-
dbt MCP Server : guide complet d'installation
Tutoriel pas à pas pour connecter dbt à vos assistants IA via MCP. Accédez aux modèles, métriques, lineage et exécutez des commandes dbt depuis Claude Desktop ou Claude Code.
-
Comprendre le terminal : guide complet pour les débutants de Claude Code
Apprenez les commandes essentielles du terminal et découvrez comment Claude Code les utilise. Un guide pratique pour les débutants qui veulent comprendre ce qui se passe en coulisses.
-
MCP, les fondamentaux du protocole : ce que les data engineers doivent savoir
Découvrez l'architecture MCP, les primitives essentielles et le modèle de sécurité. Les bases pour connecter vos assistants IA à votre infrastructure de données.
-
GA4 + dbt : un template de projet prêt pour la production
Un template complet de projet dbt pour les exports GA4 vers BigQuery avec traitement incrémental, tables d'événements sessionisées, patterns de tests et documentation.
-
GA4 User Stitching : réconcilier utilisateurs anonymes et authentifiés
Construisez des pipelines d'identity resolution dans BigQuery pour relier les utilisateurs GA4 anonymes à leurs identités authentifiées, avec des patterns dbt prêts pour la production.
-
Construire des tables de sessions à partir des événements GA4
Apprenez à sessioniser les exports BigQuery GA4 en construisant des tables d'événements enrichies avec l'identité de session, l'attribution et la position dans la séquence grâce aux window functions.
-
Unnester les événements GA4 : patterns pour chaque cas d'usage
Patterns SQL prêts pour la production pour extraire les données GA4 des arrays imbriqués dans BigQuery : e-commerce, événements d'engagement et modèles dbt.
-
Export GA4 BigQuery : la référence complète du schéma
Un guide pratique du schéma d'export GA4 vers BigQuery couvrant les structures imbriquées, les champs de source de trafic, les pièges critiques et les patterns de requêtes efficaces.
-
10 patterns SQL BigQuery que tout analytics engineer devrait connaître
Patterns BigQuery prêts pour la production : partitionnement, vues matérialisées, sketches HLL, données imbriquées, window functions, incrémentaux dbt et attribution.
-
On-Demand vs. Editions : quand changer de modèle de tarification BigQuery
Un guide pratique pour choisir entre la tarification On-Demand et Editions de BigQuery, avec des requêtes SQL pour analyser vos workloads et calculer les points d'équilibre.
-
Slots et réservations BigQuery : Le guide complet
Comprendre le fonctionnement des slots BigQuery, la hiérarchie des réservations, comparer les niveaux de tarification Editions, et optimiser l'utilisation des slots pour vos workflows dbt.
-
Partitioning vs. Clustering : le framework de décision
Un framework de décision pratique pour choisir entre le partitioning et le clustering BigQuery selon vos patterns de requêtes, la taille des tables et vos stratégies incrémentales dbt.
-
Architecture BigQuery pour Analytics Engineers : Le Guide Complet
Apprenez la hiérarchie des ressources BigQuery, les contraintes régionales, les patterns multi-environnements et la configuration IAM pour concevoir des systèmes analytiques scalables.
-
dbt-expectations : le package indispensable pour tout projet
Découvrez comment dbt-expectations ajoute plus de 50 tests de qualité de données à votre projet dbt : validation de patterns, contrôles de fraîcheur, validation statistique et plus encore.
-
Unit Testing vs. Data Testing : Quand utiliser chaque approche
Un cadre de décision pour choisir entre les tests unitaires dbt, les tests de données, dbt-expectations, Elementary et dbt-audit-helper selon ce que vous testez.
-
Unit Testing des modèles dbt : Exemples concrets et patterns
Patterns prêts à copier-coller pour tester les modèles incrémentaux, les snapshots, les fonctions de fenêtrage, la sessionisation GA4 et les modèles d'attribution dans dbt avec BigQuery.
-
Unit Testing dans dbt 1.8+ : Guide d'implémentation complet
Apprenez à implémenter les tests unitaires dbt de zéro. Couvre la syntaxe YAML, les solutions spécifiques à BigQuery pour les STRUCTs et ARRAYs, le mocking des dépendances et l'intégration CI/CD.
