dbt nedir? Analytics engineering rehberi

2026 · analytics engineering · 20 dakika okuma

Veri mühendisleri veriyi taşır. Veri analistleri veriyi analiz eder. Peki ikisi arasında kim veriyi analiz için hazırlar? İşte bu boşluğu dolduran rol: analytics engineer. Ve bu rolün en önemli aracı: dbt.

dbt nedir?

dbt (data build tool) veri ambarı içindeki transform katmanını yönetir. SQL biliyorsan dbt öğrenebilirsin — ek bir programlama dili gerekmez.

Temel fikir şu: ham veriyi veri ambarına yükle (EL adımı), dönüşümü dbt ile SQL yazarak veri ambarı içinde yap (T adımı). Bu yaklaşıma ELT denir.

Kaynak DB → Fivetran/Airbyte → Veri Ambarı (ham)

↓ dbt transform

Staging → Intermediate → Mart (analiz hazır)

↓ BI araçları

Power BI / Tableau / Looker

Neden dbt?

dbt olmadan transform katmanı nasıl yönetilir? Genellikle şöyle:

Karmaşık SQL sorguları Excel'e kopyalanır
Kimse hangi sorgunun güncel olduğunu bilmez
"Gelir" metriği farklı departmanlarda farklı hesaplanır
Bir şeyi değiştirince başka şey bozulur, kimse fark etmez

dbt ile:

Tüm transform SQL dosyalarında, Git'te versiyon kontrolünde
Modeller birbirine bağlı, bağımlılıklar otomatik yönetilir
Test yazılır — veri kalitesi otomatik kontrol edilir
Dokümantasyon otomatik oluşur

Kurulum ve ilk proje

# dbt Core kurulumu (SQLite için)
pip install dbt-core dbt-sqlite

# Yeni proje oluştur
dbt init sifir_gecikme_analytics

# Proje yapısı
sifir_gecikme_analytics/
├── models/          # SQL modellerin burada
│   ├── staging/     # Ham veriden ilk temizleme
│   ├── intermediate/# Ara hesaplamalar
│   └── marts/       # Son analiz tabloları
├── tests/           # Veri kalite testleri
├── seeds/           # Küçük CSV dosyaları
├── macros/          # Tekrar kullanılabilir SQL
└── dbt_project.yml  # Proje konfigürasyonu

İlk model — Staging

Staging modelleri ham veriyi temizler ve standardize eder. Her kaynak tablo için bir staging modeli yazılır.

-- models/staging/stg_orders.sql
-- Ham sipariş verisini temizle ve standardize et

WITH source AS (
    -- Ham tablodan veriyi al
    SELECT * FROM {{ source('raw', 'orders') }}
),

renamed AS (
    SELECT
        -- Sütun adlarını standardize et
        id          AS order_id,
        customer_id,
        created_at  AS order_date,
        status      AS order_status,
        total_price AS order_total,

        -- Tip dönüşümleri
        CAST(total_price AS DECIMAL(10,2)) AS order_total_clean,
        DATE(created_at) AS order_date_only,

        -- Hesaplamalar
        CASE
            WHEN status = 'completed' THEN TRUE
            WHEN status = 'cancelled' THEN FALSE
            ELSE NULL
        END AS is_completed,

        -- Metadata
        CURRENT_TIMESTAMP AS dbt_updated_at

    FROM source
    WHERE id IS NOT NULL  -- NULL primary key'leri çıkar
)

SELECT * FROM renamed

Intermediate modeller

Ara hesaplamalar için kullanılır. Birden fazla staging modelini birleştirir, iş mantığını uygular.

-- models/intermediate/int_orders_with_customers.sql
-- Siparişleri müşteri bilgileriyle birleştir

WITH orders AS (
    SELECT * FROM {{ ref('stg_orders') }}
),

customers AS (
    SELECT * FROM {{ ref('stg_customers') }}
),

order_items AS (
    SELECT * FROM {{ ref('stg_order_items') }}
),

-- Sipariş başına toplam hesapla
order_totals AS (
    SELECT
        order_id,
        COUNT(*)              AS item_count,
        SUM(quantity)         AS total_quantity,
        SUM(quantity * price) AS calculated_total
    FROM order_items
    GROUP BY order_id
),

final AS (
    SELECT
        o.order_id,
        o.order_date,
        o.order_status,

        -- Müşteri bilgileri
        c.customer_id,
        c.customer_name,
        c.customer_city,
        c.customer_segment,

        -- Sipariş detayları
        ot.item_count,
        ot.total_quantity,
        ot.calculated_total,

        -- Türetilmiş metrikler
        DATEDIFF('day', c.first_order_date, o.order_date) AS customer_age_at_order

    FROM orders o
    LEFT JOIN customers c USING (customer_id)
    LEFT JOIN order_totals ot USING (order_id)
)

SELECT * FROM final

Mart modeller — Son analiz tabloları

BI araçlarının doğrudan bağlandığı tablolar. Kullanıcıya göre organize edilir: finans mart, pazarlama mart, müşteri mart gibi.

