacén como sentencias SELECT en dbt, con refs, sources y modelos incrementales.

Conceptos básicos de DBT (Data Build Tool) es una lección gratuita de SQL Academy en CoddyKit. Esta es la lección 1 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de SQL Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de SQL Academy incluye 4 lecciones en total.

Qué es dbt

dbt es la «T» de ELT: transforma los datos dentro del almacén mediante sentencias SELECT. Usted define modelos (SELECT) y dbt los materializa como tablas o vistas, gestiona las dependencias y ejecuta pruebas.

¿Por qué dbt?

Antes de dbt, las transformaciones se encontraban en scripts SQL ad hoc, procedimientos almacenados o tareas de Python. dbt aporta:

  • SQL modular como código, versionado en Git
  • Un grafo de dependencias (ref()) en lugar de un ordenamiento manual
  • Pruebas como objetos de primera clase
  • Generación de documentación

Estructura del proyecto

Un proyecto de dbt:

my_project/
  dbt_project.yml
  models/
    staging/
      stg_orders.sql
    marts/
      fct_revenue.sql
  tests/
  seeds/
  macros/

Un archivo de modelo

Simplemente un SELECT en un archivo .sql:

-- models/staging/stg_orders.sql
{{ config(materialized='view') }}
SELECT
  id,
  user_id,
  total,
  created_at
FROM {{ source('raw', 'orders') }}

Tipos de materialización

  • view: dbt crea una VIEW; se actualiza rápidamente, pero las consultas son más lentas
  • table: tabla completa; se reconstruye en cada ejecución
  • incremental: solo se añaden las filas nuevas
  • ephemeral: CTE insertado en línea, sin objeto en la base de datos

ref() y dependencias

Haga referencia a un modelo desde otro:

-- models/marts/fct_revenue.sql
SELECT
  date_trunc('day', created_at) AS day,
  SUM(total) AS revenue
FROM {{ ref('stg_orders') }}
GROUP BY 1

Ejecutar dbt

Compile todo el proyecto:

dbt run                    # build all models
dbt run --select staging   # subset
dbt run --select +fct_revenue   # this model and upstream
dbt build                   # run + test

Fuentes

Las fuentes documentan y referencian las tablas sin procesar:

# models/sources.yml
sources:
  - name: raw
    database: warehouse
    tables:
      - name: orders

Modelos incrementales

Para tablas de hechos enormes:

{{ config(materialized='incremental', unique_key='id') }}
SELECT *
FROM {{ source('raw','orders') }}
{% if is_incremental() %}
  WHERE created_at > (SELECT MAX(created_at) FROM {{ this }})
{% endif %}

Plantillas Jinja

dbt combina SQL y Jinja, por lo que puede generar SQL mediante bucles y condiciones:

{% set tiers = ['free','pro','enterprise'] %}
SELECT user_id,
{% for t in tiers %}
  COUNT(*) FILTER (WHERE tier = '{{ t }}') AS {{ t }}_count {% if not loop.last %},{% endif %}
{% endfor %}
FROM users GROUP BY user_id

Snapshots

Dimensiones de variación lenta capturadas automáticamente:

{% snapshot user_snapshot %}
  {{ config(
    target_schema='snapshots',
    unique_key='id',
    strategy='timestamp',
    updated_at='updated_at',
  ) }}
  SELECT * FROM {{ source('raw','users') }}
{% endsnapshot %}

Documentación

Genere automáticamente documentación navegable a partir de sus modelos y descripciones YAML:

dbt docs generate
dbt docs serve     # opens browser

Resumen

dbt modela las transformaciones de datos como código SQL.

  • Modelo = SELECT en un archivo .sql
  • ref() construye el DAG
  • Materializaciones: view / table / incremental / ephemeral
  • Pruebas y documentación como elementos de primera clase

Comprobación rápida

¿Qué hace {{ ref('stg_orders') }} de dbt?

Preguntas frecuentes

¿La lección «Conceptos básicos de DBT (Data Build Tool)» es gratis?

Sí — el texto completo de «Conceptos básicos de DBT (Data Build Tool)» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de SQL Academy, actualiza a CoddyKit PRO. El curso de SQL Academy incluye 4 lecciones en total.

¿Qué aprenderé en «Conceptos básicos de DBT (Data Build Tool)»?

Modele los datos del almacén como sentencias SELECT en dbt, con refs, sources y modelos incrementales. Practicas SQL Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.

¿Necesito experiencia previa para empezar SQL Academy?

No se requiere experiencia previa. SQL Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 1 de 4.

¿Cuánto tiempo toma la lección «Conceptos básicos de DBT (Data Build Tool)»?

La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.

¿Puedo escribir y ejecutar código en esta lección de SQL Academy?

Sí. Cada lección de SQL Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.

Todas las lecciones de este curso

  1. Conceptos básicos de DBT (Data Build Tool)
  2. SQLFluff y linting
  3. Pruebas de SQL: pruebas de dbt y Great Expectations
  4. CI para cambios de esquema (GitHub Actions)
← Volver a SQL Academy