dbt LabsAnalytics EngineeringPrépare la certification dbt Analytics Engineering
Entraîne-toi avec 260+ questions originales en français, des examens blancs chronométrés et des explications détaillées sur les modèles, tests, materializations, Jinja, macros, snapshots et déploiement.
Essai gratuit · Questions corrigées · Examens blancs chronométrés · Préparation indépendante
Questions corrigées
Domaines couverts
Examen blanc chronométré
Questions et corrections
Détails de l’examen dbt Analytics Engineering
Les tarifs et la disponibilité peuvent évoluer : vérifie toujours sur la page officielle avant l’inscription.
Code examen
dbt Analytics Engineering Certification
Éditeur
dbt Labs
Niveau
Practitioner · Analytics Engineering
Format
65 questions (QCM en ligne surveillé)
Durée
120 minutes
Score requis
63 % de bonnes réponses
Langue de l’examen
Anglais
Validité
2 ans
Prérequis
Aucun officiel · ~6 mois de pratique dbt recommandés
Tarif
200 USD
Tarif officiel dbt Labs — vérifier les variations selon la région
Source officielle : getdbt.com — dbt Certifications
Compétences mesurées par dbt
Les 5 domaines avec leurs pondérations à jour. Chaque domaine est couvert par des questions originales en français, classées par difficulté.
Développer des modèles dbt
30%Écrire des modèles SQL avec ref() et source(), choisir la bonne materialization (table, view, incremental, ephemeral) et structurer son projet.
- •ref() · source() · DAG dbt
- •Materializations : table, view, incremental, ephemeral
- •Naming conventions · staging · marts
- •Generic vs singular tests
- •Configuration via config() et yml
Tester et documenter
20%Garantir la qualité avec tests génériques, tests singuliers, model contracts et documentation.
- •Tests : not_null, unique, accepted_values, relationships
- •Singular tests · custom generic tests
- •Model contracts · constraints · expectations
- •schema.yml · descriptions · doc blocks
- •dbt docs generate / serve
Déployer des projets dbt
20%Déployer en CI/CD : environnements, dbt Cloud, selectors, tags, dbt build et bonnes pratiques de Git.
- •Environnements : dev, CI, prod · profiles.yml
- •dbt Cloud · jobs · webhooks · deferral
- •Selectors : tags, paths, state:modified+
- •dbt build · test · run · ordering
- •Git workflow · pull request · review
Concepts fondamentaux de l’analytics engineering
15%Comprendre le rôle d’analytics engineer, ELT vs ETL, le data warehouse moderne et les couches de transformation.
- •ELT vs ETL · Modern Data Stack
- •Couches : staging, intermediate, marts
- •One Big Table vs star schema
- •Surrogate keys · grain · slowly changing dims
- •Bonnes pratiques de modélisation analytique
Utiliser Jinja et les macros
15%Templating Jinja, macros personnalisées, packages dbt, variables et hooks.
- •Syntaxe Jinja : {%- -%} · for · if
- •Macros · args · returns · imports
- •Packages : dbt_utils, codegen, dbt_expectations
- •Variables (var, env_var) · run_query · log
- •Hooks (on-run-start / on-run-end) · pre/post hooks
Teste-toi avec une question dbt
Format proche de l’examen : QCM, distracteurs réalistes, explication détaillée et piège fréquent à éviter.
Pourquoi préparer dbt avec DataCertification ?
Questions corrigées
Questions originales en français avec explication détaillée : bonne réponse, mauvaises réponses et pièges classiques (ref vs source, contracts vs tests, materializations).
Examens blancs chronométrés
Reproduction des conditions dbt : 65 questions, 120 minutes, score sur 100 et bilan par domaine.
Focus Jinja & déploiement
Les 30 % de Jinja / déploiement sont couverts en profondeur : macros, hooks, selectors, CI/CD avec dbt Cloud.
Entraînement pratique complémentaire
Renforce l’analytics engineering et SQL pour ancrer les concepts dbt dans la réalité du métier.
Complète ta préparation avec de la pratique
dbt valide les concepts, mais en mission tu modèles, tu testes et tu écris du SQL. Ces 2 labs te donnent l’ancrage métier.
Pratiquer l’analytics engineering
Modélisation Medallion, SCD type 2, tests qualité, chargements incrémentaux — exactement ce que tu construis avec dbt.
Découvrir le Lab Analytics EngineeringRenforcer SQL
Window functions, CTEs, MERGE, requêtes analytiques avancées — la base de presque tous tes modèles dbt.
S’entraîner en SQLCe que tu dois maîtriser avant l’examen
Concepts qui apparaissent le plus dans la certif dbt et qui causent le plus d’erreurs en mission analytics engineer.
- ✓ref() et source() : impact sur le DAG dbt
- ✓Materializations : table, view, incremental (incremental_strategy)
- ✓Tests génériques : not_null, unique, accepted_values, relationships
- ✓Tests singuliers et custom generic tests
- ✓Model contracts et constraints
- ✓Snapshots SCD type 2 (timestamp, check)
- ✓Jinja : control flow, filters, expressions
- ✓Macros et packages (dbt_utils, codegen)
- ✓Hooks (pre/post-hook, on-run-start / on-run-end)
- ✓Selectors : tags, paths, state:modified+
- ✓dbt build vs run vs test · ordering
- ✓CI/CD avec dbt Cloud ou Cloud + Git providers
Questions fréquentes sur dbt
Qu’est-ce que la certification dbt Analytics Engineering ?
Quels sujets sont couverts par l’examen ?
Combien de temps faut-il pour préparer l’examen ?
Les questions DataCertification sont-elles les vraies questions de l’examen ?
L’examen est-il disponible en français ?
Quels entraînements pratiques sont recommandés ?
Quelle certification faire après dbt Analytics Engineering ?
DataCertification est-il affilié à dbt Labs ?
Prêt à décrocher ta certification dbt ?
260+ questions, examens blancs chronométrés et focus Jinja / déploiement. Commence gratuitement.
Essai gratuit · Aucune carte bancaire requise
Explore aussi
DataCertification est une plateforme éducative indépendante, non affiliée à dbt Labs. dbt® est une marque de dbt Labs, Inc. Les questions sont créées à des fins pédagogiques et ne proviennent pas de l’examen officiel.