Ce hub couvre la décision de migrer de dbt vers Dataform et les étapes procédurales si vous décidez d’aller de l’avant. À 100 $/utilisateur/mois, une équipe analytics de 10 personnes paie 12 000 $ par an pour dbt Cloud. Dataform offre des capacités de transformation comparables à coût de licence zéro pour les utilisateurs BigQuery, mais la migration a des coûts réels et des compromis qui vont au-delà de la simple comparaison de licences.
Prérequis
Cette migration n’est pertinente que si vous êtes une équipe exclusivement sur BigQuery. Dataform fonctionne avec BigQuery et rien d’autre. S’il y a la moindre chance d’ajouter Snowflake, Databricks ou un autre entrepôt dans les prochaines années, la décision est déjà prise pour vous : restez sur dbt.
Vous devez être familier avec :
- Dataform as a GCP Service — ce qu’est réellement Dataform et comment il s’intègre dans l’écosystème GCP
- Mapping des concepts Dataform-dbt — la table de traduction entre la syntaxe des deux outils
La décision
Commencez ici avant de regarder les étapes procédurales.
- Dataform vs dbt : comparaison des coûts — L’équation de coût réelle : économies de licence moins les lacunes de l’écosystème, les coûts de migration et les surcoûts d’ingénierie cachés.
- La fusion dbt-Fivetran et le paysage 2026 — Comment la fusion dbt-Fivetran d’octobre 2025 a changé le contexte de cette décision.
- Cadre de décision Dataform — Quand Dataform est le bon choix et quand dbt gagne. La checklist de décision.
Ce que vous perdrez
Ces notes documentent les lacunes. Lisez-les avant de vous engager.
- Fonctionnalités dbt sans équivalent Dataform — Snapshots, l’écosystème de packages, la stratégie incrémentale microbatch, Slim CI. Les capacités qui n’ont pas d’équivalent Dataform et nécessiteront une implémentation manuelle ou des contournements.
- Limitations des tests Dataform — Les assertions intégrées de Dataform couvrent trois scénarios. L’écosystème de dbt en fournit des dizaines. Cet écart se creuse à mesure que la complexité du projet augmente.
- Lacunes de l’écosystème et des outils Dataform — Automatisation CI/CD, outillage IDE, écosystème de packages et verrouillage sur la plateforme.
La migration
Si vous avez décidé de procéder :
- Mapping des concepts Dataform-dbt — Table de référence : refs, configs, sources, matérialisations, structure des répertoires, lacunes de fonctionnalités.
- JavaScript vs Jinja en analytics engineering — Le problème de conversion des macros en profondeur : où la traduction syntaxique est mécanique et où elle nécessite de réécrire des algorithmes.
- Processus de migration dbt vers Dataform — Le guide procédural en six étapes : auditer votre projet, exécuter l’outil automatisé, convertir les macros en includes JavaScript, recréer les tests comme assertions, configurer l’orchestration et valider en parallèle.
- Patterns de validation de migration dbt — Comment prouver que la migration a produit des résultats équivalents : exécution parallèle, requêtes de comparaison, tests de régression ML, bascule progressive.