
Before you begin
- Labs create a Google Cloud project and resources for a fixed time
- Labs have a time limit and no pause feature. If you end the lab, you'll have to restart from the beginning.
- On the top left of your screen, click Start lab to begin
Create a new dataset to store the tables
/ 25
Explore the product sentiment dataset
/ 25
Join datasets to find insights
/ 25
Append additional records
/ 25
BigQuery es la base de datos analítica de bajo costo, no-ops y completamente administrada de Google. Con BigQuery, puedes consultar muchos terabytes de datos sin tener que administrar infraestructuras y sin necesitar un administrador de base de datos. BigQuery usa SQL y puede aprovechar el modelo de pago por uso. Además, permite que te enfoques en el análisis de datos para buscar estadísticas valiosas.
El conjunto de datos que usarás es un conjunto de datos de comercio electrónico que tiene millones de registros de Google Analytics provenientes de Google Merchandise Store. Explorarás los campos y las filas disponibles para obtener estadísticas.
En este lab, se describe cómo crear nuevas tablas de informes con uniones (JOIN) y fusiones (UNION) de SQL.
Situación: Tu equipo de marketing te proporcionó a ti y a tu equipo de ciencia de datos todas las opiniones sobre productos de tu sitio web de comercio electrónico. Te asociaste con ellos para crear un almacén de datos en BigQuery que reúna datos de tres fuentes:
En este lab, aprenderás a realizar estas tareas:
Lee estas instrucciones. Los labs son cronometrados y no se pueden pausar. El cronómetro, que comienza a funcionar cuando haces clic en Comenzar lab, indica por cuánto tiempo tendrás a tu disposición los recursos de Google Cloud.
Este lab práctico te permitirá realizar las actividades correspondientes en un entorno de nube real, no en uno de simulación o demostración. Para ello, se te proporcionan credenciales temporales nuevas que utilizarás para acceder a Google Cloud durante todo el lab.
Para completar este lab, necesitarás lo siguiente:
Haga clic en el botón Comenzar lab. Si debe pagar por el lab, se abrirá una ventana emergente para que seleccione su forma de pago. A la izquierda, se encuentra el panel Detalles del lab, que tiene estos elementos:
Haz clic en Abrir la consola de Google Cloud (o haz clic con el botón derecho y selecciona Abrir el vínculo en una ventana de incógnito si ejecutas el navegador Chrome).
El lab inicia recursos y abre otra pestaña en la que se muestra la página de acceso.
Sugerencia: Ordene las pestañas en ventanas separadas, una junto a la otra.
De ser necesario, copia el nombre de usuario a continuación y pégalo en el diálogo Acceder.
También puedes encontrar el nombre de usuario en el panel Detalles del lab.
Haz clic en Siguiente.
Copia la contraseña que aparece a continuación y pégala en el diálogo Te damos la bienvenida.
También puedes encontrar la contraseña en el panel Detalles del lab.
Haz clic en Siguiente.
Haga clic para avanzar por las páginas siguientes:
Después de un momento, se abrirá la consola de Google Cloud en esta pestaña.
Se abrirá el cuadro de mensaje Te damos la bienvenida a BigQuery en la consola de Cloud. Este cuadro de mensaje contiene un vínculo a la guía de inicio rápido y las notas de la versión.
Se abrirá la consola de BigQuery.
Para comenzar, crea un conjunto de datos nuevo con el nombre ecommerce en BigQuery para almacenar tus tablas.
En el panel de la izquierda, haz clic en el nombre de tu proyecto de BigQuery (qwiklabs-gcp-xxxx
).
Haz clic en los tres puntos al lado del nombre del proyecto y, luego, selecciona Crear conjunto de datos.
Se abrirá el diálogo Crear un conjunto de datos.
Configura el ID de conjunto de datos en ecommerce
y deja las demás opciones con sus valores predeterminados.
Haz clic en Crear conjunto de datos.
Haz clic en Revisar mi progreso para verificar el objetivo.
Tu equipo de ciencia de datos analizó todas las opiniones sobre productos con la API y te proporcionó la puntuación y la magnitud promedio de las opiniones para cada uno de tus productos.
