Samenvatting
Liftoff maakt self-service dbt werkbaar door analisten alleen businesslogica en metric grain te laten beheren.
dbt-pijplijnen: een kleinere verantwoordelijkheid voor analisten
Tijdens dbt Summit 2026 beschreef Jinze Xin van Liftoff hoe een team van ongeveer tien supply-analisten self-service werkend kreeg. De analisten beheren in een afzonderlijk dbt-project, dbt-pico, alleen de businesslogica en de korrel van metrics.
Daarvoor gaf Liftoff analisten rechtstreeks toegang tot het productieproject, documentatie en training. Dat loste het kernprobleem niet op: analisten moesten zelf de repositorystructuur, goedgekeurde bronnen, git-workflow en incremental strategy begrijpen. Nieuwe productiedatasets belandden daardoor in een engineering-wachtrij die weken kon duren.
dbt-pico koppelt via dbt Mesh cross-project references aan het door engineering beheerde project. Engineering blijft verantwoordelijk voor incremental strategy, CI, planning, reviewpaden en deployment.
Waarom governed self-service dbt belangrijk is
Liftoff verving toegang tot het platform door een vertaallaag tussen bedrijfsvraag en productiecontract. Een AI-agent op basis van Claude Code skills vormt het toegangspunt. De analist beschrijft de behoefte in zakelijke taal; de agent gebruikt beheerde metadata en lineage om eerst te controleren of een bestaande dataset volstaat.
Pas daarna vertaalt de agent het resterende verzoek naar een datasetcontract met zowel de bedrijfsbetekenis als de technische vereisten. Dat model voorkomt dat iedere analist dezelfde technische keuzes moet maken. Tegelijk blijft de productie-uitkomst expliciet en controleerbaar.
De eerste versie van de agent produceerde nog te veel: één verzoek raakte elf bestanden, voegde ongeveer 620 regels toe en introduceerde vijf tussenmodellen. Dat laat zien waar de grens ligt tussen vrije generatie en gecontroleerde self-service. De aanpak richt zich dus niet op meer platformkennis, maar op een kleiner oppervlak met vaste technische verantwoordelijkheden.
Concrete takeaway voor dbt-professionals
Splits een analyst-owned dbt-pijplijn op in twee contracten: laat analisten businesslogica en metric grain beschrijven, terwijl engineering incremental strategy, CI, planning en deployment beheert. Test daarna of metadata, lineage en bestaande datasets de agent tot kleinere wijzigingen dwingen.
Verdiep je kennis
ETL uitgelegd — Extract, Transform, Load in gewone taal
Wat is ETL? Leer hoe Extract, Transform en Load werkt, het verschil met ELT, en welke tools je kunt gebruiken. Helder ui...
KennisbankData lakehouse uitgelegd — Het beste van twee werelden
Wat is een data lakehouse en waarom combineert het het beste van data warehouses en data lakes? Vergelijking, architectu...
KennisbankData-driven werken — Hoe begin je als organisatie?
Leer hoe je als organisatie data-driven gaat werken. Van data-volwassenheid tot cultuurverandering: een praktisch stappe...