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asnd 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askw 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