dbt 2 arrive avec des changements majeurs. Et ce n’est pas juste une question de performances.
Pendant longtemps, dbt reposait sur une mécanique relativement simple : du Jinja, du SQL, un moteur Python et un data warehouse chargé de valider les requêtes.
Avec dbt 2, c’est une évolution beaucoup plus profonde qui se dessine.
Dans ce nouvel épisode court de DataWatch, je décrypte les 5 nouveautés les plus importantes de dbt 2, avec un angle très concret : ce qui change réellement pour les Data Engineers, les architectures data et les pipelines CI/CD.
Au programme : une observabilité native avec OpenTelemetry, une documentation repensée autour de DuckDB-Wasm, un moteur réécrit en Rust et des métadonnées désormais exploitables en Parquet.
Mais le changement le plus structurant est peut-être ailleurs : dbt commence à comprendre le SQL qu’il génère.
Et ça change beaucoup de choses. Détecter des erreurs avant d'interroger le data warehouse, réduire la consommation de compute, fiabiliser les transformations et renforcer les contrôles de gouvernance deviennent des possibilités concrètes.
Au-delà des gains de vitesse, c'est toute la façon de développer, tester et exploiter des projets dbt qui évolue.
En moins de 3 minutes, on fait le tour des 5 annonces à retenir, sans hype inutile, avec leurs impacts techniques.
Et vous, quelle nouveauté de dbt 2 vous semble la plus importante ? Le moteur Rust, la compréhension SQL ou le nouveau format des métadonnées ?
Chapitres00:00 Introduction — Le top 5 de dbt 2
00:06 #5 — Observabilité native avec OpenTelemetry
00:43 #4 — dbt Docs réinventé avec DuckDB-Wasm
01:27 #3 — Un nouveau moteur en Rust
01:55 #2 — dbt Information Schema en Parquet
02:41 #1 — La compréhension SQL native
#dbt #DataEngineering #DataWatch #dbtFusion #SQL
D'autres épisodes de "DataWatch"



Ne ratez aucun épisode de “DataWatch” et abonnez-vous gratuitement à ce podcast dans l'application GetPodcast.








