Usages concrets
- Orchestrer et version-contrôler transformations données.
- Créer une couche sémantique unifiée.
- Documenter et tracer dépendances entre modèles.
Avantages et inconvénients
Ce que dbt fait particulièrement bien — et les limites à anticiper.
Avantages
- Open source et gratuit (dbt Core).
- Excellente pour collaborer sur transformations SQL.
- Semantic Layer et découvrabilité de données.
- Intégrations warehouse natives et matures.
- Documentation automatisée et lineage.
Inconvénients
- Courbe d'apprentissage SQL requise.
- Orchestration cloud payante (dbt Cloud).
- Pas idéal pour utilisateurs non-techniques.
- Sièges Enterprise coûtent cher.
dbt : quand ça a du sens.
dbt est indispensable pour les équipes analytics/data qui veulent professionnaliser transformations et collaboration ; pour petit volume et SQL basique, les transformations warehouse suffisent.
À garder si
Votre équipe données est à l'aise avec SQL.. Vous gérez des pipelines ELT complexes.
À challenger si
Vous préférez un outil low-code/no-code.. Votre pipeline est très simple.
