Dans toutes les organisations de toute taille, les équipes data s'efforcent de maximiser leur impact : les data engineers en implémentant des pipelines efficaces pour rendre les données utilisables, les ML engineers et data scientists en utilisant ces données propres pour améliorer l'offre de l'organisation, et les data analysts en créant des rapports et visualisations pour générer des insights et informer les décisions produit. Malheureusement, les questions des parties prenantes business sont infinies, résultant en de nombreuses demandes ad-hoc qui réduisent souvent la vélocité et l'efficacité des équipes data. Comment résoudre cela et laisser la data se concentrer sur des objectifs stratégiques qui augmentent la valeur de leur contribution ? En autonomisant les utilisateurs business avec les outils pour examiner les données et répondre à leurs propres questions. Nous examinerons comment la puissance combinée de dbt et Apache Superset peut permettre aux équipes business avec n'importe quel niveau de familiarité avec les outils BI d'examiner les jeux de données et générer des insights par elles-mêmes. Nous démontrerons d'abord comment les data engineers peuvent créer des assets en utilisant dbt pour les cas d'usage analytiques, puis comment ces assets peuvent être importés dans Superset pour permettre l'exploration, et enfin nous plongerons dans les fonctionnalités de Superset que les parties prenantes business peuvent exploiter pour répondre à leurs questions, résultant en une utilisation optimale de la bande passante de l'équipe data. Au cours de cette présentation, nous utiliserons comme étude de cas une analyse d'entonnoir pour comprendre le parcours patient dans un site web offrant une assistance médicale.