GSP1259

Übersicht

Stellen Sie sich vor, Sie arbeiten seit einem Jahr als Data Analyst bei Data Beans. Sie haben schon viele Projekte selbständig durchgeführt und übernehmen jetzt das Mentoring für neue Data Analysts, weil das Unternehmen wächst. Das Team nutzt bereits Gemini in BigQuery, um SQL-Code zu erstellen, sowie Datenstatistiken und den Tabellen-Explorer. Diese Features sind vor allem für neue Datasets hilfreich. Es wird jedoch ein besseres Tool für die Zusammenarbeit benötigt, um Daten zu visualisieren und neue, komplexere Abfragen zum Zusammenführen von Tabellen zu erstellen.

Sie haben gehört, dass Data Canvas eine visuelle Schnittstelle in Google Cloud BigQuery ist, die die Datenexploration und ‑analyse vereinfacht. Nutzer können über Point-and-Click-Aktionen mit ihren Daten interagieren, ganz ohne komplexe SQL-Abfragen. Außerdem können Canvasse für andere freigegeben werden, um gemeinsam daran zu arbeiten. Data Canvas scheint eine mögliche Lösung für das Team zu sein. Sie möchten sie gern nutzen, wissen aber nicht genau, wie Sie vorgehen sollen.

Ziele

Aufgaben mit Data Canvas in diesem Lab:

• Tabellen „menu“, „orders“ und „order_item“ zusammenführen
• Gesamteinnahmen aus allen Artikeln auf der Speisekarte für das Jahr 2024 berechnen
• Balkendiagramm erstellen, das die zehn Artikel mit den höchsten Gesamteinnahmen zeigt
• Zwei Artikel identifizieren, mit denen die gleichen Einnahmen erzielt wurden
• Mit anderen zusammenarbeiten

Am Schluss haben Sie Zeit, über das in diesem Lab Gelernte nachzudenken und zu überlegen, wie Sie Data Canvas für Ihre Daten, Anwendungsfälle und Workflows nutzen könnten. Dazu beantworten Sie die Fragen im Lab-Journal.

Einrichtung und Anforderungen

Vor dem Klick auf „Start Lab“ (Lab starten)

Lesen Sie diese Anleitung. Labs sind zeitlich begrenzt und können nicht pausiert werden. Der Timer beginnt zu laufen, wenn Sie auf Lab starten klicken, und zeigt Ihnen, wie lange Google Cloud-Ressourcen für das Lab verfügbar sind.

In diesem praxisorientierten Lab können Sie die Lab-Aktivitäten in einer echten Cloud-Umgebung durchführen – nicht in einer Simulations- oder Demo-Umgebung. Dazu erhalten Sie neue, temporäre Anmeldedaten, mit denen Sie für die Dauer des Labs auf Google Cloud zugreifen können.

Für dieses Lab benötigen Sie Folgendes:

• Einen Standardbrowser (empfohlen wird Chrome)

Hinweis: Nutzen Sie den privaten oder Inkognitomodus (empfohlen), um dieses Lab durchzuführen. So wird verhindert, dass es zu Konflikten zwischen Ihrem persönlichen Konto und dem Teilnehmerkonto kommt und zusätzliche Gebühren für Ihr persönliches Konto erhoben werden.

• Zeit für die Durchführung des Labs – denken Sie daran, dass Sie ein begonnenes Lab nicht unterbrechen können.

Hinweis: Verwenden Sie für dieses Lab nur das Teilnehmerkonto. Wenn Sie ein anderes Google Cloud-Konto verwenden, fallen dafür möglicherweise Kosten an.

Lab starten und bei der Google Cloud Console anmelden

1. Klicken Sie auf Lab starten. Wenn Sie für das Lab bezahlen müssen, wird ein Dialogfeld geöffnet, in dem Sie Ihre Zahlungsmethode auswählen können. Auf der linken Seite befindet sich der Bereich „Details zum Lab“ mit diesen Informationen:

   • Schaltfläche „Google Cloud Console öffnen“
   • Restzeit
   • Temporäre Anmeldedaten für das Lab
   • Ggf. weitere Informationen für dieses Lab

2. Klicken Sie auf Google Cloud Console öffnen (oder klicken Sie mit der rechten Maustaste und wählen Sie Link in Inkognitofenster öffnen aus, wenn Sie Chrome verwenden).

