Proyecto ETL con dbt y DuckDB: Análisis de Accidentes de Tránsito

Este proyecto realiza un pipeline de datos utilizando Python, DuckDB, y dbt para analizar datos abiertos sobre accidentes de tránsito. Los datos se descargan desde Kaggle y se procesan para generar modelos analíticos y reportes estructurados.

---

📁 Estructura del proyecto

dbt_kaggle_project/
├── data/                  # Base de datos y archivos CSV
│   ├── raw/               # Datos originales desde Kaggle
│   └── processed/         # (opcional) Datos transformados
│
├── docker/                # Dockerfile para el entorno dbt
├── kaggle_dbt/            # Proyecto dbt
│   ├── models/            # Modelos dbt
│   └── dbt_project.yml    # Configuración principal de dbt
│
├── scripts/               # Scripts auxiliares
│   ├── descargar_kaggle.py
│   ├── cargar_duckdb.py
│   └── explorar_duckdb.py
│
├── docker-compose.yml     # Configuración de servicios
└── README.md              # Este archivo

---

🚀 ¿Cómo usar este proyecto?

1. Clonar el repositorio y posicionarse en la carpeta raíz:

   git clone https://github.com/tu-usuario/dbt_kaggle_project.git
   cd dbt_kaggle_project

2. Instalar dependencias necesarias (recomendado: entorno virtual):

   pip install -r requirements.txt

3. Descargar el dataset de Kaggle:

   Asegúrate de tener configuradas tus credenciales de Kaggle y ejecutá:

   python scripts/descargar_kaggle.py

4. Cargar los datos en DuckDB:

   python scripts/cargar_duckdb.py

5. Ejecutar el proyecto dbt:

   cd kaggle_dbt
   dbt run
   dbt show --select accidents_by_year

---

👤 Autor

Leonardo Villegas
Ingeniero en Sistemas, entusiasta de los datos abiertos y la ingeniería de datos.

---

📄 Licencia

Este proyecto se distribuye bajo la Licencia MIT.
Ver el archivo LICENSE para más detalles.