7.6 KiB
Candidati Spider 2.0-DBT con documentazione di dominio
Ricerca del 27 settembre 2026. Obiettivo: scegliere un database locale complesso, con materiale da curare come Source Evidence di ThothII. Non vengono usate domande del benchmark, SQL attesi o punteggi come criterio di selezione.
Raccomandazione
Shopify è il candidato da verificare per primo, perché combina commercio, pagamenti, rimborsi, inventario e ordini con documentazione dei significati e delle misure. Offre inoltre un dominio diverso dal Financial BIRD già proposto. QuickBooks è una valida alternativa se si preferisce la contabilità; Workday se si preferiscono personale e storia organizzativa. Questa priorità è una valutazione per il progetto, non una classificazione ufficiale Spider.
| Progetto Spider 2.0-DBT | Tabelle sorgente dichiarate | Coppie tabella/colonna descritte e distinte | Database locale indicato dal profilo |
|---|---|---|---|
Shopify, shopify001 |
34 | 578 | shopify.duckdb |
QuickBooks, quickbooks001 |
40 | 426 | quickbooks.duckdb |
Workday, workday001 |
21 | 436 | workday.duckdb |
Conteggi ricavati analizzando i rispettivi YAML sources[].tables[] e le
descrizioni delle colonne; non sono un'ispezione delle tabelle materializzate
nei file DuckDB. Alcune tabelle possono essere opzionali. Shopify ha 581
dichiarazioni di colonna, ma tre sono duplicate: order.total_shipping_price_set,
order_line.tax_code, order_line_refund.subtotal_set. I conteggi comprendono
anche metadati tecnici e riferimenti doc(...): non equivalgono a un numero
di Evidence Unit. Sono esclusi i pacchetti di utilità generica dbt.
Fonti: Shopify schema,
QuickBooks schema,
Workday schema.
Shopify: commercio e operazioni
Lo schema documenta ordini e righe d'ordine, clienti, prodotti e varianti,
transazioni, rimborsi, rettifiche, spedizioni, imposte, sconti, inventario,
sedi e checkout abbandonati. Le descrizioni specificano sia la granularità
delle entità sia il significato dei campi. Esempi di materiale semanticamente
utile: il subtotale è dopo gli sconti e prima di spedizione, imposte e mance;
processed_at è la data usata nei report analitici; l'ID API dell'ordine è
distinto dal numero mostrato al cliente; valuta del negozio e valuta presentata
al cliente hanno ruoli distinti. Le tre dichiarazioni duplicate richiedono
normalizzazione prima dell'importazione documentale.
Dizionario sorgente.
Il progetto aggiunge definizioni di modelli analitici, inclusi ordini, coorti
clienti e aggregazioni giornaliere del negozio; il solo models/shopify.yml
ne dichiara 10. Sono modelli dbt, da tenere distinti dalle 34 sorgenti e dalle
tabelle fisiche effettivamente disponibili. Queste definizioni sono un secondo
livello di materiale per Evidence su granularità e metriche.
Modelli analitici.
Il profilo indica esplicitamente DuckDB, percorso ./shopify.duckdb, schema
main. Non è necessario collegare un negozio Shopify reale per leggere il
database distribuito dal progetto.
Profilo.
QuickBooks: contabilità e documenti commerciali
Le 40 sorgenti dichiarate coprono conti, clienti, fornitori, fatture e righe, pagamenti, depositi, acquisti, ordini, note di credito, trasferimenti e registrazioni contabili. Il dizionario definisce classificazioni dei conti e tipi delle righe fattura, distinguendo elementi di vendita, descrizione, sconto e subtotale. Dizionario sorgente.
La documentazione del libro mastro contiene una regola esplicita utile come
Evidence: l'importo aumenta il conto quando il tipo di movimento corrisponde
al lato di incremento del conto, e lo diminuisce altrimenti. Definisce inoltre
importi convertiti e saldi progressivi. models/quickbooks.yml dichiara 29
modelli tra intermedi e analitici: non sono 29 ulteriori tabelle sorgente
garantite. I due file di documentazione contengono complessivamente 120 blocchi
docs (68 nel progetto, 52 nel pacchetto sorgente); anche qui sono definizioni
da selezionare e curare, non 120 Evidence Unit già validate.
Modelli e regole contabili,
glossario progetto,
glossario sorgente.
Il profilo usa ./quickbooks.duckdb.
Profilo.
Workday: personale, ruoli e storia organizzativa
Le sorgenti documentate comprendono lavoratori, posizioni, famiglie
professionali, organizzazioni, assegnazioni e diverse tabelle storiche.
Il glossario contiene 409 blocchi docs; molti sono definizioni brevi di
attributi, non regole articolate. Fra i concetti documentati figurano FTE
retribuito e lavorato, stato attivo/cessato, compensi, date di assunzione e
appartenenze organizzative. La complessità temporale e organizzativa è
interessante, ma il glossario da solo non giustifica chiamarlo il candidato
con più Evidence di qualità.
Sorgenti,
glossario.
Il profilo usa ./workday.duckdb.
Profilo.
Download e prossimo controllo prima della scelta definitiva
Il README ufficiale fornisce due download Google Drive. Lo script di setup
attende DBT_start_db.zip e dbt_gold.zip, estrae i file DuckDB e li distribuisce
nei progetti e nella suite di riferimento. Per ThothII va scelto consapevolmente
il contenuto da usare come esempio: non occorre importare il meccanismo di
valutazione del benchmark. Questa ricerca verifica la pubblicazione del
percorso di download e la configurazione locale; non verifica il download
integrale, dimensioni, righe, licenza dei singoli dati o schema fisico.
README,
setup ufficiale.
Prima di promettere il pacchetto di installazione occorre scaricare il candidato, confrontare tabelle e colonne reali con la documentazione, verificare copertura delle entità e consistenza dei dati, e scegliere quali definizioni diventino Source Evidence. Per PostgreSQL la conversione proposta è schema esplicito più dati esportati; CSV sarebbe un formato derivato. Vanno preservati tipi numerici, date, valute, valori nulli e contenuti strutturati eventualmente presenti, adattando le sole trasformazioni necessarie. Non è ancora stato implementato o testato alcun convertitore.