Habilidades dbt-transformation-patterns
📦

dbt-transformation-patterns

Seguro

Construa pipelines de transformação de dados dbt prontos para produção

Também disponível em: wshobson

Equipes de análise lutam com modelos de dados inconsistentes e documentação precária. Esta skill oferece padrões comprovados para organizar projetos dbt com testes adequados, documentação e processamento incremental.

Suporta: Claude Codex Code(CC)
📊 71 Adequado
1

Baixar o ZIP da skill

2

Upload no Claude

Vá em Configurações → Capacidades → Skills → Upload skill

3

Ative e comece a usar

Testar

A utilizar "dbt-transformation-patterns". Criar um modelo staging para fonte de pagamentos Stripe

Resultado esperado:

  • YAML de definição de fonte com esquema da tabela de pagamentos e testes
  • stg_stripe__payments.sql com transformação baseada em CTE
  • Renomeação de colunas seguindo convenções de nomenclatura (id para payment_id, amount in cents para dollars)
  • Configuração incremental com filtro unique_key e updated_at

A utilizar "dbt-transformation-patterns". Construir uma dimensão de clientes com métricas de pagamento

Resultado esperado:

  • dim_customers.sql unindo modelos intermediate de cliente e pagamento
  • Geração de chave substituta usando dbt_utils
  • Lógica de segmentação de nível de cliente baseada em valor vitalício
  • Documentação YAML com descrições de colunas e testes

Auditoria de Segurança

Seguro
v1 • 2/24/2026

This skill is safe for publication. Static analysis detected 70 patterns that are all false positives - the flagged content consists of SQL/YAML code examples in markdown documentation, not executable code. The skill provides reference patterns for dbt (data build tool) analytics engineering workflows.

2
Arquivos analisados
585
Linhas analisadas
0
achados
1
Total de auditorias
Nenhum problema de segurança encontrado
Auditado por: claude

Pontuação de qualidade

38
Arquitetura
100
Manutenibilidade
87
Conteúdo
32
Comunidade
100
Segurança
91
Conformidade com especificações

O Que Você Pode Construir

Engenheiro de análise construindo pipelines de transformação

Configure um novo projeto dbt com organização adequada de modelos, testes e documentação desde o primeiro dia.

Equipe de dados melhorando qualidade de modelos

Adicione testes abrangentes, documentação e monitoramento de atualização a modelos dbt existentes.

Equipe de engenharia otimizando cargas incrementais

Implemente estratégias incrementais eficientes para tabelas de fatos grandes para reduzir custos de computação.

Tente Estes Prompts

Criar um modelo staging 
Crie um modelo staging dbt para a tabela [source_name] [table_name]. Inclua definição de fonte com descrições de colunas, um modelo SQL staging com convenções adequadas de renomeação e testes básicos para chave primária e restrições not-null.
Construir uma tabela de fatos incremental 
Crie um modelo de tabela de fatos incremental dbt chamado fct_[name] que rastreia [business_process]. Configure para materialização incremental com [strategy], defina o unique_key e inclua a lógica de filtro incremental usando is_incremental().
Adicionar testes e documentação 
Revise este SQL de modelo dbt e gere o arquivo de documentação YAML correspondente. Inclua descrição do modelo, descrições de colunas e testes apropriados (unique, not_null, relationships, accepted_values) com base nas colunas presentes.
Projetar uma camada de modelos completa 
Projete uma estrutura de modelos dbt para um fluxo de trabalho de análise de [domain]. Defina os modelos staging necessários para [sources], modelos intermediate para lógica de negócio e modelos mart (dimensões e fatos) para saída final. Inclua convenções de nomenclatura e estratégias de materialização para cada camada.

Melhores Práticas

  • Use a camada staging para todos os dados de fonte - limpe uma vez, reutilize em todos os lugares
  • Teste agressivamente com testes not_null, unique e relationship em todas as chaves
  • Documente cada modelo e coluna com contexto de negócio para usuários downstream

Evitar

  • Pular a camada staging e consultar fontes diretamente em marts cria dívida técnica
  • Codificar datas ou valores hardcoded em vez de usar variáveis dbt para configuração
  • Repetir lógica de negócio entre modelos em vez de extrair para macros reutilizáveis

Perguntas Frequentes

Qual é a arquitetura medallion no dbt?
A arquitetura medallion organiza modelos em camadas: staging (limpeza de dados brutos), intermediate (lógica de negócio) e marts (tabelas de análise final). Esta separação garante que dados limpos fluam consistentemente pelo seu pipeline.
Quando devo usar materialização incremental?
Use modelos incrementais para tabelas com mais de 1M de linhas ou quando dados de fonte crescem continuamente. Modelos incrementais processam apenas registros novos ou alterados, reduzindo tempo de computação e custos significativamente.
Quais testes devo adicionar aos meus modelos?
Adicione testes not_null e unique em todas as chaves primárias, testes relationship em chaves estrangeiras, not_null em colunas obrigatórias e accepted_values em colunas de status ou tipo. Use dbt_utils.expression_is_true para validação customizada.
Como escolho entre estratégias incrementais delete+insert e merge?
Use delete+insert na maioria dos warehouses como padrão. Use merge quando precisar atualizar registros existentes com dados que chegam atrasados. Use insert_overwrite para workflows baseados em partição no BigQuery ou similar.
Qual é o propósito de modelos efêmeros?
Modelos efêmeros são CTEs intermediárias que não materializam como tabelas. Use-os para lógica reutilizável que é sempre referenciada por outros modelos, reduzindo o número de tabelas no seu warehouse.
Como documento meu projeto dbt efetivamente?
Adicione descrições em cada modelo e coluna nos arquivos YAML. Use o campo description para explicar lógica de negócio, fontes de dados e valores esperados. Gere docs dbt e sirva-os para sua equipe navegar.

Detalhes do Desenvolvedor

Autor

sickn33

Licença

MIT

Repositório

https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/dbt-transformation-patterns

Referência

main

Estrutura de arquivos

📁 resources/

📄 implementation-playbook.md

📄 SKILL.md