【電子書】dbt 與 Analytics Engineering 實戰手冊：從零打造現代資料分析架構及專業職涯（iThome鐵人賽系列書）
活動訊息
用閱讀開啟視野，讓書成為照亮你人生的光
【金石堂選書】本月推薦您這些好書👉 快來看看
內容簡介
♛ 第一本 dbt 繁體中文書 ♛
資料分析師與工程師必讀的技術及職涯實戰指南
本書改編自第 15 屆 iThome 鐵人賽 AI & Data 組優選系列文章《被 dbt 帶入門的數據工作體驗 30 想》及其團隊夥伴作品。四位作者由不同身份和視角出發，分享如何透過 dbt 實踐 Analytics Engineering（分析工程）。
dbt 是一個以 SQL 為基底的開源資料轉換工具，採用軟體工程原則，如版本控制、測試、模組化，讓資料轉換更可靠且高效。本書將帶你動手建立 dbt 專案，親自體驗其優勢。
Analytics Engineering 則是隨著資料產業演化而發展出的新興領域，介於資料分析和資料工程之間，且和兩者的部分任務重疊。
除技術外，書中也會討論資料文化、如何打造資料團隊，以及資料專業的職涯規劃和發展。無論新手或老手，本書都是能為你提供獨到見解的實用指南。
重點摘要
✦ dbt 由淺入深
dbt Cloud 及 dbt Core 實作應用
✦ 動手操作
附範例、語法、操作截圖
✦ 資料分析必備
資料品質及建模最佳實踐
✦ 打造資料文化
資料團隊現代化經典案例
目標讀者
任何工作中使用資料的人。包含：
◆ 參與資料專案的成員，不論你在資料部門，或是支援資料專案的軟體部門。你負責資料轉換成資訊的過程，想嘗試新工具，解決原本資料流程遇到的痛點。
◆ 在工作上經常使用資料的角色，例如：行銷、Sales、PM、財務、營運人員等。你對資料、報表有好奇心、想知道資料轉換成資訊的過程，並且喜歡動手操作。
專業推薦
透過真實案例與深入見解，引導你有效導入 dbt，營造資料驅動環境。無論你是資料處理老手或新手，本書皆提供所需知識與工具，幫助組織進入資料引導決策的未來。
──── 高嘉良（CL Kao）｜Recce, CEO
這本書涵蓋了打造優秀數據團隊所需的全方位知識，不僅適合技術人員閱讀，也非常適合產品經理、商業分析師等角色參考。
──── Richard Lee｜TNL Mediagene 技術長
因緣際會被我推坑的 Taipei dbt Meetup 熱血志工群，融合真實經驗，以案例故事呈現 Data 如何貫穿企業，讓你認識 dbt 並一窺 Data Team 的重要定位。
──── 陳正瑋（艦長）｜DevOps Taiwan Community 志工╱前 Organizer
資料分析師與工程師必讀的技術及職涯實戰指南
本書改編自第 15 屆 iThome 鐵人賽 AI & Data 組優選系列文章《被 dbt 帶入門的數據工作體驗 30 想》及其團隊夥伴作品。四位作者由不同身份和視角出發，分享如何透過 dbt 實踐 Analytics Engineering（分析工程）。
dbt 是一個以 SQL 為基底的開源資料轉換工具，採用軟體工程原則，如版本控制、測試、模組化，讓資料轉換更可靠且高效。本書將帶你動手建立 dbt 專案，親自體驗其優勢。
Analytics Engineering 則是隨著資料產業演化而發展出的新興領域，介於資料分析和資料工程之間，且和兩者的部分任務重疊。
除技術外，書中也會討論資料文化、如何打造資料團隊，以及資料專業的職涯規劃和發展。無論新手或老手，本書都是能為你提供獨到見解的實用指南。
重點摘要
✦ dbt 由淺入深
dbt Cloud 及 dbt Core 實作應用
✦ 動手操作
附範例、語法、操作截圖
✦ 資料分析必備
資料品質及建模最佳實踐
✦ 打造資料文化
資料團隊現代化經典案例
目標讀者
任何工作中使用資料的人。包含：
◆ 參與資料專案的成員，不論你在資料部門，或是支援資料專案的軟體部門。你負責資料轉換成資訊的過程，想嘗試新工具，解決原本資料流程遇到的痛點。
◆ 在工作上經常使用資料的角色，例如：行銷、Sales、PM、財務、營運人員等。你對資料、報表有好奇心、想知道資料轉換成資訊的過程，並且喜歡動手操作。