-- models/marts/fct_monthly_revenue.sql
-- Aylık gelir gerçekler tablosu

WITH orders AS (
    SELECT * FROM {{ ref('int_orders_with_customers') }}
    WHERE order_status = 'completed'
),

monthly_agg AS (
    SELECT
        DATE_TRUNC('month', order_date) AS month,
        customer_segment,
        customer_city,

        -- Metrikler
        COUNT(DISTINCT order_id)      AS order_count,
        COUNT(DISTINCT customer_id)   AS unique_customers,
        SUM(calculated_total)         AS total_revenue,
        AVG(calculated_total)         AS avg_order_value,
        SUM(item_count)               AS total_items_sold,

        -- Büyüme (window fonksiyon)
        SUM(calculated_total) / LAG(SUM(calculated_total)) OVER (
            PARTITION BY customer_segment
            ORDER BY DATE_TRUNC('month', order_date)
        ) - 1 AS mom_growth_rate

    FROM orders
    GROUP BY 1, 2, 3
)

SELECT * FROM monthly_agg
ORDER BY month DESC, total_revenue DESC

dbt testleri

Veri kalitesini otomatik test etmek dbt'nin en güçlü özelliklerinden biri. İki tür test var: genel (built-in) ve özel.

# models/staging/schema.yml
# YAML dosyasında test tanımları

version: 2

models:
  - name: stg_orders
    description: "Temizlenmiş sipariş veritabanı"
    columns:
      - name: order_id
        description: "Benzersiz sipariş ID"
        tests:
          - unique          # Tekrar yok mu?
          - not_null        # NULL var mı?

      - name: order_status
        tests:
          - accepted_values:
              values: ['pending', 'completed', 'cancelled', 'refunded']

      - name: customer_id
        tests:
          - not_null
          - relationships:  # Foreign key kontrolü
              to: ref('stg_customers')
              field: customer_id

      - name: order_total
        tests:
          - not_null
          - dbt_utils.accepted_range:
              min_value: 0
              max_value: 1000000

# Testleri çalıştır
dbt test

# Sadece bir modeli test et
dbt test --select stg_orders

# Çıktı örneği:
# 12:34:56 | 1 of 4 START test not_null_stg_orders_order_id [RUN]
# 12:34:56 | 1 of 4 PASS not_null_stg_orders_order_id [PASS in 0.12s]
# 12:34:56 | 2 of 4 START test unique_stg_orders_order_id [RUN]
# 12:34:56 | 2 of 4 PASS unique_stg_orders_order_id [PASS in 0.09s]

Makrolar — Tekrar kullanılabilir SQL

Jinja şablonlama ile SQL içinde fonksiyon yazabilirsin. Tekrar eden kod bloklarını makro olarak tanımla.

-- macros/cents_to_tl.sql
-- Kuruşu TL'ye çeviren makro

{% macro cents_to_tl(column_name) %}
    ({{ column_name }} / 100.0)
{% endmacro %}

-- macros/is_weekend.sql
{% macro is_weekend(date_column) %}
    CASE
        WHEN DAYOFWEEK({{ date_column }}) IN (1, 7) THEN TRUE
        ELSE FALSE
    END
{% endmacro %}

-- Kullanım:
-- SELECT {{ cents_to_tl('total_price') }} AS total_tl
-- SELECT {{ is_weekend('order_date') }} AS is_weekend

dbt ile çalışma akışı

# Modelleri çalıştır
dbt run

# Sadece bir modeli çalıştır
dbt run --select fct_monthly_revenue

# Model ve bağımlılarını çalıştır
dbt run --select +fct_monthly_revenue

# Testleri çalıştır
dbt test

# Dokümantasyon oluştur ve aç
dbt docs generate
dbt docs serve

# Seed dosyalarını yükle (küçük CSV'ler)
dbt seed

# Hepsini sırayla çalıştır
dbt build

Proje klasör yapısı — Gerçek dünya

analytics/
├── models/
│   ├── staging/              # 1. katman — ham veri temizleme
│   │   ├── _sources.yml      # Kaynak tanımları
│   │   ├── stg_orders.sql
│   │   ├── stg_customers.sql
│   │   └── stg_products.sql
│   │
│   ├── intermediate/         # 2. katman — iş mantığı
│   │   ├── int_orders_enriched.sql
│   │   └── int_customer_lifetime.sql
│   │
│   └── marts/               # 3. katman — son tablolar
│       ├── finance/
│       │   ├── fct_revenue.sql
│       │   └── fct_refunds.sql
│       ├── marketing/
│       │   ├── fct_campaigns.sql
│       │   └── dim_customers.sql
│       └── product/
│           └── fct_feature_usage.sql
│
├── macros/                   # Tekrar kullanılabilir SQL
├── seeds/                    # Statik referans verileri
├── tests/                    # Özel testler
├── analyses/                 # Ad-hoc analizler (deploy edilmez)
└── dbt_project.yml

dbt Cloud vs dbt Core

dbt Core

✓ Açık kaynak, ücretsiz

✓ Terminal ile çalışır

✓ Kendi ortamını kur

✓ CI/CD kendin kur

dbt Cloud

✓ Yönetilen platform

✓ Web arayüzü var

✓ Zamanlanmış çalıştırma

✓ IDE + loglama dahil

✓ Ücretsiz plan mevcut

Başlangıç için dbt Cloud'un ücretsiz planını öneririm. Kurulum yok, tarayıcıdan çalışır, hemen başlarsın. getdbt.com/signup → 5 dakikada hazır.

Özet

dbt veri ambarı içinde SQL ile transform yapar
Modeller staging → intermediate → marts hiyerarşisinde organize edilir
Testler veri kalitesini otomatik kontrol eder
ref() modeller arası bağımlılıkları yönetir
Git entegrasyonu ile tüm değişiklikler versiyonlanır
Başlamak için dbt Cloud ücretsiz plan yeterli

Önceki yazı: ETL nedir? Veriyi taşımanın sistematik yolu