GSP412

Informações gerais

O BigQuery é um banco de dados de análise NoOps, totalmente gerenciado e de baixo custo desenvolvido pelo Google. Com ele, você pode consultar muitos terabytes de dados sem ter que gerenciar uma infraestrutura ou precisar de um administrador de banco de dados. O BigQuery usa SQL e está disponível no modelo de pagamento por uso. Assim, você pode se concentrar na análise dos dados para encontrar informações relevantes.

A mesclagem de tabelas de dados gera insights significativos sobre o conjunto de dados. No entanto, alguns problemas comuns podem corromper os resultados ao mesclar dados. Este laboratório explica como evitá-los. Tipos de mesclagem:

• Cross join (Correlação): combina cada uma das linhas do primeiro conjunto de dados com uma linha do segundo, e todas as combinações são representadas nos resultados.
• Inner join (Mesclagem interna): exige que as chaves-valor estejam em ambas as tabelas para que os registros sejam incluídos nos resultados. Esses registros só aparecerão na mesclagem se houver correspondências das chaves-valor nas duas tabelas.
• Left join (Mesclagem à esquerda): todas as linhas da tabela à esquerda aparecem nos resultados, mesmo sem correspondências à direita.
• Right join (Mesclagem à direita): é o contrário de uma mesclagem à esquerda. Todas as linhas da tabela à direita são incluídas nos resultados, mesmo que não haja correspondências à esquerda.

Para mais informações, consulte a página sobre mesclagens.

Você usará um conjunto de dados de comércio eletrônico com milhões de registros do Google Analytics referentes à Google Merchandise Store e carregados no BigQuery. Com uma cópia do conjunto de dados, você analisará os campos e linhas disponíveis para extrair insights.

Se você quiser informações sobre sintaxe para acompanhar e atualizar as consultas, consulte Sintaxe de consultas SQL padrão.

Atividades

Neste curso, você vai aprender a:

• Usar o BigQuery para conferir e resolver problemas nas linhas duplicadas em um conjunto de dados.
• Criar mesclagens de tabelas de dados.
• Escolher entre os diferentes tipos de mesclagens.

Configuração e requisitos

Antes de clicar no botão Começar o Laboratório

Leia estas instruções. Os laboratórios são cronometrados e não podem ser pausados. O timer é ativado quando você clica em Iniciar laboratório e mostra por quanto tempo os recursos do Google Cloud vão ficar disponíveis.

Este laboratório prático permite que você realize as atividades em um ambiente real de nuvem, e não em uma simulação ou demonstração. Você vai receber novas credenciais temporárias para fazer login e acessar o Google Cloud durante o laboratório.

Confira os requisitos para concluir o laboratório:

• Acesso a um navegador de Internet padrão (recomendamos o Chrome).

Observação: para executar este laboratório, use o modo de navegação anônima (recomendado) ou uma janela anônima do navegador. Isso evita conflitos entre sua conta pessoal e de estudante, o que poderia causar cobranças extras na sua conta pessoal.

• Tempo para concluir o laboratório: não se esqueça que, depois de começar, não será possível pausar o laboratório.

Observação: use apenas a conta de estudante neste laboratório. Se usar outra conta do Google Cloud, você poderá receber cobranças nela.

Como iniciar seu laboratório e fazer login no console do Google Cloud

1. Clique no botão Começar o laboratório. Se for preciso pagar por ele, uma caixa de diálogo vai aparecer para você selecionar a forma de pagamento. No painel Detalhes do Laboratório, à esquerda, você vai encontrar o seguinte:

   • O botão Abrir Console do Google Cloud
   • O tempo restante
   • As credenciais temporárias que você vai usar neste laboratório
   • Outras informações, se forem necessárias

2. Se você estiver usando o navegador Chrome, clique em Abrir console do Google Cloud ou clique com o botão direito do mouse e selecione Abrir link em uma janela anônima.

   O laboratório ativa os recursos e depois abre a página Fazer Login em outra guia.

   Dica: coloque as guias em janelas separadas lado a lado.

   Observação: se aparecer a caixa de diálogo Escolher uma conta, clique em Usar outra conta.

3. Se necessário, copie o Nome de usuário abaixo e cole na caixa de diálogo Fazer login.

   {{{user_0.username | "Username"}}}

   Você também encontra o nome de usuário no painel Detalhes do Laboratório.

4. Clique em Próxima.

5. Copie a Senha abaixo e cole na caixa de diálogo de Olá.

   {{{user_0.password | "Password"}}}

   Você também encontra a senha no painel Detalhes do Laboratório.