-
Stratégie de tests dbt : un cadre pour chaque projet
Un cadre pratique pour les tests dbt qui s'adapte des premiers projets aux pipelines d'entreprise, couvrant les tests de données, les tests unitaires, les contrats et les packages.
-
Optimisation des coûts BigQuery : le guide 80/20
Réduisez vos coûts BigQuery en vous concentrant sur le partitionnement, le clustering et la sélection des colonnes. Inclut des configurations dbt, des requêtes INFORMATION_SCHEMA et des garde-fous de gouvernance.
-
Vos premiers modèles dbt GA4 : des événements bruts aux sessions
Construisez des modèles dbt GA4 au niveau événement qui préservent la granularité. Découvrez le piège de la session key, l'extraction des event_params imbriqués, et un pattern à trois couches pour des analyses flexibles.
-
Base, Intermediate, Marts : quand utiliser chaque couche
Apprenez quand utiliser les couches base, intermediate et mart dans dbt. Des règles claires pour savoir où placer les jointures, la logique métier et les agrégations dans votre projet de transformation.
-
Structure de projet dbt : le guide complet
Un guide complet sur la structure des projets dbt : architecture à trois couches, conventions de nommage des entités, matérialisation des tables et exemples concrets en marketing analytics.
-
Connecter Claude Code à votre Data Warehouse (et pourquoi MCP n'est pas toujours nécessaire)
Cloudflare et Anthropic ont découvert que les LLMs écrivent mieux du code que des appels d'outils. Pour les utilisateurs BigQuery, cela signifie que la CLI pourrait battre MCP. Voici les preuves.
-
Workflows avancés avec Claude Code : tests, documentation et débogage pour les analytics engineers
Trois workflows prêts pour la production qui transforment Claude Code en partie intégrante de votre processus d'analytics engineering.
-
Automatiser les tâches répétitives : Hooks et commandes personnalisées pour les analytics engineers
Découvrez comment utiliser les hooks et les commandes slash personnalisées de Claude Code pour automatiser vos workflows dbt — du formatage automatique du SQL au blocage des commandes dangereuses en production.
-
Claude Code - Skills vs. Commandes
Les skills ne s'activent automatiquement que 20% du temps. Pour des workflows data répétables comme les audits dbt et la documentation de lineage, les commandes offrent la cohérence dont vous avez besoin.
-
Comment configurer CLAUDE.md pour votre projet dbt (et le rendre vraiment utile)
Apprenez à configurer CLAUDE.md pour vos projets dbt. Conseils pratiques sur les conventions de nommage, les pièges BigQuery, et l'art du minimalisme.
-
Comment j'utilise Claude Code pour les transformations dbt
Guide pratique d'utilisation de Claude Code avec dbt. De la génération de modèles de base au refactoring : ce qui marche vraiment au quotidien.
-
Claude Code pour la data : c'est quoi et pourquoi s'y intéresser
70% des analytics engineers utilisent l'IA pour coder. Découvrez Claude Code, l'outil agentique qui lit votre codebase dbt et génère du code selon vos patterns.
-
Votre première heure avec Claude Code en tant qu'analytics engineer
Installez et maîtrisez Claude Code en une heure. Guide pratique pour analytics engineers : installation, authentification, premiers modèles dbt et astuces essentielles.
-
n8n RSS vers Notion
Transformez vos flux RSS en base de connaissances automatisée avec n8n et ChatGPT. Fini le nettoyage manuel : récupérez et organisez vos articles dans Notion sans effort.
-
dbt Core vs. dbt Cloud
Examinons les différences entre dbt Cloud et dbt Core.
-
Déployer dbt Core sur une Google Cloud Function
Voici comment déployer dbt Core sur une Google Cloud Function.
-
Réussir la certification dbt
Découvrez les secrets pour réussir la certification d'Analytics Engineer de dbt dans cet article détaillé qui couvre les conseils pratiques, l'examen, et les ressources essentielles de la communauté pour vous préparer efficacement.
-
Guide pratique de dlt
Apprenez à construire des pipelines de données avec dlt (data load tool). De l'extraction API basique au chargement incrémental : un tutoriel pratique utilisant l'API GitHub.
Adrienne Vermorel
Articles
Outils & Plateformes
Sujets
Format