In diesem Kapitel lernst du die besonderen Eigenschaften von BigQuery kennen, wie große analytische Abfragen ausgeführt werden und wie es sich mit anderen Data Warehouses und Datenbanken vergleichen lässt.

Einführung in BigQuery

Einstieg in E‑Commerce

Einzigartige Eigenschaften von BigQuery

BigQuery im Vergleich zu einer traditionellen SQL-Datenbank

BigQuery-Architektur

BigQuery-Komponenten klassifizieren

Die BigQuery-Architektur ordnen

BigQuery-Datenorganisation

Tabellenstruktur

BigQuery-Datenregeln

Tabellen in freier Wildbahn

BigQuery: Architektur und Struktur

Dieses Kapitel behandelt die Grundlagen des Schreibens von Abfragen in BigQuery und wiederholt dabei wichtige SQL-Konzepte. Außerdem lernst du, wie du Massendaten in BigQuery importierst und welche Datentypen es in BigQuery gibt.

Abfragen in BigQuery schreiben

Das Kursdatenmaterial mit SQL erkunden

Bestellgesamtwert ermitteln

Joins verwenden

Datenaufnahme in BigQuery

Lokale Daten in BigQuery laden

Zulässige Datenformate

Eine LOAD DATA-Anweisung strukturieren

Datum-/Uhrzeittypen in BigQuery

Datumsformatierung für Berichte

Timestamps und Daten formatieren

Daten in bestimmten Bereichen finden

Verwendung von CURRENT_TIMESTAMP

Unstrukturierte Daten

Ein Array in einer Abfrage erstellen

SEARCH mit unstrukturierten Daten verwenden

Daten mit UNNEST entfalten

Abfragen schreiben und Datentypen

Lerne, wie du Daten mithilfe von Common Table Expressions, Aggregationen und Fensterfunktionen abfragst.

Common Table Expressions

Daten mit CTEs filtern

Mit CTEs optimieren

Mehrere CTEs verwenden

Aggregationen

Aggregatfunktionen klassifizieren

COUNTIF verwenden

Filtern mit HAVING

ANY_VALUE

Spezielle Aggregationen in BigQuery

Logische Aggregationen

Verwendung von STRING_AGG und ARRAY_CONCAT_AGG

Ungefähre statistische Funktionen

WINDOW-Funktionen

Eine Window-Abfrage schreiben

RANK und LEAD/LAG

Zeilenbasierte WINDOW-Funktionen verwenden

Filtern mit QUALIFY

 Daten in BigQuery abfragen

Verstehe alle Join-Typen in BigQuery, verwalte Daten mit Data Manipulation und optimiere deine Abfragen.

Joins in BigQuery

Den richtigen Join-Typ finden

RIGHT-, LEFT- und OUTER-Joins

UNNEST mit CROSS JOINs

Joins mit Aggregationen

Data Manipulation Language (DML)-Anweisungen

Arten der Datenmanipulation

Optionen

Keine

WHERE und JOIN

Beliebiger Typ

Bedingungen in DML-Anweisungen verwenden

Wahr

Falsch

Worauf du bei DML-Anweisungen achten solltest

Strategien zur Abfrageoptimierung

Datenmenge begrenzen

Die letzten 90 Tage an Bestellungen finden

Optimierungen in BigQuery durchführen

Glückwunsch!

Datenverwaltung und Optimierung

Starte diesen Kurs für praktische Einblicke in die Datenanalyse. Erkunde die Architektur von BigQuery, führe analytische Abfragen aus und optimiere Workflows. Gewinne Sicherheit im Umgang mit Datensätzen, Abfrageelementen und Datenmanipulation. Schalte fortgeschrittene Techniken für effiziente Analysen frei und meistere das Verbinden von Daten. Nach Abschluss navigierst du BigQuery sicher, optimierst Abfragen und analysierst Daten zügig.

Tauch ein in die Kernkonzepte der BigQuery-Architektur, lerne ihre historische Bedeutung kennen und vergleiche sie mit herkömmlichen Datenbanksystemen. Entdecke die vielfältigen Anwendungsmöglichkeiten von BigQuery und mach dich bereit für eine eingehendere Erkundung seiner Funktionen.

<h2>Analytische Abfragen und Datenbearbeitung meistern</h2>Lerne, die Möglichkeiten von BigQuery zu nutzen, indem du analytische Abfragen durchführst und Daten präzise bearbeitest. Navigiere ganz einfach durch Datensätze und Tabellen und lerne dabei, wie du die bq-Befehlszeilentools für die Datenerfassung richtig einsetzt. Tauch ein in die Komplexität von Datentypen und unstrukturierten Daten und verbessere deine Fähigkeiten, um wichtige Erkenntnisse zu gewinnen.

<h2>Optimierung der Workflow-Effizienz und Abfrageleistung</h2>Bring deine Datenanalyse auf ein neues Level, indem du die fortgeschrittenen Techniken von BigQuery lernst. Von der Optimierung der Abfrageleistung durch strategische Optimierungsstrategien bis hin zur Beherrschung der Feinheiten der Datenverknüpfung – in diesem Abschnitt bekommst du die Tools, die du brauchst, um deine Analyseprozesse zu optimieren. Nutze das Potenzial von DML-Anweisungen (Datenbearbeitung), mit denen du ganz einfach komplexe Datenumwandlungen machen kannst.

Data Manipulation in SQL

Nutzen Sie BigQuery: Verstehen Sie die Grundlagen, führen Sie präzise Abfragen aus, optimieren Sie Workflows.

Du lernst die Grundlagen von BigQuery kennen, führst Abfragen durch und optimierst Arbeitsabläufe für eine effiziente Datenanalyse.

Tabellenpartitionen und -cluster zu verwenden, hilft, die DML-Leistung zu verbessern.

Du musst bei einer UPDATE-Anweisung keine WHERE-Bedingung verwenden.

Du solltest DML-Anweisungen immer einzeln ausführen.

Worauf du bei DML-Anweisungen achten solltest

Einführung in BigQuery

Interaktive Übung