<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>Dbt on Python Brasil — Aprenda Python em Português</title>
    <link>https://python.dev.br/tags/dbt/</link>
    <description>Recent content in Dbt on Python Brasil — Aprenda Python em Português</description>
    <generator>Hugo</generator>
    <language>pt-br</language>
    <lastBuildDate>Sun, 31 May 2026 11:40:27 +0000</lastBuildDate>
    <atom:link href="https://python.dev.br/tags/dbt/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>dbt com Python: Analytics Engineering para Dados Confiáveis</title>
      <link>https://python.dev.br/blog/dbt-python-analytics-engineering/</link>
      <pubDate>Sun, 31 May 2026 00:00:00 +0000</pubDate>
      <guid>https://python.dev.br/blog/dbt-python-analytics-engineering/</guid>
      <description>&lt;p&gt;Quem trabalha com Python em dados costuma começar com scripts: um arquivo lê CSV, outro consulta uma API, outro limpa colunas, outro gera uma planilha. Esse caminho é natural para aprender, mas fica difícil de manter quando a análise vira rotina do time. Sem uma camada organizada de transformação, cada dashboard passa a ter sua própria regra de negócio, os nomes de colunas mudam sem aviso, o mesmo cálculo aparece em três lugares e ninguém sabe se a tabela final ainda está confiável.&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
