dbt Analytics Engineering (AWS Redshift)

In Bearbeitung

dbt-Projekt zum Aufbau von Analytics-Datenmodellen auf AWS Redshift mit Staging-, Intermediate- und Marts-Schichten. Basiert auf dem Olist-E-Commerce-Datensatz (2016–2019) und ist auf Self-Service-Analytics mit dimensionalem Modellieren ausgelegt.

Technologien

dbtAWS RedshiftSQLAWS GluePython

Problem

Rohdaten benötigen strukturierte Transformation in Analytics-bereite dimensionale Modelle, damit BI-Teams und Analysten unabhängig von Rohtabellen arbeiten können.

Ansatz

ELT-Muster mit dbt auf Redshift: Staging-Layer (source-konforme Views) → Intermediate-Layer (Business-Logik) → Marts-Layer (dimensionale Modelle für core und marketing Schemas).

Ergebnis

In Bearbeitung — Grundstruktur und Modellarchitektur etabliert, Implementierung laufend.

Learnings

Dimensionales Modellieren mit Star-Schemas für Analytics-Effizienz; ELT-Muster sind kostengünstig wenn das Warehouse die Transformation übernimmt; dbt-Best-Practices: modulare Modelle, SQL-Versionskontrolle, Dokumentation als First-Class-Artefakt.

Relevanz

Zeigt Analytics Engineering, dimensionales Modellieren und moderne SQL-Transformation-Workflows — eine Kernkompetenz für datenorientierte Rollen.