   Im Lab werden Ressourcen aktiviert. Anschließend wird ein weiterer Tab mit der Seite „Anmelden“ geöffnet.

   Tipp: Ordnen Sie die Tabs nebeneinander in separaten Fenstern an.

   Hinweis: Wird das Dialogfeld Konto auswählen angezeigt, klicken Sie auf Anderes Konto verwenden.

3. Kopieren Sie bei Bedarf den folgenden Nutzernamen und fügen Sie ihn in das Dialogfeld Anmelden ein.

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

   Sie finden den Nutzernamen auch im Bereich „Details zum Lab“.

4. Klicken Sie auf Weiter.

5. Kopieren Sie das folgende Passwort und fügen Sie es in das Dialogfeld Willkommen ein.

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

   Sie finden das Passwort auch im Bereich „Details zum Lab“.

6. Klicken Sie auf Weiter.

   Wichtig: Sie müssen die für das Lab bereitgestellten Anmeldedaten verwenden. Nutzen Sie nicht die Anmeldedaten Ihres Google Cloud-Kontos. Hinweis: Wenn Sie Ihr eigenes Google Cloud-Konto für dieses Lab nutzen, können zusätzliche Kosten anfallen.

7. Klicken Sie sich durch die nachfolgenden Seiten:

   • Akzeptieren Sie die Nutzungsbedingungen.
   • Fügen Sie keine Wiederherstellungsoptionen oder Zwei-Faktor-Authentifizierung hinzu (da dies nur ein temporäres Konto ist).
   • Melden Sie sich nicht für kostenlose Testversionen an.

Nach wenigen Augenblicken wird die Google Cloud Console in diesem Tab geöffnet.

Hinweis: Wenn Sie auf Google Cloud-Produkte und ‑Dienste zugreifen möchten, klicken Sie auf das Navigationsmenü oder geben Sie den Namen des Produkts oder Dienstes in das Feld Suchen ein.

Aufgabe 1: Tabellen „menu“, „orders“ und „order_item“ zusammenführen

In dieser Aufgabe nutzen Sie Data Canvas, um die Tabellen „menu“, „orders“ und „order_item“ zu finden und zusammenzuführen, damit Sie Statistiken daraus erstellen können.

Tabellen „menu“, „orders“ und „order_item“ finden

1. Klicken Sie in der Google Cloud Console im Navigationsmenü auf BigQuery.

2. Klicken Sie im Dialogfeld „Willkommen“ auf FERTIG.

3. Klicken Sie auf , um einen neuen Daten-Canvas für Ihr Projekt zu erstellen.

4. Wählen Sie als Region aus.

5. Klicken Sie auf AUSWÄHLEN. Der Tab „Unbenannter Canvas“ wird angezeigt. Sie können eine Tabelle mit einem Prompt in natürlicher Sprache finden und auf vor Kurzem verwendete Tabellen und Abfragen sowie gespeicherte Abfragen zugreifen. Sie verwenden einen Prompt in natürlicher Sprache, um die Tabellen „menu“ und „order_item“ zu finden, indem Sie nach dem Dataset coffee_on_wheels suchen.

6. Geben Sie coffee on wheels ein.

7. Klicken Sie auf . Die Tabellen des Datasets coffee_on_wheels werden angezeigt. Sie sollten vier Tabellen sehen: „location“, „menu“, „orders“ und „order_item“.

Hinweis: Klicken Sie auf die Schaltfläche zum Senden der Suchanfrage, bis die erwartete Anzahl an Tabellen angezeigt wird. Falls die erwarteten Tabellen nicht zu sehen sind, öffnen Sie im linken Bereich das Dataset coffee_on_wheels und klicken Sie neben den Tabellen menu, orders und order_item im Dreipunkt-Menü auf Abfrage in > Aktueller Daten-Canvas. Klicken Sie dann in einer der Tabellen auf „VERKNÜPFEN“ und wählen Sie die anderen beiden aus. Sie können mit der folgenden Unteraufgabe in Schritt 3 mit dem Prompt Diese Datenquellen verknüpfen fortfahren.

