Modern Data Stack na GCP
Analytics engineering orientado a data warehouse no BigQuery
O desafio
Times de analytics muitas vezes herdam lógica SQL espalhada por ferramentas e ambientes. Isso dificulta confiança, testes e evolução. Este projeto transforma analytics engineering em um fluxo repetível de produto com contratos de dados e padrões claros de entrega.
Como resolvemos
- - Provisionamento de storage e recursos analíticos com Terraform
- - Carga de dados de origem com scripts Python
- - Transformação e testes dos modelos de negócio no dbt
- - Uso de CI para validar mudanças antes da publicação
Historia de execucao
O Terraform provisiona recursos na GCP, o Python move os dados de origem, o dbt estrutura os modelos do warehouse e o GitHub Actions garante repetibilidade.
Do trabalho de warehouse para narrativa pública
Recrutadores e gestores dificilmente se importam com arquivos SQL isolados. Eles se importam com o que a plataforma permite. Este projeto transforma modelagem de warehouse em uma história voltada a confiança, repetibilidade e entrega analítica.
Reuso entre canais
Como o modelo de conteúdo é estruturado, este projeto pode ser ligado a notícias do setor e a rascunhos de LinkedIn com pouco trabalho manual.