Capítulo 10. Desarrollo Agile con dbt

Saber dbt no es suficiente.

Puedes dominar macros, snapshots y tests, pero si no sabes planificar el proyecto, acabarás con un backlog de mie**, entregas que no llegan y al jefe cabreado.

Este capítulo de libro Data Engineering with dbt conecta lo que casi nadie conecta:

cómo aplicar Agile a un proyecto de datos real, desde la definición del alcance hasta la entrega de un data mart funcional.

Un backlog que funciona en proyectos de data

El backlog de un proyecto de datos no es una lista de tareas.

Veremos cómo organizarlo en bloques de trabajo, features e historias, con granularidad variable: muy detallado para lo próximo, agrupado para lo lejano.

Incluye un ejemplo completo: desde configurar Snowflake y dbt Cloud hasta montar un informe de clientes, desglosado en historias que cubren diseño del modelo, desarrollo de transformaciones y validación con tests.

Diseñar el data mart antes de escribir código

Aquí es donde el capítulo aporta más valor.

Antes de tocar dbt, necesitas diseñar el modelo en estrella:

• qué dimensiones necesitas (simples, jerárquicas, copo de nieve),
• cuándo desnormalizar y cuándo no,
• cómo definir la tabla de hechos y
• qué diferencia hay entre hechos base y compuestos.

También cubre cómo diseñar la capa refined que alimentará al mart.

De la historia al modelo: desarrollar y validar

Cada historia del backlog se traduce en modelos dbt concretos. El capítulo detalla qué debe especificar cada historia:

• origen de los datos,
• tipo de exportación,
• clave natural,
• reglas de negocio, y
• qué tests aplicar.

¡A por ello! 🫡

Desarrollo Agile con dbt