Databricks 宣佈推出分析工程師學習路徑
Databricks 推出了新的分析工程師學習路徑，為 SQL 從業者提供從數據建模到構建語義模型、ETL 管道和 AI 代理的全面課程。該路徑包含六門實踐課程，涵蓋數據建模、ETL 管道、語義模型、對話式代理等技能，旨在幫助構建可靠、可治理的數據基礎。課程現已上線 Databricks Academy，提供自定進度和講師指導兩種形式。
Databricks 今日宣佈推出全新的分析工程師學習路徑，旨在幫助 SQL 從業者構建可靠、可治理的數據基礎，以支持分析、儀表板和 AI 代理。該路徑是專為那些希望承擔更多數據所有權、從原始數據到可信任指標全流程掌控的 SQL 開發人員設計的。
隨着數據來源和消費方的增加，數據工程師的工作量已不堪重負。根據《經濟學人》企業報告，近三分之二的組織完全依賴數據工程師創建管道，其中近一半的工程師大部分時間僅用於配置和修復數據源連接。因此，分析工程的角色變得愈發重要——那些更接近業務、理解業務問題及指標的專業人士，正越來越多地承擔起構建模型、管道和指標的責任。
該學習路徑包含六門面向實踐的課程，覆蓋 Databricks 上完整的 SQL ETL 工具集：
- 分析基礎：瞭解 Databricks 上統一語義、AI/BI 儀表板和 Genie 的工作原理，約一小時的入門課程。
- 數據建模策略：學習設計可在生產環境中穩定運行的數據模型，包括使用 Delta Lake 和 Unity Catalog 定義數據架構、理解數據產品生命週期，以及應用數據集成與共享技術。
- 使用 SQL 構建 ETL 管道：利用物化視圖、流式表和 Lakeflow 作業構建生產級 SQL ETL 管道，涵蓋增量攝取、轉換以及處理緩慢變化維度（SCD Type 1 和 Type 2）等技術。
- 使用 Unity Catalog 指標視圖構建語義模型：學習用 SQL 定義和管理業務指標，並將其暴露給儀表板、Genie 空間和 SQL 工作流，同時應用治理、安全及維護實踐。
- 使用 Genie 構建可靠的對話式代理：設計、發佈並持續改進 Genie 空間，通過配置知識庫、編碼業務邏輯和管理權限，讓業務用户能夠信賴自然語言交互。
- 使用 Lakeflow Spark 聲明式管道構建管道：通過 Spark 聲明式管道編輯器構建端到端 SQL 管道，包括數據質量檢查、緩慢變化維度處理，以及通過事件日誌和指標分析執行。
所有課程均提供自定進度和講師指導兩種形式，完整路徑隨任何有效的 Databricks 學習訂閲免費提供。分析師工程師學習路徑現已登陸 Databricks Academy，立即開始探索吧。