專業推薦
透過真實案例與深入見解，引導你有效導入 dbt，營造資料驅動環境。無論你是資料處理老手或新手，本書皆提供所需知識與工具，幫助組織進入資料引導決策的未來。
──── 高嘉良（CL Kao）｜Recce, CEO
這本書涵蓋了打造優秀數據團隊所需的全方位知識，不僅適合技術人員閱讀，也非常適合產品經理、商業分析師等角色參考。
──── Richard Lee｜TNL Mediagene 技術長
因緣際會被我推坑的 Taipei dbt Meetup 熱血志工群，融合真實經驗，以案例故事呈現 Data 如何貫穿企業，讓你認識 dbt 並一窺 Data Team 的重要定位。
──── 陳正瑋（艦長）｜DevOps Taiwan Community 志工╱前 Organizer
目錄
推薦序一：打造資料驅動的組織及文化
推薦序二：打造卓越數據團隊的全方位指南
前言
PART 1 dbt 及 Analytics Engineering
CHAPTER 01 dbt 及 Analytics Engineering
1-1 dbt 與 Analytics Engineering 的誕生
1-2 資料環境演化
1-3 現代資料棧的誕生
PART 2 介紹 dbt Cloud、dbt Core 及實際操作
CHAPTER 02 頂台小籠包和 Jaffle Shop
2-1 頂台小籠包的數據分析草創期
2-2 為什麼頂台小籠包要用 dbt？
2-3 什麼團隊適合導入dbt？什麼團隊不適合？
2-4 頂台小籠包使用 dbt 的改變
2-5 操作 dbt 前的準備工作
2-6 資料平台的選擇
CHAPTER 03 開始使用 dbt Cloud
3-1 建立 dbt Cloud 專案
3-2 初始化專案、執行 SQL 查詢及建立 Model
3-3 將 dbt model 實體化：dbt run 指令
3-4 模組化：擺脫又臭又長的一整串語法
3-5 部署前的準備：建立 Pull Request 並將變更併入
3-6 在 dbt Cloud 建立部署環境及定時排程
CHAPTER 04 在 dbt Cloud IDE 上開發
4-1 dbt tests 簡介：以 example 資料夾為例
4-2 更多測試方法、dbt build 指令
4-3 dbt 文件：在 Cloud IDE 產生、閱讀及編輯文件
4-4 手動維護的 CSV 資料源：dbt seeds
4-5 Cloud IDE 錯誤排除觀念
4-6 dbt Cloud 進階功能：dbt Assist
4-7 dbt Cloud 的價格方案
CHAPTER 05 在本機使用 dbt Core
5-1 頂台小籠包重新評估改用 dbt Core
5-2 使用 dbt Cloud 或 dbt Core 的考量
5-3 設定 dbt Core 本機環境
5-4 在本機用 dbt Core 開發的基本操作
5-5 dbt 輔助開發神器：Power User for dbt Core
CHAPTER 06 dbt 指令功能介紹及操作案例
6-1 dbt 有什麼設定？ Configs 和 Property 是什麼？
6-2 好用的 dbt 指令參數介紹
6-3 dbt Jinja 及 Macros
6-4 dbt Package
6-5 dbt 如何客製化 dataset 和 table 命名
6-6 掌握 dbt incremental 的增量更新技巧
6-7 深度解析 dbt snapshot 設定步驟和各種策略
PART 3 實用資料觀念及最佳實踐
CHAPTER 07 資料品質管理
7-1 資料品質定義及影響因素
7-2 資料品質（Data Quality）的實作
7-3 dbt test 原理、使用方式
7-4 dbt test 常用的 package「dbt.utils」及「dbt_expectations」介紹
7-5 如何儲存和查詢 dbt test 結果？
7-6 dbt test 常用的 package「elementary」套件介紹、dbt test 結果通知
7-7 透過 dbt test 與 Recce 實現 CI 流程