6. Clique em Próxima.

   Importante: você precisa usar as credenciais fornecidas no laboratório, e não as da sua conta do Google Cloud. Observação: se você usar sua própria conta do Google Cloud neste laboratório, é possível que receba cobranças adicionais.

7. Acesse as próximas páginas:

   • Aceite os Termos e Condições.
   • Não adicione opções de recuperação nem autenticação de dois fatores (porque essa é uma conta temporária).
   • Não se inscreva em testes gratuitos.

Depois de alguns instantes, o console do Google Cloud será aberto nesta guia.

Observação: para acessar os produtos e serviços do Google Cloud, clique no Menu de navegação ou digite o nome do serviço ou produto no campo Pesquisar.

Abrir o console do BigQuery

1. No Console do Google Cloud, selecione o menu de navegação > BigQuery:

Você verá a caixa de mensagem Olá! Este é o BigQuery no Console do Cloud. Ela tem um link para o guia de início rápido e as notas de versão.

2. Clique em OK.

O console do BigQuery vai abrir.

Tarefa 1. Crie um novo conjunto de dados para armazenar as tabelas

No projeto do BigQuery, crie um novo conjunto de dados intitulado ecommerce.

1. Clique nos três pontos ao lado do ID do projeto e selecione Criar conjunto de dados.

A caixa de diálogo Criar conjunto de dados será aberta.

2. Defina o ID do conjunto de dados como ecommerce.

3. Deixe as demais opções nos valores padrão e clique em Criar conjunto de dados.

No painel esquerdo, você verá uma tabela ecommerce relacionada no projeto.

Selecione Verificar meu progresso para conferir o objetivo.

Criar um conjunto de dados

Tarefa 2. Fixe o projeto do laboratório no BigQuery

Cenário: a equipe cria um novo conjunto de dados com os níveis de estoque de cada um dos produtos à venda no seu site de ecommerce. Conheça melhor os produtos do site e os campos que podem ser mesclados com outros conjuntos de dados.

O projeto com o novo conjunto de dados é chamado data-to-insights.

1. No Menu de navegação () do console do Google Cloud, clique em BigQuery.

A caixa de mensagem "Olá! Este é o BigQuery no console do Cloud" vai aparecer.

Observação: a caixa de mensagem "Este é o BigQuery" no console do Cloud tem um link para o guia de início rápido e as atualizações da interface.

2. Clique em Concluído.

3. Por padrão, o BigQuery não mostra conjuntos de dados públicos. Para abrir o projeto de conjuntos de dados públicos, copie data-to-insights (para colar em uma caixa de diálogo na próxima etapa).

4. Clique em + Adicionar > Marcar um projeto com estrela por nome e cole "data-to-insights".

5. Clique em Marcar com estrela.

O projeto data-to-insights aparece listado na seção Explorer.

Tarefa 3. Examine os campos

Em seguida, conheça melhor os produtos e campos do site para criar consultas e analisar o conjunto de dados.

1. No painel esquerdo, acesse a seção "Recursos" e navegue até data-to-insights > ecommerce > all_sessions_raw.

2. À direita, no "Editor de consultas", clique na guia Esquema para ver os campos e as informações sobre eles.

Tarefa 4. Identifique um campo chave no conjunto de dados de ecommerce

Examine os produtos e campos mais detalhadamente. Conheça melhor os produtos do site e os campos que podem ser mesclados com outros conjuntos de dados.

Analise os registros

Nesta seção, você verá quantos nomes e SKUs de produtos estão no site e se algum desses campos é exclusivo.

1. Saiba quantos nomes e SKUs de produtos estão no site. Copie e cole a seguinte consulta no EDITOR do BigQuery:

#standardSQL # how many products are on the website? SELECT DISTINCT productSKU, v2ProductName FROM `data-to-insights.ecommerce.all_sessions_raw`

2. Clique em Executar.

Nos resultados de paginação no console, procure o número total de registros retornados.

Será que esses resultados indicam que existem muitas SKUs exclusivas de produtos? Uma das primeiras consultas que você vai executar como analista de dados é observar a exclusividade dos valores dos dados.

3. Limpe a consulta anterior e execute a consulta abaixo para listar o número de SKUs diferentes usando DISTINCT:

#standardSQL # find the count of unique SKUs SELECT DISTINCT productSKU FROM `data-to-insights.ecommerce.all_sessions_raw`

Examine a relação entre SKU e nome

Agora, determine quais produtos têm mais de uma SKU e quais SKUs têm mais de um nome de produto.

