E-Commerce Data Modeling with dbt: กรณีศึกษาเชิงปฏิบัติ

ข้อมูลดิบที่ไม่มีโครงสร้างมักจะขัดขวางธุรกิจจากการตัดสินใจที่ขับเคลื่อนด้วยข้อมูลและทันท่วงที การเรียนรู้วิธีแปลงข้อมูลที่ยุ่งเหยิงนี้ให้เป็นโมเดลข้อมูลที่สะอาดและเชื่อถือได้คือพลังหลักของวิศวกรการวิเคราะห์ข้อมูลสมัยใหม่ ในหลักสูตรที่เน้นข้อความนี้ คุณจะได้สวมบทบาทเป็นวิศวกรการวิเคราะห์ข้อมูลเพื่อสร้างไปป์ไลน์ข้อมูลที่แข็งแกร่งสำหรับธุรกิจอีคอมเมิร์ซที่กำลังเติบโต ผ่านคำอธิบายที่เป็นลายลักษณ์อักษร ส่วนย่อยของโค้ด SQL ที่มีโครงสร้าง และการสาธิตเชิงปฏิบัติ คุณจะได้เรียนรู้แนวคิดพื้นฐานของ dbt (Data Build Tool) และวิธีจัดโครงสร้างโมเดลข้อมูลที่สามารถปรับขนาดได้ สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจแนวคิดหลักของวิศวกรรมการวิเคราะห์ข้อมูล และวิธีที่ dbt เข้ากับชุดเครื่องมือข้อมูลสมัยใหม่ (modern data stack) - กำหนดค่าโปรเจกต์ dbt ตั้งแต่เริ่มต้น และสร้างโครงสร้างไดเรกทอรีที่สะอาดสำหรับเลเยอร์ staging และ mart - สร้างโมเดล SQL แบบแยกส่วน (modular) เพื่อแปลงข้อมูลธุรกรรมและข้อมูลลูกค้าอีคอมเมิร์ซดิบให้เป็นชุดข้อมูลที่สะอาด - ใช้การทดสอบคุณภาพข้อมูลและการตรวจสอบสคีมา (schema validations) เพื่อให้แน่ใจว่าโมเดลข้อมูลของคุณยังคงแม่นยำและน่าเชื่อถือ - เขียนโค้ดที่สามารถนำกลับมาใช้ใหม่และบำรุงรักษาได้ โดยใช้ Jinja templating, loops, และ variables - จัดทำเอกสารโมเดลข้อมูลของคุณเพื่อสร้างแคตตาล็อกข้อมูลที่ชัดเจนและค้นหาได้สำหรับผู้มีส่วนได้ส่วนเสียทางธุรกิจ หลักสูตรนี้เริ่มต้นด้วยพื้นฐานของการสร้างแบบจำลองข้อมูลและการกำหนดค่าโปรเจกต์ ก่อนที่จะแนะนำคุณทีละขั้นตอนผ่านการจัดเตรียมข้อมูลดิบ (staging raw data) การสร้างมิติข้อมูลทางธุรกิจระดับกลาง (intermediate business dimensions) และการทำให้เวิร์กโฟลว์ SQL ของคุณเป็นแบบอัตโนมัติด้วย Jinja หลักสูตรนี้ออกแบบมาสำหรับนักวิเคราะห์ข้อมูลระดับเริ่มต้น วิศวกรการวิเคราะห์ข้อมูลที่ต้องการ และผู้ใช้ SQL ที่ต้องการเปลี่ยนไปสู่การสร้างแบบจำลองข้อมูลสมัยใหม่ ไม่จำเป็นต้องมีประสบการณ์กับ dbt มาก่อน แม้ว่าความคุ้นเคยพื้นฐานกับการสืบค้น SQL (SQL queries) จะเป็นประโยชน์ เริ่มอ่านวันนี้เพื่อสร้างไปป์ไลน์ข้อมูลระดับใช้งานจริง (production-grade) ตัวแรกของคุณ