Tabellen „menu“, „orders“ und „order_item“ zusammenführen

Nachdem Sie die Tabellen gefunden haben, können Sie sie zusammenführen.

1. Wählen Sie die Tabellen menu, orders und order_item aus. Die Schaltfläche „VERKNÜPFEN“ wird angezeigt.

2. Klicken Sie auf VERKNÜPFEN. Data Canvas führt die drei Tabellen visuell zusammen und erstellt einen neuen Zweigknoten. Die Zusammenführung ist jedoch noch nicht abgeschlossen. Eine Abfrage ähnlich der folgenden wird automatisch erstellt und Sie können sie ausführen oder speichern.

   SELECT * FROM `{{{project_0.project_id|set at lab start}}}.coffee_on_wheels.menu` AS t1, `{{{project_0.project_id|set at lab start}}}.coffee_on_wheels.orders` AS t2, `{{{project_0.project_id|set at lab start}}}.coffee_on_wheels.order_item` AS t3 LIMIT 10;

   Sie verwenden diese Abfrage nicht, da dadurch nur Elemente aus der Tabelle ausgewählt und zehn davon aufgelistet werden. Sie verwenden den enthaltenen Prompt:

   Diese Datenquellen verknüpfen

3. Klicken Sie auf . Eine neue Abfrage ähnlich der folgenden wird erstellt:

   # prompt: Diese Datenquellen verknüpfen SELECT menu.menu_id, menu.company_id, menu.item_name, menu.item_price, menu.item_description, menu.item_size, order_item.order_item_id, order_item.order_id, order_item.quantity, order_item.item_price, order_item.item_total, orders.location_id, orders.customer_id, orders.order_datetime, orders.order_completion_datetime FROM `{{{project_0.project_id|set at lab start}}}.coffee_on_wheels.menu` AS menu INNER JOIN `{{{project_0.project_id|set at lab start}}}.coffee_on_wheels.order_item` AS order_item ON menu.menu_id = order_item.menu_id INNER JOIN `{{{project_0.project_id|set at lab start}}}.coffee_on_wheels.orders` AS orders ON order_item.order_id = orders.order_id;

4. Klicken Sie auf AUSFÜHREN.

5. Sehen Sie sich die Ergebnisse an und prüfen Sie, ob die Tabellen zusammengeführt wurden. Jeder Artikel auf der Speisekarte wird mit wichtigen Feldern wie „item_name“, „item_price“, „order_datetime“ und „item_total“ aufgeführt. Anhand dieser Felder in der neuen Tabelle können Sie in der nächsten Aufgabe die Gesamteinnahmen aus jedem Artikel für das Jahr 2024 berechnen.

Klicken Sie auf Fortschritt prüfen. Tabellen „menu“, „orders“ und „order_item“ zusammenführen

Aufgabe 2: Gesamteinnahmen aus allen Artikeln auf der Speisekarte für 2024 berechnen

In dieser Aufgabe verwenden Sie die zusammengeführten Tabellen, um die Gesamteinnahmen aus allen Artikeln auf der Speisekarte für 2024 mit einem Gemini-Prompt zu berechnen, der zu einer SQL-Abfrage führt.

Unter den Ergebnissen der Verknüpfungsabfrage sehen Sie Optionen zum Erstellen eines weiteren Knotens in Ihrem Daten-Canvas, einschließlich DIESE ERGEBNISSE ABFRAGEN, VISUALISIEREN und VERKNÜPFEN.

• DIESE ERGEBNISSE ABFRAGEN kann verwendet werden, um aus der zusammengeführten Tabelle eine Abfrage zu erstellen.
• VISUALISIEREN kann dazu verwendet werden, aus den Daten in der zusammengeführten Tabelle Diagramme zu erstellen.
• VERKNÜPFEN kann verwendet werden, um diese Tabelle mit einer anderen zusammenzuführen.

1. Klicken Sie auf DIESE ERGEBNISSE ABFRAGEN. In Ihrem Daten-Canvas wird ein neuer Knoten erstellt. Sie können entweder einen Prompt eingeben oder manuell neuen SQL-Code schreiben.