CHAPTER 08 dbt 專案架構以及資料建模（Data Modeling）
8-1 dbt 的下游應用
8-2 資料建模（Data Modeling）的概念以及常見的類型
8-3 dbt 專案架構及命名原則
8-4 dbt_project_evaluator：自動檢查專案品質
8-5 dbt Cloud 的進階功能：dbt Semantic Layer
CHAPTER 09 進階資料建模實用案例：用 dbt 實作 Data Vault
9-1 Data Vault 介紹與概念
9-2 用 dbt 建立 DV 2.0：實作案例分享
PART 4 建立資料團隊及資料文化
CHAPTER 10 建立資料團隊
10-1 有效組織資料團隊
10-2 何時該調整資料團隊架構
10-3 如何評估資料團隊
10-4 如何思考及建立資料策略
10-5 Data Team 也是 Product team
CHAPTER 11 發展資料文化
11-1 如何提升資料素養？為什麼？
11-2 觀察現況並保持耐性
11-3 不要當 Data ATM
11-4 信任是合作的基石
11-5 製造小勝利以利發展資料文化
11-6 在計算指標之前，先確保定義一致
11-7 身為資料人，如何跟其他人協作
11-8 善用 BI
11-9 想達到的理想世界
PART 5 打造你的資料職涯
CHAPTER 12 頂台小籠包首位分析工程師明宏的資料職涯
12-1 明宏的資料職涯
12-2 用問題來描繪你的學習路徑
12-3 加入主管的行列
12-4 專業上的選擇
CHAPTER 13 你需要加入資料社群
13-1 為什麼你需要加入資料社群
13-2 如何玩社群
13-3 你的經驗值得分享
13-4 你也可以帶領社群
13-5 在 dbt 社群找到志同道合的朋友
APPENDIX A 結語及附錄
結語
特別感謝
名詞解釋
版權出處
推薦序二：打造卓越數據團隊的全方位指南
前言
PART 1 dbt 及 Analytics Engineering
CHAPTER 01 dbt 及 Analytics Engineering
1-1 dbt 與 Analytics Engineering 的誕生
1-2 資料環境演化
1-3 現代資料棧的誕生
PART 2 介紹 dbt Cloud、dbt Core 及實際操作
CHAPTER 02 頂台小籠包和 Jaffle Shop
2-1 頂台小籠包的數據分析草創期
2-2 為什麼頂台小籠包要用 dbt？
2-3 什麼團隊適合導入dbt？什麼團隊不適合？
2-4 頂台小籠包使用 dbt 的改變
2-5 操作 dbt 前的準備工作
2-6 資料平台的選擇
CHAPTER 03 開始使用 dbt Cloud
3-1 建立 dbt Cloud 專案
3-2 初始化專案、執行 SQL 查詢及建立 Model
3-3 將 dbt model 實體化：dbt run 指令
3-4 模組化：擺脫又臭又長的一整串語法
3-5 部署前的準備：建立 Pull Request 並將變更併入
3-6 在 dbt Cloud 建立部署環境及定時排程
CHAPTER 04 在 dbt Cloud IDE 上開發
4-1 dbt tests 簡介：以 example 資料夾為例
4-2 更多測試方法、dbt build 指令
4-3 dbt 文件：在 Cloud IDE 產生、閱讀及編輯文件
4-4 手動維護的 CSV 資料源：dbt seeds
4-5 Cloud IDE 錯誤排除觀念
4-6 dbt Cloud 進階功能：dbt Assist
4-7 dbt Cloud 的價格方案
CHAPTER 05 在本機使用 dbt Core
5-1 頂台小籠包重新評估改用 dbt Core
5-2 使用 dbt Cloud 或 dbt Core 的考量
5-3 設定 dbt Core 本機環境
5-4 在本機用 dbt Core 開發的基本操作
5-5 dbt 輔助開發神器：Power User for dbt Core
CHAPTER 06 dbt 指令功能介紹及操作案例