1. Limpe a consulta anterior e execute a consulta abaixo para determinar se há nomes de produtos com mais de uma SKU. A função STRING_AGG() é usada para agregar todas as SKUs de produtos associadas a um nome de produto em valores separados por vírgulas.

SELECT v2ProductName, COUNT(DISTINCT productSKU) AS SKU_count, STRING_AGG(DISTINCT productSKU LIMIT 5) AS SKU FROM `data-to-insights.ecommerce.all_sessions_raw` WHERE productSKU IS NOT NULL GROUP BY v2ProductName HAVING SKU_count > 1 ORDER BY SKU_count DESC

2. Clique em Executar.

Resultados:

O catálogo do site de ecommerce mostra que cada nome de produto pode ter diversas opções (como tamanho e cor), que são vendidas como SKUs separadas.

Então você percebeu que um produto pode ter 12 SKUs. E quanto a uma SKU? Pode pertencer a mais de um produto?

• Limpe a consulta anterior e execute a consulta abaixo para descobrir:

SELECT productSKU, COUNT(DISTINCT v2ProductName) AS product_count, STRING_AGG(DISTINCT v2ProductName LIMIT 5) AS product_name FROM `data-to-insights.ecommerce.all_sessions_raw` WHERE v2ProductName IS NOT NULL GROUP BY productSKU HAVING product_count > 1 ORDER BY product_count DESC

Observação: tente substituir STRING_AGG() por ARRAY_AGG(). Não é incrível? O BigQuery oferece suporte nativo a valores de matrizes aninhadas. Saiba mais em Trabalhar com matrizes.

Na próxima seção, você vai entender por que esse relacionamento de dados de muitos para muitos é um problema.

Selecione Verificar meu progresso para conferir o objetivo.

Identificar um campo chave no conjunto de dados de ecommerce

Tarefa 5. Problema: chave não exclusiva

No rastreamento de estoque, as SKUs foram feitas para identificar cada produto de maneira exclusiva. Para nós, serão a base da condição JOIN ao pesquisar informações de outras tabelas. Como vamos estudar em breve, a presença de uma chave não exclusiva pode causar sérios problemas aos dados.

1. Crie uma consulta para identificar todos os nomes de produtos referentes à SKU 'GGOEGPJC019099'.

Possível solução:

SELECT DISTINCT v2ProductName, productSKU FROM `data-to-insights.ecommerce.all_sessions_raw` WHERE productSKU = 'GGOEGPJC019099'

2. Clique em Executar.

v2ProductName	productSKU
7" Dog Frisbee	GGOEGPJC019099
7" Dog Frisbee	GGOEGPJC019099
Google 7-inch Dog Flying Disc Blue	GGOEGPJC019099

Nos resultados da consulta, parece que há três nomes diferentes para o mesmo produto. No exemplo, um dos nomes tem um caractere especial, e o outro é um pouco diferente dos demais:

Como mesclar dados do site com a lista de inventário de produtos

Observe o impacto de mesclar um conjunto de dados com vários produtos da mesma SKU. Primeiro, confira o conjunto de dados do inventário de produtos (a tabela de produtos) para saber se a SKU é exclusiva.

• Limpe a consulta anterior e execute a consulta abaixo:

SELECT SKU, name, stockLevel FROM `data-to-insights.ecommerce.products` WHERE SKU = 'GGOEGPJC019099'

Problema de mesclagem: relação não intencional de muitas SKUs para uma

Agora você tem dois conjuntos de dados: um para o nível de estoque e outro para análises do nosso site. Use JOIN para relacionar o conjunto de dados do inventário com os nomes de produtos e SKUs do site para ter o nível de estoque associado a cada produto à venda no site.

1. Limpe a consulta anterior e execute a consulta abaixo:

SELECT DISTINCT website.v2ProductName, website.productSKU, inventory.stockLevel FROM `data-to-insights.ecommerce.all_sessions_raw` AS website JOIN `data-to-insights.ecommerce.products` AS inventory ON website.productSKU = inventory.SKU WHERE productSKU = 'GGOEGPJC019099'

Em seguida, expanda a consulta anterior para aplicar SUM (soma) ao estoque disponível por produto.

