BigQuery für Data Analysts
Dieser Kurs richtet sich an Datenanalysten, die lernen möchten, wie sie BigQuery für ihre Analyseanforderungen nutzen können. Durch eine Kombination aus Präsentationen, Übungen und Demos behandeln wir verschiedene Themen, die erörtern, wie Sie Ihre Daten in BigQuery erfassen, transformieren und abfragen können, um Erkenntnisse zu gewinnen, die bei Geschäftsentscheidungen hilfreich sein können.
- Dauer: 2 Tage
- Sprachen: Englisch, Deutsch
- Niveau: Fortgeschritten
- Gruppengröße: Bis zu 16
Das lernen Sie
- Lernen Sie den Zweck und den Wert von BigQuery, dem Enterprise Data Warehouse von Google Cloud, kennen und besprechen Sie dessen Datenanalysefunktionen.
- Analysieren Sie große Datensätze in BigQuery mit SQL.
- Bereinigen und transformieren Sie Ihre Daten in BigQuery mit SQL.
- Nehmen Sie neue BigQuery-Datensätze auf und besprechen Sie Optionen für externe Datenquellen.
- Überprüfen Sie Visualisierungsprinzipien und nutzen Sie Connected Sheets und Looker Studio, um Dateneinblicke aus BigQuery zu visualisieren.
- Nutzen Sie Dataform, um skalierbare Datentransformations-Pipelines in BigQuery zu entwickeln.
- Nutzen Sie neue Integrationen und Assistenzfunktionen, die mit BigQuery Studio eingeführt wurden.
Voraussetzungen
- Einführung in die Datenanalyse in Google Cloud
Kursinhalt
Kurseinführung
- Dieses Modul stellt den Kursplan vor.
BigQuery für Datenanalysten
- Übersicht
- Datenanalyse in Google Cloud
- Von Daten zu Erkenntnissen mit BigQuery
- Praktische Anwendungsfälle von Unternehmen, die durch Analysen in Google Cloud transformiert wurden
Daten mit BigQuery explorieren und vorbereiten
- Übersicht
- Gängige Techniken zur Datenexploration
- Analyse großer Datensätze mit BigQuery
- Abfragegrundlagen
- Arbeiten mit Funktionen
- Anreichern von Abfragen mit UNIONs und JOINs
Daten bereinigen und transformieren
- Übersicht
- Fünf Prinzipien der Datensatzintegrität
- Daten mit SQL bereinigen und transformieren
- Daten bereinigen und transformieren: Weitere Optionen
Neue BigQuery-Datensätze aufnehmen und speichern
- Übersicht
- Permanente und temporäre Datentabellen
- Neue Datensätze aufnehmen
- Externe Datenquellen
Erkenntnisse aus BigQuery visualisieren
- Übersicht
- Prinzipien der Datenvisualisierung
- Verbundene Tabellenblätter
- Häufige Fallstricke bei der Datenvisualisierung
- Looker Studio
- Analyse in einem Notizbuch
Skalierbare Datentransformationspipelines in BigQuery mit Dataform entwickeln
- Übersicht
- Was ist Dataform?
- Erste Schritte mit Dataform
BigQuery Studio
- BigQuery Studio: Was und warum?
- Vereinheitlichte Analyse
- Asset-Management
- Eingebettete Unterstützung
Zusammenfassung
- Zusammenfassung
Passende Kurse
AlloyDB Grundlagen
Dieser Kurs beleuchtet die Vorteile von AlloyDB, insbesondere im Vergleich zu PostgreSQL in Cloud SQL. Er führt Sie durch die Architektur von AlloyDB und erklärt, wie Sie Deployments in Google Cloud konfigurieren.Der Kurs ist in zwei Teile gegliedert: AlloyDB Administration Essentials (Architektur und Konfiguration) und AlloyDB Optimization Essentials (Leistungsoptimierung).
Data Engineering in der Google Cloud
Sammeln Sie praktische Erfahrungen mit dem Entwurf und der Entwicklung von Datenverarbeitungssystemen in Google Cloud. Dieser Kurs vermittelt Ihnen anhand von Präsentationen, Demos und praktischen Übungen, wie Sie Datenverarbeitungssysteme entwerfen, End-to-End-Datenpipelines erstellen, Daten analysieren und maschinelles Lernen implementieren. Dieser Kurs behandelt strukturierte, unstrukturierte und Streaming-Daten.
Datenintegration mit Cloud Data Fusion
Dieser zweitägige Kurs führt die Teilnehmer in die Datenintegrationsfunktionen von Google Cloud mithilfe von Cloud Data Fusion ein. In diesem Kurs besprechen wir die Herausforderungen der Datenintegration und die Notwendigkeit einer Datenintegrationsplattform (Middleware). Anschließend erörtern wir, wie Cloud Data Fusion dabei helfen kann, Daten aus verschiedenen Quellen und Formaten effektiv zu integrieren und Erkenntnisse zu gewinnen. Wir werfen einen Blick auf die Hauptkomponenten von Cloud Data Fusion und deren Funktionsweise, wie man Batch-Daten und Echtzeit-Streaming-Daten mit visuellem Pipeline-Design, umfassender Nachverfolgung von Metadaten und Datenherkunft verarbeitet und wie man Datenpipelines auf verschiedenen Ausführungs-Engines bereitstellt.
Unsicher, welcher Kurs passt?
Buchen Sie ein 30-minütiges Gespräch. Wir schauen uns an, wo Ihr Team steht und was es können muss — und stellen daraus einen konkreten Kurstermin oder einen passenden Lernplan zusammen.