附上一些我常用的官方資源。

除了官網之外，也推薦：

1. 加入 Slack 社群：目前有 50000+ 人，任何資料庫、BI 工具、在地社群(城市)都可以有一個自己的頻道，dbt 的員工也都會看且在上面回答問題。
2. dbt Coalesce年會：任何與 data 有關的主題，內容很豐富不過都是英文，YT有上傳錄影。
3. dbt-local-taipei：台灣在地社群，明天詳聊。

官方資源

dbt 官方網站

https://www.getdbt.com

dbt 官方文件入口網站

https://docs.getdbt.com
官方文件入口網站，可以連到以下提到的各個資源。

dbt 官方學習課程

https://courses.getdbt.com/collections
系統性的教學，適合新手一步一步入門。

dbt Analytics Engineering Glossary 常見名詞

https://docs.getdbt.com/glossary
一些常用名詞解釋。

dbt 官方進階指南: Best practice guides

https://docs.getdbt.com/guides/best-practices
討論了建構完整的 dbt 專案的許多考量。

dbt 官方部落格

https://docs.getdbt.com/blog
可以得知 dbt Labs 最新的消息、新功能，適合進階使用者。

dbt 官方 GitHub

https://github.com/dbt-labs
包含 dbt Core, dbt packages, 和 document webside 等。

dbt Community Forum

https://docs.getdbt.com/community/forum
討論區，很多厲害的做法都是在這裡學到的。

dbt 官方社群申請表

https://www.getdbt.com/community/join-the-community
想加入 Slack 或 討論區，可以從這裡申請。

dbt 官方 YouTube

https://www.youtube.com/@dbt-labs
有很多 Coalesce 年會的錄影，也有一些教學影片。

好文推薦

再來我想特別介紹幾篇文章，在我的 dbt 之路上曾對我有很大幫助。

Refactoring legacy SQL to dbt

• https://docs.getdbt.com/docs/get-started/learning-more/refactoring-legacy-sql
• 推薦原因：當我看了一堆官網的介紹，卻不知道從何開始時，是這篇文章救了我。

雖然知道 dbt 專案要從原始資料，從上游開始，一步一步建 staging, intermediate, marts，但現實是，我們手上有一個古老又龐大的專案要搬移到 dbt，每個 view 都又臭又長，完全不知道該怎麼下手。

這個教學示範了反方向的操作，如何由下游往源頭拆解，把一大坨 SQL 一步一步拆成模組，且包含了操作影片，可以順便學習 dbt 的操作方式。

Data modeling techniques for more modularity

• https://www.getdbt.com/analytics-engineering/modular-data-modeling-technique/
• 推薦原因：用沙拉吧的例子說明 dbt 的模組化，看了會餓，但是熱量不高，不至於罪惡。

建構 dbt 的專案就像製作沙拉，
我們先從 source 開始 -- 原始的材料，萵苣、小黃瓜、蕃茄、水、油、雞蛋、香料...
再來是 staging，一到兩個步驟的基本處理 -- 萵苣剁碎、小黃瓜切片、蕃茄切丁、沙拉醬製作...
接下來 intermediate 做進階的處理 -- 蔬菜類組合成基本的沙拉底、雞蛋煮熟...
最後 marts -- 組合成完整的沙拉，包含蔬菜、雞蛋、沙拉醬。

清除未使用的 tables/views

• Clean your warehouse of old and deprecated models
• FAQ: Cleaning up removed models from your production schema

dbt 會依照 model 名稱在我們的 data warehouse 建立 table 或 view，但如果 model 改名或刪除，我們的 data warehouse 就會累積很多已經廢止的 table 或 view，dbt 不會主動刪除，久而久之會產生許多問題。

看了討論串才知道可以用 macro 和 graph nodes 檢查並處理。

合併結構對稱的資料源

• Unioning identically-structured data sources

我們主要的資料源 SAP，有接近 10 座資料庫，每一座就代表一個公司別（區域或國家），table 幾乎都一樣，但客製化欄位有所不同。
這篇以不同國家的 Shopify 資料源為例，示範了如何把這些結構相近的 table 全部 union 合而為一。
如果當初沒有看到這篇的話我會瘋掉。

What is Analytics Engineering?

• What is analytics engineering?

Analytics Engineer 是好幾年前開始流行，不同於 Data Analyst 及 Data Engineer 的新職稱。
當初還沒聽過 dbt 的時候，就不小心搜到這篇文章。
細節我們將在 DAY30 詳聊。

歡迎加入 dbt community
對 dbt 或 data 有興趣 👋？歡迎加入 dbt community 到 #local-taipei 找我們，也有實體 Meetup 請到 dbt Taipei Meetup 報名參加