Seminar dbt Core – Git, Teamwork und Code Reviews

Das Seminar überträgt bewährte Software-Engineering-Praktiken auf analytischen Code. Kleine Änderungen, nachvollziehbare Reviews und kontrollierte Releases reduzieren Konflikte und verhindern, dass fachlich korrekter SQL-Code technisch oder betrieblich ungeprüft bleibt.

Inhaltsverzeichnis

• Lernziele und fachliche Einordnung
• Schrittweise Seminarinhalte
• Praxisübungen und Laborszenarien
• Zielgruppe und Voraussetzungen
• Didaktik und Arbeitsweise

Lernziele

• Repository, Branches und Commits für parallele dbt-Entwicklung strukturieren.
• Pull Requests mit klarer Änderungsbeschreibung und Prüfnachweisen erstellen.
• SQL, YAML, Jinja, Tests und Materialisierungsentscheidungen systematisch reviewen.
• Konflikte in Modellen und gemeinsamen YAML-Dateien kontrolliert lösen.
• Releases, Rollback und Verantwortlichkeiten verbindlich festlegen.

Schrittweise Seminarinhalte

1. Repository-, Branch- und Commit-Strategie

Schwerpunkt: Projektablage, .gitignore, Feature Branches, kleine Commits, Commit-Nachrichten, Pull Requests und geschützte Hauptzweige.

1. Ausgangslage, Zielzustand und fachliche Grenzen für den Themenblock „Repository-, Branch- und Commit-Strategie“ anhand des Laborprojekts erfassen.
2. Relevante Dateien, Ressourcen, Rollen und Abhängigkeiten zu Projektablage, .gitignore, Feature Branches, kleine Commits, Commit-Nachrichten, Pull Requests und geschützte Hauptzweige identifizieren und in einer Arbeitscheckliste festhalten.
3. Die erforderliche Konfiguration, den Code oder den Betriebsprozess schrittweise umsetzen und alle erzeugten Zwischenstände nachvollziehbar prüfen.
4. Funktion, Sicherheit, Wiederholbarkeit, Datenwirkung und Fehlerverhalten mit definierten Positiv-, Negativ- und Wiederanlauffällen bewerten.
5. Als Arbeitsergebnis einen verbindlichen Git-Arbeitsablauf für dbt-Projekte dokumentieren, fachlich abnehmen und in einen wiederverwendbaren Projekt- oder Betriebsstandard überführen.

2. Code Reviews für SQL, YAML und Jinja

Schwerpunkt: Grain, Join-Logik, Tests, Materialisierung, Dokumentation, Sicherheit, Laufzeitwirkung, Lesbarkeit und Rückwärtskompatibilität.

1. Ausgangslage, Zielzustand und fachliche Grenzen für den Themenblock „Code Reviews für SQL, YAML und Jinja“ anhand des Laborprojekts erfassen.
2. Relevante Dateien, Ressourcen, Rollen und Abhängigkeiten zu Grain, Join-Logik, Tests, Materialisierung, Dokumentation, Sicherheit, Laufzeitwirkung, Lesbarkeit und Rückwärtskompatibilität identifizieren und in einer Arbeitscheckliste festhalten.
3. Die erforderliche Konfiguration, den Code oder den Betriebsprozess schrittweise umsetzen und alle erzeugten Zwischenstände nachvollziehbar prüfen.
4. Funktion, Sicherheit, Wiederholbarkeit, Datenwirkung und Fehlerverhalten mit definierten Positiv-, Negativ- und Wiederanlauffällen bewerten.
5. Als Arbeitsergebnis eine praxistaugliche Review-Checkliste mit fachlichen und technischen Prüfpunkten dokumentieren, fachlich abnehmen und in einen wiederverwendbaren Projekt- oder Betriebsstandard überführen.

3. Lineage und Abhängigkeitsanalyse

Schwerpunkt: ref- und source-Kanten, DAG-Navigation, Upstream- und Downstream-Auswirkungen, Gruppen, Tags und Änderungsanalyse.

