В своей работе мы часто сталкиваемся с быстро-меняющимися требованиями заказчика, за которыми разработка не всегда может поспевать. В докладе поговорим о подходе Railway oriented и инструментарии, который поможет в какой-то момент не превратить наш код в тыкву.

Все мы знаем, что существует множество способов преобразования данных — от простых скриптов на коленке и длинных SQL-запросов до сложных платформ, таких как Airflow. Однако часто эти методы имеют свои недостатки и не удовлетворяют нашим потребностям.

В этом докладе мы рассмотрим, как dbt и Python могут решить многие проблемы в области преобразования и подготовки данных для аналитики. Разберем, как сделать пайплайн для обработки наших данных с тестированием и версионированием. Добавим в скучный SQL шаблонизатор Jinja и функции на Python.

Расскажу, как он мне помогает:

• Погружать разработчиков в культуру разработки;
• Гарантировать качество кода, деливери;

И вскрывает амплитуду тем от DDD до R.O.P.

Подробнее остановлюсь на всегда валидной доменной модели.