2. Geben Sie den folgenden Prompt ein.

   Berücksichtige aus der zusammengeführten Tabelle nur „orders“ aus dem Jahr 2024. Berechne die Gesamteinnahmen für jeden Artikel auf der Speisekarte. Die Ergebnisse sollen die ID der Artikel, die Artikelnamen, die Artikelgröße und die Gesamteinnahmen, gerundet auf zwei Stellen hinter dem Komma, enthalten. Sortiere die Ergebnisse nach den Gesamteinnahmen in absteigender Reihenfolge.

3. Klicken Sie auf . Eine neue Abfrage ähnlich der folgenden wird erstellt:

   # prompt: Berücksichtige aus der zusammengeführten Tabelle nur „orders“ aus dem Jahr 2024. Berechne die Gesamteinnahmen für jeden Artikel auf der Speisekarte. Die Ergebnisse sollen die ID der Artikel, die Artikelnamen, die Artikelgröße und die Gesamteinnahmen, gerundet auf zwei Stellen hinter dem Komma, enthalten. Sortiere die Ergebnisse nach den Gesamteinnahmen in absteigender Reihenfolge. SELECT t1.menu_id, t1.item_name, t1.item_size, ROUND(SUM(t1.item_total), 2) AS total_revenue FROM `SQL` AS t1 WHERE EXTRACT(YEAR FROM t1.order_datetime) = 2024 GROUP BY 1, 2, 3 ORDER BY total_revenue DESC;

4. Klicken Sie auf AUSFÜHREN.

5. Überprüfen Sie die Ergebnisse. Die Felder menu_id, item_name, item_size und total_revenue sind enthalten.

Zwischenüberlegungen

1. Mit welchem Artikel wurden die zweithöchsten Gesamteinnahmen erzielt? Wie groß ist die ausgegebene item_size?

Klicken Sie auf Fortschritt prüfen. Gesamteinnahmen aus allen Artikeln auf der Speisekarte für 2024 berechnen

Aufgabe 3: Balkendiagramm erstellen, das die zehn Artikel mit den höchsten Gesamteinnahmen zeigt

In dieser Aufgabe nutzen Sie die Ergebnisse der Berechnung der Gesamteinnahmen, um ein Balkendiagramm der zehn Artikel mit den höchsten Gesamteinnahmen zu erstellen.

Zehn Artikel mit den höchsten Gesamteinnahmen identifizieren

1. Klicken Sie auf DIESE ERGEBNISSE ABFRAGEN. In Ihrem Daten-Canvas wird ein neuer Knoten erstellt.

2. Geben Sie den folgenden Prompt ein.

   Identifiziere die zehn Artikel mit den höchsten Gesamteinnahmen und beziehe die Felder menu_id, item_name, item_size und total_revenue ein.

3. Klicken Sie auf . Eine neue Abfrage ähnlich der folgenden wird erstellt:

   SELECT t1.menu_id, t1.item_name, t1.item_size, t1.total_revenue FROM `SQL` AS t1 ORDER BY t1.total_revenue DESC LIMIT 10;

4. Klicken Sie auf AUSFÜHREN.

5. Überprüfen Sie die Ergebnisse. Jetzt werden nur die zehn Artikel mit den höchsten Gesamteinnahmen angezeigt.

Balkendiagramm erstellen

1. Klicken Sie auf VISUALISIEREN.

2. Wählen Sie Balkendiagramm erstellen aus. In Ihrem Daten-Canvas wird ein neuer Knoten erstellt. Durch den Prompt „Balkendiagramm erstellen“ wird automatisch ein Diagramm mit allen Artikeln auf der Speisekarte einschließlich ihrer Gesamteinnahmen erstellt.

   Das ist hilfreich, aber die Artikel sind nicht absteigend nach der Höhe der Gesamteinnahmen sortiert. Außerdem wurde für das Diagramm die Artikelgröße nicht berücksichtigt. Das können Sie ändern.