1. Ausgangslage, Zielzustand und fachliche Grenzen für den Themenblock „Lineage und Abhängigkeitsanalyse“ anhand des Laborprojekts erfassen.
2. Relevante Dateien, Ressourcen, Rollen und Abhängigkeiten zu ref- und source-Kanten, DAG-Navigation, Upstream- und Downstream-Auswirkungen, Gruppen, Tags und Änderungsanalyse identifizieren und in einer Arbeitscheckliste festhalten.
3. Die erforderliche Konfiguration, den Code oder den Betriebsprozess schrittweise umsetzen und alle erzeugten Zwischenstände nachvollziehbar prüfen.
4. Funktion, Sicherheit, Wiederholbarkeit, Datenwirkung und Fehlerverhalten mit definierten Positiv-, Negativ- und Wiederanlauffällen bewerten.
5. Als Arbeitsergebnis eine dokumentierte Auswirkungsanalyse für eine geplante Modelländerung dokumentieren, fachlich abnehmen und in einen wiederverwendbaren Projekt- oder Betriebsstandard überführen.

4. Testauswahl, Fehleranalyse und Quality Gates

Schwerpunkt: dbt build, indirekte Auswahl, Tags, result-Selektoren, gespeicherte Fehler, Flaky Tests, Quarantäne und CI-Abbruchregeln.

1. Ausgangslage, Zielzustand und fachliche Grenzen für den Themenblock „Testauswahl, Fehleranalyse und Quality Gates“ anhand des Laborprojekts erfassen.
2. Relevante Dateien, Ressourcen, Rollen und Abhängigkeiten zu dbt build, indirekte Auswahl, Tags, result-Selektoren, gespeicherte Fehler, Flaky Tests, Quarantäne und CI-Abbruchregeln identifizieren und in einer Arbeitscheckliste festhalten.
3. Die erforderliche Konfiguration, den Code oder den Betriebsprozess schrittweise umsetzen und alle erzeugten Zwischenstände nachvollziehbar prüfen.
4. Funktion, Sicherheit, Wiederholbarkeit, Datenwirkung und Fehlerverhalten mit definierten Positiv-, Negativ- und Wiederanlauffällen bewerten.
5. Als Arbeitsergebnis ein abgestuftes Quality-Gate-Modell für Entwicklung, CI und Produktion dokumentieren, fachlich abnehmen und in einen wiederverwendbaren Projekt- oder Betriebsstandard überführen.

5. Konfliktlösung, Releases und Rollback

Schwerpunkt: Merge-Konflikte, parallele YAML-Änderungen, Rebase, Tags, Release Notes, Rücknahme von Änderungen und Datenfolgen.

1. Ausgangslage, Zielzustand und fachliche Grenzen für den Themenblock „Konfliktlösung, Releases und Rollback“ anhand des Laborprojekts erfassen.
2. Relevante Dateien, Ressourcen, Rollen und Abhängigkeiten zu Merge-Konflikte, parallele YAML-Änderungen, Rebase, Tags, Release Notes, Rücknahme von Änderungen und Datenfolgen identifizieren und in einer Arbeitscheckliste festhalten.
3. Die erforderliche Konfiguration, den Code oder den Betriebsprozess schrittweise umsetzen und alle erzeugten Zwischenstände nachvollziehbar prüfen.
4. Funktion, Sicherheit, Wiederholbarkeit, Datenwirkung und Fehlerverhalten mit definierten Positiv-, Negativ- und Wiederanlauffällen bewerten.
5. Als Arbeitsergebnis einen kontrollierten Freigabe- und Rücksetzprozess für Projektänderungen dokumentieren, fachlich abnehmen und in einen wiederverwendbaren Projekt- oder Betriebsstandard überführen.

Praxisübungen und Laborszenarien

• Zerlegung einer großen Änderung in reviewbare Commits und Pull Requests.
• Review eines absichtlich fehlerhaften Modells mit fachlichen und technischen Risiken.
• Lösung eines Merge-Konflikts in einer gemeinsam bearbeiteten Property-Datei.

Zielgruppe und Voraussetzungen

Zielgruppe: Analytics Engineers, Data Engineers, BI-Entwicklung, technische Teamleitungen und Reviewer.

Voraussetzungen: Grundkenntnisse in dbt Core und Git; ein gemeinsames Übungsrepository wird verwendet.

Didaktik und Arbeitsweise

Kurze Fachimpulse werden unmittelbar durch Demonstrationen, geführte Konfigurationsschritte, Code-Reviews und kontrollierte Fehlerfälle vertieft. Jede Übung arbeitet mit einem versionierten Laborprojekt, definierten Prüfpunkten und einer nachvollziehbaren Dokumentation.