
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
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.
Você usará um conjunto de dados de e-commerce com milhões de registros do Google Analytics referentes à Google Merchandise Store (em inglês). Será necessário conferir os campos e as linhas disponíveis para receber insights.
Este laboratório explica como criar novas tabelas de relatórios usando as funções JOIN e UNION do SQL.
Situação: a equipe de marketing enviou para você e a equipe de ciência de dados todas as avaliações de produtos no seu site de e-commerce. Vocês vão trabalhar juntos para criar um data warehouse no BigQuery com dados de três origens:
Neste laboratório, você vai aprender a executar as seguintes tarefas:
Leia estas instruções. Os laboratórios são cronometrados e não podem ser pausados. O timer é iniciado quando você clica em Começar o 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, 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:
Clique no botão Começar o laboratório. Se for preciso pagar, você verá um pop-up para selecionar a forma de pagamento. No painel Detalhes do laboratório à esquerda, você vai encontrar o seguinte:
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.
Se necessário, copie o Nome de usuário abaixo e cole na caixa de diálogo Fazer login.
Você também encontra o Nome de usuário no painel Detalhes do laboratório.
Clique em Seguinte.
Copie a Senha abaixo e cole na caixa de diálogo de boas-vindas.
Você também encontra a Senha no painel Detalhes do laboratório.
Clique em Seguinte.
Acesse as próximas páginas:
Depois de alguns instantes, o console do Google Cloud será aberto nesta guia.
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.
O console do BigQuery vai abrir.
Para começar, crie um novo conjunto chamado e-commerce no BigQuery para armazenar suas tabelas.
No painel à esquerda, selecione o nome do seu projeto do BigQuery (qwiklabs-gcp-xxxx
).
Clique nos três pontos ao lado do nome do projeto e selecione Criar conjunto de dados.
A caixa de diálogo Criar conjunto de dados será aberta.
Defina o ID do conjunto de dados como ecommerce
e não altere as outras opções.
Clique em Criar conjunto de dados.
Clique em Verificar meu progresso para conferir o andamento do objetivo.
A equipe de ciência de dados passou todas as avaliações de produtos pela API e calculou a média da pontuação de sentimento e magnitude para cada um deles.
O projeto com o conjunto de dados da equipe de marketing é o data-to-insights. O BigQuery não exibe por padrão os próprios conjuntos de dados públicos. As consultas neste laboratório usarão o conjunto de dados data-to-insights
, mesmo que ele não esteja aparecendo para você.
data-to-insights
.products
.Possível solução:
Possível solução:
Qual é o produto avaliado com o sentimento mais negativo?
Clique em Verificar meu progresso para conferir o andamento do objetivo.
Situação: é o primeiro dia do mês, e a equipe de inventário informou que o campo orderedQuantity
no conjunto de dados está desatualizado. Ela precisa da sua ajuda para consultar o total de vendas por produto em 01/08/2017 e cruzar informações com os níveis atuais em estoque para descobrir quais produtos precisam de reposição primeiro.
sales_by_sku_20170801
data-to-insights.ecommerce.all_sessions_raw
productSKU
productQuantity
). Dica: use SUM()
com uma condição IFNULL.20170801
ORDER BY
para classificar as SKUs com o maior número de pedidos primeiroPossível solução:
sales_by_sku
e selecione a guia Visualizar.Quantas SKUs de produtos distintos foram vendidas?
Resposta: 462
Em seguida, aprimore seus dados de vendas com informações de inventário de produtos mesclando os dois conjuntos de dados.
name
stockLevel
restockingLeadTime
sentimentScore
sentimentMagnitude
Possível solução:
total_ordered / stockLevel
) com o nome "ratio
" Dica: use SAFE_DIVIDE(field1,field2)
para evitar erros de divisão por 0 quando o estoque acabar.Possível solução:
Clique em Verificar meu progresso para conferir o andamento do objetivo.
Sua equipe internacional já fez vendas na loja em 02/08/2017, e você quer registrá-las nas tabelas de vendas diárias.
ecommerce.sales_by_sku_20170802
productSKU STRING
total_ordered
como um campo INT64
Possível solução:
Há várias maneiras de anexar dados que têm o mesmo esquema. Duas formas comuns são usar UNIONs e caracteres curinga de tabela.
ecommerce.sales_by_sku_20170801
ecommerce.sales_by_sku_20170802
UNION
e UNION ALL
é que UNION
não incluirá registros duplicados.Qual erro é comum com o uso de várias tabelas de vendas diárias? Você precisará escrever muitas instruções UNION
em sequência.
É melhor usar o caractere curinga de tabela e _TABLE_SUFFIX
para filtrar as informações.
ecommerce.sales_by_sku_
do ano de 2017.Possível solução:
Possível solução:
Clique em Verificar meu progresso para conferir o andamento do objetivo.
Você analisou exemplos de dados de e-commerce criando tabelas de relatórios e manipulando visualizações com funções SQL JOIN e UNION.
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 31 de outubro 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.
Este conteúdo não está disponível no momento
Você vai receber uma notificação por e-mail quando ele estiver disponível
Ótimo!
Vamos entrar em contato por e-mail se ele ficar disponível
One lab at a time
Confirm to end all existing labs and start this one