3. Ersetzen Sie den bisherigen Prompt durch den folgenden:

   Erstelle ein vertikales Balkendiagramm, das die Gesamteinnahmen zeigt. Verwende den Artikelnamen für die X-Achse und die Gesamteinnahmen für die Y-Achse. Beginne mit dem Standort mit den höchsten Einnahmen. Aus dem gestapelten Balkendiagramm soll die Artikelgröße ersichtlich sein.

4. Klicken Sie auf . Jetzt werden die zehn Artikel in der richtigen Reihenfolge angezeigt und die Artikelgröße ist farbcodiert in die Gesamteinnahmen einbezogen.

Diagrammzusammenfassung ansehen

Zu dem Diagramm erhalten Sie auch eine Zusammenfassung. So sehen Sie sich die Diagrammzusammenfassung an:

1. Klicken Sie unten im Diagramm auf Zusammenfassung generieren. Eine Diagrammzusammenfassung ähnlich der folgenden wird erstellt:

• Die meisten Einnahmen, nämlich 675,48 $, wurden mit „Coffee-infused Avocado Toast“ generiert.
• Die Mehrzahl der Artikel auf der Speisekarte (5 von 10) wird nicht in unterschiedlichen Größen angeboten und fällt in die Größenkategorie „–“.
• Artikel ohne Größenoptionen tragen stark zu den Gesamteinnahmen bei.
• Bei Artikeln mit Größenoptionen („Brewhaha Bonanza“ und „Java Journey“) ist die Größe „Large“ beliebter.

Zwischenüberlegungen

1. Vergleichen Sie das Balkendiagramm mit den Rohdaten in den Ergebnissen der Abfrage, die Sie in Aufgabe 2 erstellt haben.

   Warum ist im Diagramm „Brewhaha Bonanza“ als Artikel mit den höchsten Gesamteinnahmen verzeichnet und nicht der „Coffee-infused Avocado Toast“?

Klicken Sie auf Fortschritt prüfen. Balkendiagramm erstellen, das die zehn Artikel mit den höchsten Gesamteinnahmen zeigt

Aufgabe 4: Zwei Artikel identifizieren, mit denen die gleichen Einnahmen erzielt wurden

In dieser Aufgabe identifizieren Sie anhand der Berechnung der Gesamteinnahmen aus einer vorherigen Aufgabe zwei Artikel, mit denen die gleichen Einnahmen erzielt wurden.

1. Kehren Sie zum Knoten für die Berechnung der Gesamteinnahmen zurück.

2. Bewegen Sie den Cursor unten auf die Mitte des Knotens. Ihnen werden die Optionen zum Erstellen eines weiteren Knotens angezeigt.

3. Klicken Sie auf DIESE ERGEBNISSE ABFRAGEN. In Ihrem Daten-Canvas wird ein neuer Knoten erstellt.

4. Geben Sie den folgenden Prompt ein.

   Finde zwei Artikel mit den gleichen Gesamteinnahmen. Die Ergebnisse sollen die Artikelnamen, Artikelgröße und Gesamteinnahmen enthalten. Begrenze die Antwort auf zwei Artikel.

5. Klicken Sie auf . Eine neue Abfrage ähnlich der folgenden wird erstellt.

   # prompt: Finde zwei Artikel mit den gleichen Gesamteinnahmen. Die Ergebnisse sollen die Artikelnamen, Artikelgröße und Gesamteinnahmen enthalten. Begrenze die Antwort auf zwei Artikel. SELECT t1.item_name, t1.item_size, t1.total_revenue FROM `SQL 1` AS t1 WHERE t1.total_revenue IN( SELECT t2.total_revenue FROM `SQL 1` AS t2 GROUP BY 1 HAVING COUNT(t2.total_revenue) > 1 ) LIMIT 2;

6. Klicken Sie auf AUSFÜHREN.

Zwischenüberlegungen

Überprüfen Sie die Ergebnisse. Zwei Ergebnisse werden einschließlich Name, Größe und Gesamteinnahmen angezeigt.

1. Welche zwei Artikel werden angezeigt?

2. Mit welcher Größe?

3. Stimmen die Einnahmen überein?

4. Wie würden Sie Data Canvas nutzen, um mit Ihren Daten und für Ihre Anwendungsfälle Abfragen zu visualisieren und zu entwerfen?

