GUI-gestützte Datenaufnahme

Databricks bietet zwei Hauptmöglichkeiten, Daten über die GUI in deine Lakehouse-Umgebung zu laden: LakeFlow Connect und einen manuellen Upload. Beide sind sehr praktisch und erleichtern das Laden von Daten, haben aber jeweils eigene Vor- und Nachteile.

Diese Übung ist Teil des Kurses

<Kurs>Einführung in Databricks SQL</Kurs>

Interaktive praktische Übung

Verwandle Theorie mit einer unserer interaktiven Übungen in die Praxis

Diese Übung ist Teil des Kurses

<Kurs>Einführung in Databricks SQL</Kurs>

Mittlere SchwierigkeitSchwierigkeitsgrad

4.7+

Kurs kostenlos starten

Baue dir mit der Databricks Data-Intelligence-Plattform ein solides Fundament für Data Warehousing auf! Du lernst, wie Databricks und die Lakehouse-Architektur deine Organisation für einen modernen SQL- und BI-Stack aufstellen. Außerdem erkundest du die wichtigsten Komponenten von Databricks SQL – von Datenspeicher-Techniken bis zu Compute-Optimierungen.

Exercise 1: SQL in der Data Intelligence Platform Exercise 2: Vorteile des Lakehouse für SQL Exercise 3: Databricks SQL erkunden Exercise 4: Daten erkunden Exercise 5: Partner Connect Exercise 6: Zentrale Assets in Databricks SQL Exercise 7: Databricks SQL-Assets klassifizieren Exercise 8: Erstelle eine Abfrage Exercise 9: Erstelle eine Visualisierung

Lege ein starkes Datenfundament für die Lakehouse-Architektur! Du lernst, wie du Daten in Databricks SQL ingestierst, transformierst und modellierst. Du erkundest GUI-basierte und programmatische Ansätze, um die Medaillon-Architektur aufzubauen, und schaffst so ein Datenökosystem, das für jede Analytics-Workload bereit ist.

Exercise 1: Daten ingestieren Exercise 2: GUI-gestützte Datenaufnahme

Aktuelle Übung

Exercise 3: Das Lakehouse befüllen Exercise 4: Daten manuell hochladen Exercise 5: COPY INTO verwenden Exercise 6: Auto Loader nutzen Exercise 7: Daten transformieren Exercise 8: SQL und die Medaillon-Architektur Exercise 9: Eine Datenebene für Kaffee erstellen Exercise 10: Rohdaten-Tabellen bereinigen Exercise 11: Die Silver-Schicht erstellen Exercise 12: Eine Tabelle für hohe Prämien-Schäden erstellen

Erzeuge aussagekräftige Daten-Insights mit Databricks SQL! Du lernst, wie du Abfragen schreibst, Visualisierungen erstellst und Dashboards mit den Funktionen der Plattform betreibst. Du übst den Einsatz von SQL-Code, Filtern und Parametern, um eine robuste analytische Anwendung für deine Endnutzer zu entwickeln.

Exercise 1: Abfragen in der Data Intelligence Platform Exercise 2: Analytische Assets in Databricks SQL Exercise 3: Abfragen unseres Coffee-Datensatzes Exercise 4: Versicherungsfälle analysieren Exercise 5: Abfragen mit Funktionen ergänzen Exercise 6: Abfrageergebnisse visualisieren Exercise 7: Erstellen einer Analytics-Anwendung Exercise 8: Die Rolle von Partner Connect Exercise 9: Ein Dashboard für Kaffeedaten Exercise 10: Filter zu Dashboards hinzufügen Exercise 11: Parameter in Abfragen verwenden Exercise 12: Erstelle ein Executive-Dashboard

Im abschließenden Kapitel lernst du fortgeschrittene Techniken kennen, die die zentralen Alleinstellungsmerkmale der Databricks-Plattform nutzen. Du erfährst, wie du schnelllebige und sich schnell ändernde Daten mit Fensterfunktionen verarbeitest und Datensätze beim Eintreffen zusammenführst.

Exercise 1: Häufige Muster im Data Engineering Exercise 2: Anhängen vs. CDC Exercise 3: Kaffee-Umsatzdaten aktualisieren Exercise 4: Daten mit SQL optimieren Exercise 5: INSERT verwenden Exercise 6: MERGE verwenden Exercise 7: Fortgeschrittene Muster zur Datenanalyse Exercise 8: Window-Funktionen und Subqueries verstehen Exercise 9: Analyse von Kaffeeverkäufen nach Filiale Exercise 10: Eine Unterabfrage schreiben Exercise 11: Eine Window-Funktion verwenden Exercise 12: Window-Funktionen und Subabfragen zusammen verwenden Exercise 13: Kursrückblick