El proyecto que contiene el conjunto de datos de tu equipo de marketing es data-to-insights. Los conjuntos de datos públicos de BigQuery no se muestran de forma predeterminada en BigQuery. Las consultas de este lab usarán el conjunto de datos data-to-insights
, aunque no puedas verlo.
data-to-insights
.products
.Solución posible:
Solución posible:
¿Qué producto tiene la opinión más negativa?
Haz clic en Revisar mi progreso para verificar el objetivo.
Situación: Es el primer día del mes y tu equipo de inventario te informó que el campo orderedQuantity
del conjunto de datos del inventario de productos está desactualizado. Necesita tu ayuda porque debe consultar las ventas totales por producto para la fecha 1/8/2017 para compararlas con los niveles de inventario actuales y determinar qué productos deben reabastecer primero.
sales_by_sku_20170801
.data-to-insights.ecommerce.all_sessions_raw
.productSKU
.productQuantity
). Sugerencia: Usa una condición SUM() with a IFNULL
20170801
.ORDER BY
para ordenar los datos según los SKU con más pedidos primero.Solución posible:
sales_by_sku
y, luego, haz clic en la pestaña Vista previa.¿Cuántos SKU de productos distintos se vendieron?
Respuesta: 462
Ahora, enriquece los datos de tus ventas con información del inventario de productos. Para ello, une los dos conjuntos de datos.
name
stockLevel
restockingLeadTime
sentimentScore
sentimentMagnitude
Solución posible:
total_ordered / stockLevel
) y que tenga como alias “ratio
”. Sugerencia: Usa SAFE_DIVIDE(field1,field2)
para evitar errores de división por 0 cuando el nivel de inventario sea 0.Solución posible:
Haz clic en Revisar mi progreso para verificar el objetivo.
Tu equipo internacional ya realizó ventas en la tienda el 2/8/2017, y deseas registrarlas en tus tablas de ventas diarias.
ecommerce.sales_by_sku_20170802
productSKU STRING
total_ordered
como un campo INT64
Solución posible:
Existen muchas maneras de adjuntar datos que tienen el mismo esquema. Por ejemplo, dos de estas consisten en usar fusiones (UNION) y usar comodines de tablas.
ecommerce.sales_by_sku_20170801
ecommerce.sales_by_sku_20170802
UNION
y UNION ALL
es que UNION
no incluirá registros duplicados.¿Cuál es la desventaja de tener muchas tablas de ventas diarias? Deberás escribir muchas sentencias UNION
encadenadas.
Una mejor solución es usar el filtro de comodín de tablas y el filtro _TABLE_SUFFIX
.
ecommerce.sales_by_sku_
del año 2017.Solución posible:
Solución posible:
Haz clic en Revisar mi progreso para verificar el objetivo.
Creaste tablas de informes y, luego, manipulaste vistas con uniones (UNION) y fusiones (JOIN) de SQL para explorar datos de comercio electrónico de muestra.
Recibe la formación que necesitas para aprovechar al máximo las tecnologías de Google Cloud. Nuestras clases incluyen habilidades técnicas y recomendaciones para ayudarte a avanzar rápidamente y a seguir aprendiendo. Para que puedas realizar nuestros cursos cuando más te convenga, ofrecemos distintos tipos de capacitación de nivel básico a avanzado: a pedido, presenciales y virtuales. Las certificaciones te ayudan a validar y demostrar tus habilidades y tu conocimiento técnico respecto a las tecnologías de Google Cloud.
Última actualización del manual: 3 de febrero de 2024
Prueba más reciente del lab: 31 de octubre de 2023
Copyright 2025 Google LLC. All rights reserved. Google y el logotipo de Google son marcas de Google LLC. Los demás nombres de productos y empresas pueden ser marcas de las respectivas empresas a las que estén asociados.
Este contenido no está disponible en este momento
Te enviaremos una notificación por correo electrónico cuando esté disponible
¡Genial!
Nos comunicaremos contigo por correo electrónico si está disponible
One lab at a time
Confirm to end all existing labs and start this one