2. Limpe a consulta anterior e execute a consulta abaixo:

WITH inventory_per_sku AS ( SELECT DISTINCT website.v2ProductName, website.productSKU, inventory.stockLevel FROM `data-to-insights.ecommerce.all_sessions_raw` AS website JOIN `data-to-insights.ecommerce.products` AS inventory ON website.productSKU = inventory.SKU WHERE productSKU = 'GGOEGPJC019099' ) SELECT productSKU, SUM(stockLevel) AS total_inventory FROM inventory_per_sku GROUP BY productSKU

Ah, não! O resultado é 154 x 3 = 462 ou contagem tripla do inventário. Isso é chamado de correlação não intencional (um tópico que vamos revisar mais tarde).

Selecione Verificar meu progresso para conferir o objetivo.

Problema: chave não exclusiva

Tarefa 6. Solução do problema de mesclagem: use SKUs diferentes antes de mesclar

Quais são as opções para resolver o dilema da contagem tripla? Primeiro, é preciso selecionar apenas SKUs distintas do site antes de mesclar com outros conjuntos de dados.

Pode haver mais de um nome de produto (como 7" Dog Frisbee) compartilhando uma única SKU.

1. Reúna todos os nomes possíveis em uma matriz:

SELECT productSKU, ARRAY_AGG(DISTINCT v2ProductName) AS push_all_names_into_array FROM `data-to-insights.ecommerce.all_sessions_raw` WHERE productSKU = 'GGOEGAAX0098' GROUP BY productSKU

Agora, em vez de ter uma linha para cada nome de produto, você terá apenas uma linha para cada SKU exclusiva.

2. Se você quiser eliminar a duplicação dos nomes dos produtos, limite a matriz assim:

SELECT productSKU, ARRAY_AGG(DISTINCT v2ProductName LIMIT 1) AS push_all_names_into_array FROM `data-to-insights.ecommerce.all_sessions_raw` WHERE productSKU = 'GGOEGAAX0098' GROUP BY productSKU

Problema de mesclagem: perda de registros de dados após uma mesclagem

Agora está tudo pronto para mesclar o conjunto de dados do inventário de produtos novamente.

1. Limpe a consulta anterior e execute a consulta abaixo:

#standardSQL SELECT DISTINCT website.productSKU FROM `data-to-insights.ecommerce.all_sessions_raw` AS website JOIN `data-to-insights.ecommerce.products` AS inventory ON website.productSKU = inventory.SKU

Parece que 819 SKUs foram perdidas após a mesclagem dos conjuntos de dados. Investigue adicionando mais detalhes nos campos (uma coluna SKU de cada conjunto de dados):

2. Limpe a consulta anterior e execute a consulta abaixo:

#standardSQL # pull ID fields from both tables SELECT DISTINCT website.productSKU AS website_SKU, inventory.SKU AS inventory_SKU FROM `data-to-insights.ecommerce.all_sessions_raw` AS website JOIN `data-to-insights.ecommerce.products` AS inventory ON website.productSKU = inventory.SKU # IDs are present in both tables, how can you dig deeper?

Parece que as SKUs estão nos dois conjuntos de dados após a mesclagem dos 1.090 registros. Como encontrar os registros perdidos?

Solução do problema da mesclagem: selecione o tipo de mesclagem correto e filtre por NULL

O tipo padrão de JOIN é o INNER JOIN que retorna registros somente se houver uma correspondência nas tabelas à esquerda e à direita que foram mescladas.

1. Reescreva a consulta anterior para usar um outro tipo de mesclagem que inclua todos os registros da tabela do site, independentemente de haver correspondência no registro de SKUs do inventário de produtos. As opções de tipo de mesclagem são: INNER JOIN, LEFT JOIN, RIGHT JOIN, FULL JOIN e CROSS JOIN.

Possível solução:

#standardSQL # the secret is in the JOIN type # pull ID fields from both tables SELECT DISTINCT website.productSKU AS website_SKU, inventory.SKU AS inventory_SKU FROM `data-to-insights.ecommerce.all_sessions_raw` AS website LEFT JOIN `data-to-insights.ecommerce.products` AS inventory ON website.productSKU = inventory.SKU

2. Clique em Executar.

Você usou LEFT JOIN para retornar todas as 1.909 SKUs originais do site nos resultados.

Quantas SKUs faltam no conjunto de inventário de produtos?

1. Escreva uma consulta para filtrar os valores NULL da tabela de inventário.

Possível solução:

#standardSQL # find product SKUs in website table but not in product inventory table SELECT DISTINCT website.productSKU AS website_SKU, inventory.SKU AS inventory_SKU FROM `data-to-insights.ecommerce.all_sessions_raw` AS website LEFT JOIN `data-to-insights.ecommerce.products` AS inventory ON website.productSKU = inventory.SKU WHERE inventory.SKU IS NULL

2. Clique em Executar.

Pergunta: quantos produtos faltam?

