~/questoes/dados
Modelos modulares no dbt são transformações SQL independentes e reutilizáveis que representam pedaços lógicos do seu pipeline de dados. Em vez de escrever uma query gigante que faz tudo, você quebra o problema em modelos pequenos que podem ser referenciados em múltiplos lugares, reduzindo duplicação de código e facilitando atualizações.
Usar modelos modulares permite que você defina uma transformação comum uma única vez e a reutilize em vários lugares do projeto. Isso elimina duplicação de código, reduz bugs e torna muito mais fácil atualizar regras de negócio, já que você muda o código em um só lugar e todos os modelos que dependem dele recebem a atualização automaticamente.
Modelos modulares não reduzem tempo de execução comparado ao warehouse nativo. De fato, quebrar queries em modelos pode até aumentar ligeiramente o tempo total, mas isso é compensado pela facilidade de manutenção e reutilização. A vantagem não é performance bruta, e sim organização.
Modularização no dbt não automatiza backups. Backups de dados são responsabilidade do warehouse (Snowflake, BigQuery, etc.), não do dbt. O dbt é uma ferramenta de transformação, não de backup ou infraestrutura de armazenamento.
Esta é a resposta correta. A grande vantagem da modularização é poder reutilizar transformações. Um modelo pode limpar dados brutos, outro aplica regras de negócio, e múltiplos dashboards podem usar o mesmo modelo intermediário sem duplicar a lógica.
Modularização não elimina a necessidade de testes. Na verdade, testes ficam ainda mais importantes em arquiteturas modulares porque você precisa garantir que cada modelo funciona corretamente e que dependências entre modelos não quebram. dbt encoraja testes, não os torna desnecessários.