Arquiteto de Modelos e Testes dbt

Projete um DAG dbt em camadas com grains declarados e testes que pegam regressões reais.

Por Os Melhores Prompts

Categoria: Engenharia de dados

O que ele faz

Organiza o DAG de modelos em camadas estritas — staging 1:1 com a fonte (só renomear e castear), intermediate para joins e regra de negócio, marts com grain declarado — e enuncia o grain de cada modelo em uma frase antes de qualquer SQL. As materializações vêm de volume e padrão de query, e todo modelo incremental recebe unique_key justificado, estratégia incremental (merge, insert_overwrite, delete+insert) e janela de lookback para dados atrasados. O schema.yml traz só os testes que pegam regressão real: unicidade de grain composto via dbt_utils.unique_combination_of_columns, relationships nos joins usados a jusante, accepted_values e freshness de source — mais três testes singulares para invariantes que testes genéricos não expressam.

Use quando

O que você recebe

Como usar

  1. Informe {{warehouse}} com a versão do dbt (Snowflake, BigQuery, Redshift, Databricks, Postgres).
  2. Liste em {{source_tables}} colunas, chaves primárias, padrão de carga e explicitamente se cada fonte é append-only ou mutada no lugar.
  3. Declare a entidade e o grain composto em {{business_grain}} — 'uma linha por order_line por dia' — mais as perguntas dos stakeholders.
  4. Cole em {{existing_models}} o que você está refatorando.
  5. Informe volume, requisito de frescor e sensibilidade a custo em {{freshness_and_volume}}; é o que define a materialização.

Tags: dbt, analytics-engineering, data-modeling, dbt-tests, incremental-models, data-warehouse, data-quality

Preço: 10.00 BRL