Resposta: 819 produtos estão faltando (SKU IS NULL) no conjunto de dados do inventário de produtos.

• Limpe a consulta anterior e execute a consulta abaixo para confirmar o uso de uma das SKUs específicas do conjunto de dados do site:

#standardSQL # you can even pick one and confirm SELECT * FROM `data-to-insights.ecommerce.products` WHERE SKU = 'GGOEGATJ060517' # query returns zero results

E o contrário? Há algum produto no conjunto de dados do inventário de produtos que não está no site?

1. Escreva uma consulta usando um outro tipo de mesclagem para investigar.

Possível solução:

#standardSQL # reverse the join # find records in website but not in inventory SELECT DISTINCT website.productSKU AS website_SKU, inventory.SKU AS inventory_SKU FROM `data-to-insights.ecommerce.all_sessions_raw` AS website RIGHT JOIN `data-to-insights.ecommerce.products` AS inventory ON website.productSKU = inventory.SKU WHERE website.productSKU IS NULL

2. Clique em Executar.

Resposta: sim. Faltam duas SKUs de produtos no conjunto de dados do site.

Em seguida, adicione mais campos do conjunto de dados do inventário de produtos para saber mais detalhes.

• Limpe a consulta anterior e execute a consulta abaixo:

#standardSQL # what are these products? # add more fields in the SELECT STATEMENT SELECT DISTINCT website.productSKU AS website_SKU, inventory.* FROM `data-to-insights.ecommerce.all_sessions_raw` AS website RIGHT JOIN `data-to-insights.ecommerce.products` AS inventory ON website.productSKU = inventory.SKU WHERE website.productSKU IS NULL

Por que os produtos abaixo estão faltando no conjunto de dados do site de ecommerce?

website_SKU	SKU	name	orderedQuantity	stockLevel	restockingLeadTime	sentimentScore	sentimentMagnitude
null	GGOBJGOWUSG69402	USB wired soundbar - in store only	10	15	2	1.0	1.0
null	GGADFBSBKS42347	PC gaming speakers	0	100	1	null	null

Possíveis respostas:

• Um deles é um produto novo (não há pedidos ou "sentimentScore") e outro é um produto disponível "somente na loja" (in store only).
• Outro é um novo produto com "0" pedido.

Por que os novos produtos não aparecem no conjunto de dados do site?

• O conjunto de dados do site contém transações de clientes de pedidos anteriores. Os produtos novos que nunca foram vendidos não serão exibidos na análise da Web até que sejam visualizados ou comprados.

Observação: em geral, não há RIGHT JOINs em consultas em ambientes de produção. É mais simples usar LEFT JOIN e alterar a ordem das tabelas.

E se você quisesse uma consulta que listasse todos os produtos que não constam no site ou no inventário?

1. Escreva uma consulta usando um outro tipo de mesclagem.

Possível solução:

#standardSQL SELECT DISTINCT website.productSKU AS website_SKU, inventory.SKU AS inventory_SKU FROM `data-to-insights.ecommerce.all_sessions_raw` AS website FULL JOIN `data-to-insights.ecommerce.products` AS inventory ON website.productSKU = inventory.SKU WHERE website.productSKU IS NULL OR inventory.SKU IS NULL

2. Clique em Executar.

Você tem 819 + 2 = 821 SKUs.

LEFT JOIN + RIGHT JOIN = FULL JOIN de produtos, que retorna todos os registros de ambas as tabelas, sem depender das chaves de mesclagem correspondentes. Depois, basta filtrar as instâncias sem correspondência em um dos lados.

Problema de mesclagem: correlação não intencional

Não saber a relação entre as chaves das tabelas de dados (1:1, 1:N, N:N) pode gerar resultados inesperados, além de prejudicar significativamente o desempenho da consulta.

O último tipo de mesclagem é CROSS JOIN.

Crie uma nova tabela com a porcentagem de desconto que você quer aplicar em todo o site nos produtos da categoria "Promoção".

1. Limpe a consulta anterior e execute a consulta abaixo:

#standardSQL CREATE OR REPLACE TABLE ecommerce.site_wide_promotion AS SELECT .05 AS discount;

No painel à esquerda, agora está listado o site_wide_promotion, na seção "Recursos" do projeto e conjunto de dados.

