CURSO DBT (DATA BUILD TOOL)
Domina dbt como herramienta estándar de transformación de datos. Aprende modelado con SQL+Jinja, testing, documentación y despliegue de pipelines en BigQuery y Snowflake con buenas prácticas.
Curso completo de dbt desde fundamentos de Analytics Engineering. Comprenderás la filosofía ELT, configurarás dbt CLI o dbt Cloud con BigQuery o Snowflake. Dominarás la estructura de proyecto: models, sources y seeds. Ejecutarás primeros modelos y entenderás el DAG de dependencias.
Especialízate en modelado avanzado con Jinja templating para parametrizar y reutilizar lógica. Usarás ref() y source() para gestionar dependencias correctamente. Seleccionarás materializations adecuadas: table, view, incremental y ephemeral. Implementarás tests automáticos y documentación profesional.
Herramientas que usarás
¿Para quién es este curso?
Para analistas de datos, data engineers y especialistas en transformación que necesitan modernizar sus pipelines de datos.
- Data engineers que crean pipelines de transformación
- Analytics engineers enfocados en data warehouse
- Especialistas en data modeling que usan SQL
- Equipos de datos que necesitan testing y documentación
- Profesionales que migran de ETL tradicional a ELT
- Consultores que implementan dbt en empresas
- Data analysts que quieren producción-ready workflows
Temario
Lo que vas a aprender, unidad a unidad
- 01
Fundamentos de dbt y Analytics Engineering
Entenderás el rol del Analytics Engineer y la filosofía de dbt. Instalarás dbt CLI o dbt Cloud con BigQuery o Snowflake. Comprenderás estructura de proyecto: models, sources y seeds. Ejecutarás primeros modelos y visualizarás el DAG de dependencias automáticamente.
- 02
Modelado Avanzado con Jinja y Ref
Usarás ref() y source() para gestionar dependencias correctamente. Aplicarás Jinja templating para parametrizar modelos y reutilizar lógica. Seleccionarás materializations: table, view, incremental y ephemeral. Crearás macros reutilizables para lógica de transformación común.
- 03
Testing, Documentacin y Despliegue
Escribirás tests genéricos y singulares para validar calidad de datos. Documentarás modelos y columnas con YAML. Generarás sitio de documentación automático. Desplegarás dbt en producción con dbt Cloud Jobs. Entenderás linaje de datos para evaluar impacto de cambios.
Profesores
Profesionales en activo, no académicos
Todos nuestros profesores son profesionales en activo que trabajan día a día con las herramientas y metodologías que enseñan. En WAT creemos que la mejor formación viene de quienes aplican el conocimiento en proyectos reales, no solo de quienes lo leen en libros.
Resultados
Qué vas a conseguir
- Configurar dbt en BigQuery o Snowflake correctamente
- Crear modelos SQL con buenas prácticas de data warehouse
- Usar ref() y source() para dependencias automáticas
- Aplicar Jinja templating para parametrización avanzada
- Implementar tests genéricos para asegurar calidad de datos
- Escribir tests singulares con lógica de negocio específica
- Generar documentación automática y profesional
- Desplegar pipelines en producción con dbt Cloud
- Mantener linaje de datos y resolver dependencias
Por qué WAT
En otras escuelas vs En WAT
En otras escuelas
- Otros cursos enseñan SQL básico sin filosofía de data warehouse
- Formaciones que no incluyen testing y documentación
- Plataformas que no cubren linaje de datos y materializaciones
- Cursos sin enfoque en Analytics Engineering profesional
En WAT
- WAT enseña dbt con filosofía completa de Analytics Engineering
- Incluye testing automático y documentación profesional
- Aprenderás buenas prácticas con macros y Jinja avanzado
- Acceso a arquitecturas reales de data warehouse medallion
Preguntas frecuentes
FAQs
¿Qué diferencia hay entre ETL y ELT?
ETL transforma antes de cargar; ELT carga primero y transforma en el warehouse. dbt adopta ELT para flexibilidad y velocidad.
¿Cuál es la diferencia entre table e incremental?
Table: reconstruye completo. Incremental: carga solo nuevos datos. Incremental es más eficiente para tablas grandes.
¿Por qué son importantes los tests en dbt?
Garantizan calidad de datos y permiten cambios con confianza. Son esenciales para pipelines en producción.
¿Necesito saber Jinja para usar dbt?
Jinja es opcional para empezar, pero esencial para reutilizar lógica y crear macros profesionales.
¿Puedo usar dbt sin BigQuery?
Sí, dbt funciona con Snowflake, Redshift, Postgres, DuckDB y muchos otros data warehouses.
Cursos relacionados
Sigue formándote en DATA
Data Engineering
GESTIÓN DE DATOS EN LA NUBE
Curso integral: Big Data fundamentals, estadística, bases de datos, SQL avanzado, Python para datos, pipelines ETL, Google Cloud, machine learning aplicado y governance de datos.
Data Engineering
MACHINE LEARNING CON PYTHON
Introducción práctica a machine learning con scikit-learn. Integración con Google Cloud y BigQuery. Construir, entrenar y evaluar modelos de clasificación, regresión y análisis predictivo.
Data Engineering
TRATAMIENTO DE DATOS EN PYTHON
Competencias prácticas en tratamiento y transformación de datos con Python. Librerías pandas, numpy, matplotlib y seaborn. Limpieza, transformación, análisis exploratorio y visualización de datos.
¿Preparado para dar el siguiente paso?
Déjanos tu email y un asesor te contactará para resolver dudas y ayudarte a reservar plaza.