6-1 dbt 有什麼設定？ Configs 和 Property 是什麼？
6-2 好用的 dbt 指令參數介紹
6-3 dbt Jinja 及 Macros
6-4 dbt Package
6-5 dbt 如何客製化 dataset 和 table 命名
6-6 掌握 dbt incremental 的增量更新技巧
6-7 深度解析 dbt snapshot 設定步驟和各種策略
PART 3 實用資料觀念及最佳實踐
CHAPTER 07 資料品質管理
7-1 資料品質定義及影響因素
7-2 資料品質（Data Quality）的實作
7-3 dbt test 原理、使用方式
7-4 dbt test 常用的 package「dbt.utils」及「dbt_expectations」介紹
7-5 如何儲存和查詢 dbt test 結果？
7-6 dbt test 常用的 package「elementary」套件介紹、dbt test 結果通知
7-7 透過 dbt test 與 Recce 實現 CI 流程
CHAPTER 08 dbt 專案架構以及資料建模（Data Modeling）
8-1 dbt 的下游應用
8-2 資料建模（Data Modeling）的概念以及常見的類型
8-3 dbt 專案架構及命名原則
8-4 dbt_project_evaluator：自動檢查專案品質
8-5 dbt Cloud 的進階功能：dbt Semantic Layer
CHAPTER 09 進階資料建模實用案例：用 dbt 實作 Data Vault
9-1 Data Vault 介紹與概念
9-2 用 dbt 建立 DV 2.0：實作案例分享
PART 4 建立資料團隊及資料文化
CHAPTER 10 建立資料團隊
10-1 有效組織資料團隊
10-2 何時該調整資料團隊架構
10-3 如何評估資料團隊
10-4 如何思考及建立資料策略
10-5 Data Team 也是 Product team
CHAPTER 11 發展資料文化
11-1 如何提升資料素養？為什麼？
11-2 觀察現況並保持耐性
11-3 不要當 Data ATM
11-4 信任是合作的基石
11-5 製造小勝利以利發展資料文化
11-6 在計算指標之前，先確保定義一致
11-7 身為資料人，如何跟其他人協作
11-8 善用 BI
11-9 想達到的理想世界
PART 5 打造你的資料職涯
CHAPTER 12 頂台小籠包首位分析工程師明宏的資料職涯
12-1 明宏的資料職涯
12-2 用問題來描繪你的學習路徑
12-3 加入主管的行列
12-4 專業上的選擇
CHAPTER 13 你需要加入資料社群
13-1 為什麼你需要加入資料社群
13-2 如何玩社群
13-3 你的經驗值得分享
13-4 你也可以帶領社群
13-5 在 dbt 社群找到志同道合的朋友
APPENDIX A 結語及附錄
結語
特別感謝
名詞解釋
版權出處
訂購/退換貨須知
加入金石堂 LINE 官方帳號『完成綁定』，隨時掌握出貨動態：
提醒您！！
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機，請不要聽從指示，以免受騙上當！
購買須知：
使用金石堂電子書服務即為同意金石堂電子書服務條款。
電子書分為「金石堂(線上閱讀+APP)」及「Readmoo(兌換碼)」兩種：
- 請至會員中心→電子書服務「我的e書櫃」領取複製『兌換碼』至電子書服務商Readmoo進行兌換。
退換貨須知：
- 因版權保護，您在金石堂所購買的電子書僅能以金石堂專屬的閱讀軟體開啟閱讀，無法以其他閱讀器或直接下載檔案。
- 依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」，非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。（如：電子書、電子雜誌、下載版軟體、虛擬商品…等），不受「網購服務需提供七日鑑賞期」的限制。為維護您的權益，建議您先使用「試閱」功能後再付款購買。
商品評價