Klicken Sie auf Fortschritt prüfen. Zwei Artikel identifizieren, mit denen die gleichen Einnahmen erzielt wurden

Aufgabe 5: Mit anderen zusammenarbeiten

In dieser Aufgabe sind Sie zwei verschiedene Nutzer: der Inhaber des Daten-Canvas und ein weiterer Nutzer, für den Sie den Daten-Canvas freigeben möchten. Zuerst sehen Sie sich die Rollen an, die dem Inhaber und dem anderen Nutzer in der Lab-Umgebung zugewiesen sind. Dann speichern Sie den gerade erstellten Daten-Canvas und geben ihn frei. Außerdem exportieren Sie den Daten-Canvas in ein Notebook. Zum Schluss öffnen Sie den Daten-Canvas als der andere Nutzer.

Für das Nutzen und Freigeben von Daten-Canvassen erforderliche Rollen

1. Klicken Sie in der Google Cloud Console im Navigationsmenü auf IAM und Verwaltung. Ihnen wird eine Liste der Hauptkonten einschließlich der zugewiesenen Rollen angezeigt.

2. Suchen Sie das Hauptkonto .

   Hinweis: Dies ist das Inhaber-Hauptkonto und der Nutzer, den Sie bisher in diesem Lab verwendet haben.

   Wie Sie in IAM sehen, hat dieser Nutzer die folgenden Rollen:

   • BigQuery Admin
   • Gemini for Google Cloud User
   • Owner
   • Service Usage Viewer
   • Viewer

3. Suchen Sie das Hauptkonto .

   Hinweis: Dies ist das andere Hauptkonto, das Sie zum Testen der Freigabe eines Daten-Canvas nutzen.

   Wie Sie in IAM sehen, hat dieser Nutzer die folgenden Rollen:

   • BigQuery Data Editor
   • BigQuery Studio User
   • Gemini for Google Cloud User
   • Code Editor
   • Viewer

Weitere Informationen finden Sie unter Erforderliche Rollen für Data Canvas.

Daten-Canvas als Inhaber speichern und freigeben

1. Kehren Sie zu Ihrem Daten-Canvas in BigQuery zurück.

2. Oben im Canvas befindet sich die Schaltfläche „Speichern“. Klicken Sie auf den Abwärtspfeil. Ihnen werden die Optionen „Speichern“ und „Speichern unter“ angezeigt.

3. Klicken Sie auf Speichern unter. Das Dialogfeld „Speichern“ wird geöffnet.

4. Geben Sie als Name Zwei Artikel mit den gleichen Gesamteinnahmen ein.

5. Lassen Sie die Standardregion unverändert, diese wurde Ihnen beim Start des Labs zugewiesen.

6. Klicken Sie auf SPEICHERN. Der Daten-Canvas wurde gespeichert und wird jetzt im Explorer im Abschnitt „Freigegebene Daten-Canvasse“ aufgeführt.

Daten-Canvas als Inhaber in ein Notebook exportieren

Mit BigQuery Data Canvas können Sie Abfragen als Notebook exportieren.

1. Klicken Sie im Daten-Canvas auf Als Notebook exportieren.

2. Geben Sie im Bereich „Notebook speichern“ den Namen des Notebooks (data_canvas_export) und die Region ein, in der Sie dieses speichern möchten ().

3. Klicken Sie auf Speichern. Das Notebook wird erstellt.

4. Wenn Sie das gerade erstellte Notebook ansehen möchten, maximieren Sie den Abschnitt Notebooks im Explorer.

5. Klicken Sie auf das Notebook data_canvas_export.

Hinweis: Aufgrund der aktuellen Berechtigungen des Inhabers und des anderen Nutzers kann nur der Inhaber den Daten-Canvas exportieren. Sie müssen also die entsprechenden Berechtigungen zuweisen, um das Exportfeature zu aktivieren.

Als anderer Nutzer einen Daten-Canvas öffnen

Jetzt greifen Sie als anderer Nutzer auf den Daten-Canvas zu.

