【2026年版】dbt入門：SIer出身者が最速で理解するためのガイド【SQL書ける人向け】

転職体験談
2026.02.16

この記事の結論

  • dbt（data build tool）は、ひと言でいうと 「ストアドプロシージャの進化版」
  • SQLが書ければ十分。SIer出身者にとって、最も学習コストが低いモダンデータスタックのツール
  • まずは公式の jaffle_shop チュートリアル（dbt Cloud無料）を30分試すのが最短ルート

「dbtって何？データエンジニアの求人にやたら出てくるけど…」

dbt（data build tool）は、SQLでデータ変換を定義するツールです。SIer出身でSQLが書ける人にとっては、実は一番とっつきやすいモダンデータスタックのツールです。

この記事では、dbtの基本概念をSIerの経験に置き換えながら、最速で実務感を掴むためのガイドとして解説します。

dbtとは何か、SIerの言葉で説明する

一言でいうと、**dbtは「ストアドプロシージャの進化版」**です。

SIerで「ストアドプロシージャでデータを加工して、別テーブルに格納する」という処理を書いたことがある人は多いと思います。dbtがやっていることは本質的にこれと同じです。

違いは、ストアドプロシージャがデータベース内部に閉じているのに対して、dbtはSQLファイルをGitで管理して、テスト・ドキュメント生成・依存関係の管理まで自動でやってくれる点です。

SIer用語 ↔ dbt用語の対応表

SIerでよく使う概念dbtでの呼び方役割
ストアドプロシージャ／ビューdbt model（.sqlファイル）データ変換の最小単位
データの結合テストdbt test（YAMLで定義）NULL/ユニーク/参照整合性の自動チェック
設計書／ER図dbt docs（自動生成）テーブル間のリネージをビジュアル表示
ジョブの依存関係（JP1等）ref関数 {{ ref('...') }}dbtがビルド順序を自動解決
ステージングテーブルsources / staging生データとクレンジング層
データマートmartsビジネスユーザーが見る最終テーブル

この対応表を頭に入れるだけで、dbt公式ドキュメントの理解スピードが倍以上違います。

ストアドプロシージャ vs dbt（実務での違い）

観点ストアドプロシージャdbt
記述言語PL/SQL、T-SQL等（DB依存）標準SQL + Jinjaテンプレート
バージョン管理DBに直接保存（履歴管理が困難）Gitで管理、PR/レビュー可能
テスト手動またはアプリ側YAMLで宣言的に定義、CIで自動実行
ドキュメントExcel/手動自動生成、リネージ図付き
依存関係人間が管理ref関数で自動解決
DBポータビリティ低い（DBロックイン）高い（SnowflakeでもBigQueryでも動く）

SIer時代のストアドプロシージャ運用で「Excelの設計書とDBの実装が乖離」「依存関係の更新漏れで本番障害」という痛い目に遭った経験がある人なら、dbtの価値は刺さります。

dbtのアーキテクチャ（ETL → ELT）

dbtは「T（Transform）」だけを担当するツールです。

データの取得（Extract）やロード（Load）はFivetranやAirbyteが担当し、取り込まれたデータの変換（Transform）をdbtが担当します。つまり、ETLの「T」に特化したツールです。

最近は「ELT」という順番が主流で、まず生データをそのままクラウドDWHにロードして、その後dbtで変換するという流れが一般的です。

SIerでよくある「ステージングテーブルに生データを入れて、加工テーブルに変換結果を格納する」というパターンと同じです。dbtではこれを以下のレイヤーに分けます。

sources（ソース）： Fivetranなどで取り込まれた生データ。SIerでいうステージングテーブルです。

staging（ステージング）： ソースデータのクレンジングや型変換。カラム名の統一やNULL処理をここで行います。

intermediate（中間）： 複数のステージングモデルを結合した中間テーブル。複雑な変換ロジックを分割して可読性を上げます。

marts（マート）： ビジネスユーザーが直接参照する最終テーブル。SIerでいうデータマートです。BIツールやアナリストはここを見ます。

最初のdbt model はこう書く（コード例）

実際のdbt modelは、SELECT文を書くだけです。CREATE TABLEは不要。

-- models/staging/stg_orders.sql
SELECT
    order_id,
    customer_id,
    order_date,
    status,
    LOWER(TRIM(channel)) AS channel  -- 値の正規化
FROM {{ source('raw', 'orders') }}
WHERE order_date >= '2024-01-01'

-- models/marts/fct_customer_orders.sql
SELECT
    o.customer_id,
    COUNT(*) AS order_count,
    SUM(o.amount) AS total_amount,
    MAX(o.order_date) AS last_order_date
FROM {{ ref('stg_orders') }} AS o   -- ref関数でstg_ordersを参照
GROUP BY 1

