Marco de ingeniería de datos que permite a los analistas transformar datos brutos en el Data Warehouse utilizando consultas SELECT de SQL con control de versiones.
Explicación y Contexto Conceptual
dbt (data build tool) es el estándar indiscutible de transformación de datos (la 'T' en el flujo ELT) dentro del Modern Data Stack. Antes de dbt, las transformaciones se ejecutaban mediante pipelines opacos de código procedural (Python, Scala) gestionados exclusivamente por ingenieros de datos sobrecargados, o mediante procedimientos almacenados de SQL sin trazabilidad ni pruebas de calidad.
dbt democratizó la ingeniería de analítica permitiendo a cualquier analista de marketing escribir transformaciones complejas utilizando únicamente sentencias declarativas de SQL y motores de plantillas Jinja. Todo el código del proyecto se almacena en repositorios de Git, habilitando revisiones por pares (pull requests), entornos de desarrollo aislados y despliegues automatizados (CI/CD).
dbt no mueve los datos fuera del almacén; compila el código y orquesta su ejecución directamente dentro del motor de Snowflake, BigQuery o Databricks.
Ejemplo en la Práctica
Una agencia de medios usa dbt para transformar los datos crudos de gasto de Facebook Ads y Google Ads en un modelo unificado `fct_daily_ad_spend` ejecutado cada madrugada.