本文へスキップ
hdknr blog

dbt

DWH 上のデータ変換を SQL で書くツール。raw → staging → mart の層構成と、schema.yml の指標定義で BI と AI の共通の定義源になる

概要

dbt は、DWH に取り込んだ生データを分析しやすい形に変換する処理を SQL(+ YAML)で書くツール。モデルの列・説明・テストを schema.yml に書け、そこに指標の定義も置ける。AI に分析させる基盤では、BI と AI が同じ定義を見るための唯一の定義源として使われる。

詳細

層構成

層中身
raw取り込んだまま
staging型・名前を整える。PII のハッシュ化もここで行う
mart分析用に集計・結合したテーブル群

PKSHA の事例では Aurora の 200 テーブル弱を mart まで出すために staging と mart で 577 モデルを作った。dbt のモデル名はプロジェクト内で一意である必要があるので、プロダクトごとにプロジェクトを分け、プロジェクト境界を名前空間の境界にして衝突を仕組みで防いでいる。

アダプタ

DWH ごとに dbt-bigquery・dbt-redshift・dbt-athena などのアダプタがある。DWH を乗り換えるとハッシュ関数などの SQL 方言は書き換えが要るが、「どこに何を書くか」という設計は変わらない。

ガバナンスの置き場所としての meta

AI からの入口

dbt Labs は 2026 年 4 月に、セマンティックレイヤーと生テーブルへの Text-to-SQL の正答率比較を公開している(詳細はセマンティックレイヤー)。

業務システムとの二重定義に注意

業務システムの帳票と同じ指標を dbt でも定義すると、計算が 2 か所に存在する。代表値を業務 API と mart で突き合わせるテストを定期的に回し、計算ルールの仕様書は 1 つにする。

関連ページ

ソース記事