Transformando dados

Introduction to Databricks SQL

Kevin Barlow

Data Manager

Motivação

Fluxo Lakehouse - Ingestão

Transformação no lakehouse

Diagrama do fluxo - Transformação

Limpando e transformando dados

Limpar dados da camada Bronze (bruta) para a Silver (pronta p/ análise)
Etapa crucial para tabelas a jusante
Atividades comuns
- Remover valores NULL
- Padronizar valores
- Ajustar tipos de dados

CREATE TABLE silver_layer AS (
SELECT DISTINCT c.id, 
    c.last_name || ', ' || c.first_name 
        AS name, 
    format(s.date,'YYYY-mm-dd') 
        AS sale_date, 
    round(s.price, 2) 
        AS sale_price
    s.item_name
FROM sales_data s
LEFT JOIN contacts c on c.id = s.id)

Agregando dados

Combinar e simplificar dados da Silver para a Gold (pronta p/ BI)
Feita para uma necessidade específica de BI
- Ótima candidata a views
Atividades comuns
- Remover colunas extras
- Agregar por dimensões
- Calcular métricas/KPIs

CREATE VIEW q3_revenue AS (
SELECT sum(revenue) AS total_rev,
  count(*) AS total_count,
  total_rev / total_count AS avg_sale,
  category,
  item
FROM silver_layer
WHERE date BETWEEN '2024-07-01' 
  AND '2024-09-30'
GROUP BY category, item)

Automatizando tarefas

GIF de fluxos de trabalho

Vamos praticar!

Introduction to Databricks SQL