2. Limpe a consulta anterior e execute a consulta abaixo para encontrar a quantidade de produtos em promoção:

SELECT DISTINCT productSKU, v2ProductCategory, discount FROM `data-to-insights.ecommerce.all_sessions_raw` AS website CROSS JOIN ecommerce.site_wide_promotion WHERE v2ProductCategory LIKE '%Clearance%'

Observação: não há condição de mesclagem para o CROSS JOIN (por exemplo, ON ou USING). O campo é multiplicado pelo primeiro conjunto de dados ou 0,05 de desconto em todos os itens.

Acompanhe o impacto da adição não intencional de mais de um registro na tabela de descontos.

3. Limpe a consulta anterior e execute a consulta abaixo para inserir mais dois registros na tabela de promoção:

INSERT INTO ecommerce.site_wide_promotion (discount) VALUES (.04), (.03);

Agora, vamos conferir os valores de dados na tabela de promoção.

4. Limpe a consulta anterior e execute a consulta abaixo:

SELECT discount FROM ecommerce.site_wide_promotion

Quantos registros foram retornados?

Resposta: 3

O que acontecerá se você aplicar o desconto novamente a todos os 82 produtos em promoção?

5. Limpe a consulta anterior e execute a consulta abaixo:

SELECT DISTINCT productSKU, v2ProductCategory, discount FROM `data-to-insights.ecommerce.all_sessions_raw` AS website CROSS JOIN ecommerce.site_wide_promotion WHERE v2ProductCategory LIKE '%Clearance%'

Quantos produtos foram retornados?

Resposta: em vez de 82, foram retornados 246. São muito mais registros do que havia na tabela inicial.

Para investigar a causa, analise uma SKU de produto.

6. Limpe a consulta anterior e execute a consulta abaixo:

#standardSQL SELECT DISTINCT productSKU, v2ProductCategory, discount FROM `data-to-insights.ecommerce.all_sessions_raw` AS website CROSS JOIN ecommerce.site_wide_promotion WHERE v2ProductCategory LIKE '%Clearance%' AND productSKU = 'GGOEGOLC013299'

Qual foi o impacto da CROSS JOIN?

Resposta: como existem três códigos de desconto para correlacionar, o conjunto de dados original é multiplicado por 3.

Observação: esse comportamento não se limita a correlações. Com uma mesclagem normal é possível haver correlações não intencionais quando as relações entre os dados são de muitos para muitos. Isso pode resultar em milhões ou mesmo bilhões de registros retornados de forma não intencional.

A solução é conhecer as relações entre os dados antes da mesclagem e não presumir que as chaves são exclusivas.

Selecione Verificar meu progresso para conferir o objetivo.

Solução para o problema de mesclagem

Parabéns!

Você concluiu este laboratório e lidou com alguns problemas sérios da mesclagem de SQL ao identificar registros duplicados e reconhecer quando usar cada tipo de JOIN. Bom trabalho!

Próximas etapas / Saiba mais

• Você tem uma conta do Google Analytics e quer consultar seus próprios conjuntos de dados no BigQuery? Siga este guia de exportação.
• Conheça as práticas recomendadas sobre como otimizar a computação em consultas.
• Se quiser praticar mais a sintaxe SQL de mesclagem com JOIN, leia as seções sobre JOIN na documentação do BigQuery.
• Confira estes laboratórios:
  • Como trabalhar com dados dos tipos JSON, matriz e struct no BigQuery
  • Introdução a SQL para BigQuery e Cloud SQL
  • Estimar tarifas de táxi com um modelo de previsão do BigQuery ML

Treinamento e certificação do Google Cloud

Esses treinamentos ajudam você a aproveitar as tecnologias do Google Cloud ao máximo. Nossas aulas incluem habilidades técnicas e práticas recomendadas para ajudar você a alcançar rapidamente o nível esperado e continuar sua jornada de aprendizado. Oferecemos treinamentos que vão do nível básico ao avançado, com opções de aulas virtuais, sob demanda e por meio de transmissões ao vivo para que você possa encaixá-las na correria do seu dia a dia. As certificações validam sua experiência e comprovam suas habilidades com as tecnologias do Google Cloud.

Manual atualizado em 3 de fevereiro de 2024

Laboratório testado em 20 de setembro de 2023

Copyright 2025 Google LLC. Todos os direitos reservados. Google e o logotipo do Google são marcas registradas da Google LLC. Todos os outros nomes de produtos e empresas podem ser marcas registradas das respectivas empresas a que estão associados.