简单聊聊DBT
从 dbt 与 Cube 的不同侧重点出发，聊聊数据模型、Semantic Layer，以及统一业务语义对 Agent 的意义。
最近了解了 dbt 这样一个东西，比起产品本身，我觉得更有意思的是它背后的技术方向。
简单来说，它服务于数据分析。我们原本的数据可能散落在很多原始底表里，字段、关联关系和业务逻辑都比较复杂。
dbt 可以先通过 transformation，把这些原始数据整理成 view、table、incremental table 等数据模型；在这些模型之上，还可以继续通过 Semantic Layer 定义统一的 metrics、dimensions 等业务语义。
这样，上层的数据分析工具或者 Agent 就不需要每次重新理解底层表结构，也不需要自己重新计算“GMV”“活跃用户”“转化率”到底是什么意思，而是直接使用已经定义好的业务指标。
类似方向的还有 Cube。
Cube 更聚焦于 Semantic Layer 和查询这一层：先定义 metrics、dimensions、join 等业务语义，上层发起查询后，Cube 再把这些语义请求编译成实际 SQL，到数据仓库里执行；同时还可以通过预聚合、缓存等方式做查询加速。
所以如果粗略理解：
dbt 更像是：先把数据模型整理好，再在上面建立业务语义。
Cube 更像是：在数据仓库之上直接建立一层统一的业务语义和查询入口。
两者其实都指向同一个趋势：不要让 Agent 直接面对复杂的原始数据库，而是先给数据建立一层稳定、统一的语义上下文。
对 Agent 来说，这层 Semantic Layer 可能会越来越重要。