定時率のレポートをウェアハウスに移す
Copperlineの定時率のレポートは、誰かが毎週月曜日に作り直すスプレッドシートです。ウェアハウスで作り直してください。Snowflakeで出荷ごとに現在の行を1行、テスト済みのdbtモデル、そしてオペレーションが信頼できるTableauのビューです。
レベル1:ビギナー
0 ポイント
サインインすると、デバイスをまたいで進捗を保存できます。
SQLのモデリング、Gitでのバージョン管理、dbtでのテスト付きの変換、クラウドのウェアハウスを学び、どのダッシュボードの数字も、信頼できる1か所から出てくるようにします。アナリティクスエンジニアに必要なスキルを使う順番に練習し、最後はウェアハウスのプロジェクト、ツールを横断する時間制限付きのアセスメント、面接です。
各レッスンの目安時間に基づくと、レッスンは合計約45時間です。
まだ何も完了していません。進捗はレッスンを終えるたびにこのブラウザーに保存され、サインインするとアカウントにも保存されます。
この順番でステップを進めてください。各ステップはコース全体ではなく、1つのコースのうちこの職種で使うユニットのセットです。ユニットを開くと、その最初のレッスンが始まります。
アナリティクスエンジニアは、1日中SQLを書きます。テーブルの照会、集計、結合、サブクエリとウィンドウ関数を使い、スキーマを設計し、分析のためにデータをモデル化します。ファクト、ディメンション、そしてすべてのテーブルの粒度です。
モデルはコードで、コードはレビューされます。コミット、履歴の確認、変更の一部のステージング、ブランチとマージを、dbtのプロジェクトがブランチから本番へ進むのと同じ流れで練習します。
仕事の中心はdbtです。プロジェクトを準備し、ソースを宣言し、モデルをビルドしてテストし、Jinjaでロジックを再利用し、データ品質のテストとドキュメントを加え、増分で処理し、履歴を残し、パッケージを使います。
作ったモデルは、クラウドのウェアハウスで動きます。Snowflakeの使い方に慣れ、クエリを書き、ウィンドウでレポートのロジックを作り、安全にデータを変更し、だれがどのレポートを見られるかを管理し、クエリプロファイルで遅い処理を見つけます。
ウェアハウスのフィールドとメジャーを再利用できる形で作り、結合の粒度をテストし、ダッシュボードの定義を保存します。地域ごとの閲覧制限にはアクセスフィルターを使い、共有する前に元データの合計と照らし合わせます。
各プロジェクトは架空の会社の依頼から始まり、実際の仕事と同じようにツールを行き来します。あるステージで作ったものが、次のステージの出発点になります。概要はすべて無料で読めます。
Copperlineの定時率のレポートは、誰かが毎週月曜日に作り直すスプレッドシートです。ウェアハウスで作り直してください。Snowflakeで出荷ごとに現在の行を1行、テスト済みのdbtモデル、そしてオペレーションが信頼できるTableauのビューです。
Wayfriendは、会う計画を立てた友人が実際に一緒に過ごしているかを知りたいと考えています。生のイベントをクリーニングし、合流をモデル化し、成功を測定して、翌日の作業を計画してください。
同じ月について、オペレーションはある定時率を、財務はそれより低い率を報告しています。理由を突き止め、両方のチームが合意するメジャーを書き、顧客に出す数字を提案します。
ユニットを終えたら、その職種のツールを横断して実力を確かめましょう。60分で15個の実践的な課題に取り組み、どの課題もそのツールの中で行い、自動で確認されます。ページを閉じてもタイマーは止まりません。
| ツール | 課題 | 分 |
|---|---|---|
| LookerとLookML | 3 | 11 |
| SQL | 3 | 11 |
| Git | 3 | 11 |
| dbt | 3 | 13 |
| Snowflake SQL | 3 | 11 |
アセスメントは無料です。結果は面接ハブのレポート形式による練習のフィードバックで、採用の判断ではありません。問題のプールが許す範囲で、再受験では別の課題が出題されます。
面接ハブでは、架空の雇用主でのアナリティクスエンジニアの面接をラウンドごとに進めます。口頭または文章で回答すると、面接官が掘り下げて質問し、レポートでは回答が引用されます。
アナリティクスエンジニアは、データエンジニアリングと分析の間に立つ仕事です。ウェアハウスに届いた生のテーブルから、ほかのみんながレポートに使う、きれいでテスト済みのモデルを作ります。売上の定義が1つ、アクティブな顧客のテーブルが1つ、定時率が1つ、という状態です。dbtでSQLを書き、お互いの変更をGitでレビューし、テストを加えておくことで、ソースが壊れたときに、誤った数字がダッシュボードに届く前に気づけるようにします。
あとのステップはすべてSQLなので、最初はSQLとモデリングです。dbtのプロジェクトはリポジトリの中にあるので、次はGitです。dbtは一番長いステップで、仕事の中心です。ウェアハウスは最後に学びます。そのころには、そこで何を動かすのかがわかっているからです。
「定時率のレポートをウェアハウスに移す」では、Copperlineで毎週月曜日にだれかが作り直しているスプレッドシートのレポートを、ウェアハウスに移します。Snowflakeの出荷ごとに最新の1行、テスト済みのdbtのモデル、運用チームが信頼できるビューです。「招待から合流へ」では、Wayfriendの生のイベントから合流をモデル化します。どちらも、アナリティクスエンジニアリングの面接で聞かれる種類のプロジェクトです。そのあとのアセスメントで、応募の前にどのツールを練習すればよいかがわかります。面接は、面接ハブのアナリティクスエンジニアの面接で練習できます。
データエンジニアは、データをウェアハウスに取り込み、パイプラインを動かし続けます。アナリティクスエンジニアは、取り込まれた生のテーブルを、アナリストやダッシュボードが使うテスト済みでドキュメントのあるモデルに変えます。データエンジニアのパスウェイがPythonとオーケストレーションを加えるのに対して、こちらはモデリングとdbtに深く入ります。
始めるのに必要はありません。アナリティクスエンジニアリングの大半は、SQL、dbt、Gitです。Pythonはあとで役に立つので、必要になったらPythonのコースを使ってください。
このパスウェイのレッスンは、合計で約45時間です。採用までの期間はお約束できません。
どのコースも最初のユニットは無料で、アカウントも要りません。One Courseでは1つのコースのすべてを、All Accessではパスウェイ全体を利用できます。料金は料金ページに載っています。