{{ ref('stg_orders') }} と書くだけで、dbtが「stg_orders を先にビルドしてから fct_customer_orders をビルドする」という順序を自動で解決してくれます。

テスト定義も簡潔。

# models/staging/schema.yml
models:
  - name: stg_orders
    columns:
      - name: order_id
        tests:
          - unique
          - not_null
      - name: customer_id
        tests:
          - not_null

これだけで、dbt test 実行時に「order_idが一意でNULLでないこと」「customer_idがNULLでないこと」を自動チェックします。

💡 dbtを学び始めたら、市場にシグナルを送る

dbtの基礎を理解しただけでも、データエンジニアの求人市場では評価されます。スカウト型サービスのプロフィールに「dbt学習中」と書くだけで、dbt導入を検討している企業からオファーが届くことがあります。

👉 dbtスキルでスカウトが届くか試してみる（無料）

実際にdbtを触ってみる（30分で完了）

最速で体感するなら、dbtの公式チュートリアル 「jaffle_shop」 がおすすめです。

dbt Cloudの無料アカウントを作れば、ブラウザ上でdbtを試せます。ローカル環境の構築が不要なので、30分で最初のモデルを動かせます。

jaffle_shopチュートリアルでは、注文データと顧客データを使って、ステージング→マートの変換パイプラインを構築します。SQLが書ける人なら、チュートリアルの内容で躓くことはほとんどないはずです。

SIer経験者がdbtで戸惑うポイント

DDLを書かない。 SIer出身者は「まずCREATE TABLEしてからINSERT」に慣れていますが、dbtではSELECT文だけ書けばOKです。テーブルの作成はdbtが自動で行います。

YAMLの設定ファイル。 dbtではテスト定義やドキュメントをYAMLで書きます。SIerではExcelで管理していた情報が、すべてコードとしてGit管理されます。最初は違和感がありますが、慣れると圧倒的に効率的です。

Jinja テンプレート。 dbtではSQLの中に{{ }}や{% %}でJinjaテンプレートを書けます。動的SQLを生成するための仕組みで、最初は見慣れない構文に戸惑いますが、基本的なref関数とif文が使えれば実務は回ります。

ローカル開発でなくクラウド前提。 SIerでは「ローカルDBで開発→本番へ」が一般的ですが、dbtは基本的にSnowflake等のクラウドDWHに直接接続して開発します。

dbtを学ぶメリット

転職市場でのdbtの需要は急速に伸びています。データエンジニアの求人で「dbt経験歓迎」「dbt導入経験」という記載を見ない日はないほどです。

ただし、dbtの実務経験者はまだ少ないため、チュートリアルを完了して基本概念を理解しているだけでも、「dbtを知っている人」として評価されます。

SQLが書けるSIer出身者にとって、dbtは最も学習コストが低いモダンデータスタックのツールです。まずはjaffle_shopチュートリアルから始めてみてください。

よくある質問（FAQ）

Q. dbtはdbt Cloud（有料）と dbt Core（無料）どちらを使うべき？
A. 学習目的なら dbt Cloud の無料プラン（Developer Plan）が最速です。ローカル環境構築不要で、ブラウザだけで完結します。実務では会社の方針次第ですが、個人検証 → dbt Core、チーム運用 → dbt Cloud という選び方が一般的。

Q. dbtを使うのにPythonの知識は必要ですか？
A. 基本的に不要です。dbtはSQL + YAML + Jinja で完結します。Python知識が必要になるのはdbt Python modelsを使う場合のみで、これは応用編。

Q. dbtとAirflowの違いは？
A. 役割が違います。dbtは「データ変換（T）」を担当、Airflowは「ジョブのオーケストレーション」を担当。実務では「Airflowが日次でdbtを実行する」という連携パターンが一般的です。

Q. 個人で学習する場合のおすすめDB環境は？
A. Snowflakeの30日無料トライアル + dbt Cloud の無料プラン の組み合わせがベストです。両方とも個人で完結でき、本番に近い環境で学習できます。

Q. dbt経験を職務経歴書にどう書けばいい？
A. 「jaffle_shopチュートリアルを完了し、ステージング・マートの基本構成を理解」「個人プロジェクトで○○APIのデータをdbtで変換」など、具体的な範囲を明示してください。実務未経験を隠す必要はありません。詳細は SIer出身者向けの職務経歴書の書き方 を参照。

「dbtのチュートリアルを完了しているだけでも評価される」

これは実際に面接で言われた言葉です。学習中でも市場からの評価は得られます。

👉 無料登録してスカウトを受け取る（レバテックダイレクト）

▼ 関連記事

※この記事にはアフィリエイトリンクが含まれています。筆者が実際に利用したサービスのみ紹介しています。

コメント

タイトルとURLをコピーしました