1. Klicken Sie hier im Lab-Leitfaden mit der rechten Maustaste auf Google Cloud Console öffnen.

2. Wählen Sie Link in Inkognitofenster öffnen aus.

3. Verwenden Sie den Nutzernamen und das Passwort von Nutzername 2. Rufen Sie die Google Cloud Console auf dieselbe Weise auf wie am Beginn dieses Labs.

4. Klicken Sie in der Google Cloud Console im Navigationsmenü auf BigQuery.

5. Klicken Sie im Dialogfeld „Willkommen“ auf FERTIG.

6. Maximieren Sie im Bereich Explorer das Projekt . Das Dataset coffee_on_wheels befindet sich am Ende der Liste.

7. Maximieren Sie Daten-Canvasse.

8. Maximieren Sie Freigegebene Daten-Canvasse. Sie sehen den Daten-Canvas Zwei Artikel mit den gleichen Gesamteinnahmen.

9. Klicken Sie auf den Daten-Canvas Zwei Artikel mit den gleichen Gesamteinnahmen. Ihnen wird der Daten-Canvas angezeigt.

Hier kann sich der andere Nutzer den Daten-Canvas ansehen, um den Workflow besser zu verstehen, den Sie für dieses Geschäftsproblem entworfen haben. Abhängig von den zugewiesenen Berechtigungen kann er den Canvas auch ändern, um zum Beispiel einen Fehler zu korrigieren oder ihn bei Bedarf zu ergänzen.

Zwischenüberlegungen

1. Wie würden Sie Data Canvas nutzen, um bei Ihren Daten und Anwendungsfällen mit Ihrem Team zusammenzuarbeiten?

2. Wie würden Sie den Zugriff auf die von Ihrem Team erstellten Daten-Canvasse verwalten?

Klicken Sie auf Fortschritt prüfen. Daten-Canvas in ein Notebook exportieren

Das wars! Sie haben das Lab erfolgreich abgeschlossen.

Sie haben Data Canvas genutzt, um Tabellen aus dem Dataset „coffee_on_wheels“ zu finden und zusammenzuführen. Außerdem haben Sie die mit allen im Dataset enthaltenen Artikeln erzielten Gesamteinnahmen berechnet und diese direkt in Data Canvas in einem Balkendiagramm visualisiert. Anschließend haben Sie in dieser Berechnung zwei Artikel gefunden, mit denen die gleichen Einnahmen generiert wurden. Zum Schluss haben Sie mit IAM-Rollen in Data Canvas einen Daten-Canvas in Ihrem Projekt gespeichert und für andere Nutzer freigegeben.

Gehen Sie noch einmal durch, was Sie in diesem Lab gelernt haben, und teilen Sie Ihr neu erworbenes Wissen mit den anderen Teammitgliedern, um Wege zu finden, wie Sie mithilfe von Data Canvas zusammenarbeiten können.

Weitere Informationen

• Analysen mit BigQuery Data Canvas
• BigQuery Data Canvas: Mit KI aus Daten einfach Informationen gewinnen
• Gemini-Modelle
• Generative KI

Google Cloud-Schulungen und -Zertifizierungen

In unseren Schulungen erfahren Sie alles zum optimalen Einsatz unserer Google Cloud-Technologien und können sich entsprechend zertifizieren lassen. Unsere Kurse vermitteln technische Fähigkeiten und Best Practices, damit Sie möglichst schnell mit Google Cloud loslegen und Ihr Wissen fortlaufend erweitern können. Wir bieten On-Demand-, Präsenz- und virtuelle Schulungen für Anfänger wie Fortgeschrittene an, die Sie individuell in Ihrem eigenen Zeitplan absolvieren können. Mit unseren Zertifizierungen weisen Sie nach, dass Sie Experte im Bereich Google Cloud-Technologien sind.

Anleitung zuletzt am 9. Oktober 2024 aktualisiert

Lab zuletzt am 9. Oktober 2024 getestet

© 2025 Google LLC. Alle Rechte vorbehalten. Google und das Google-Logo sind Marken von Google LLC. Alle anderen Unternehmens- und Produktnamen können Marken der jeweils mit ihnen verbundenen Unternehmen sein.