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

Einführung in Databricks SQL

Interaktive Übung

In dieser interaktiven Übung kannst du die Theorie in die Praxis umsetzen.

Diese Übung ist Teil des Kurses

Einführung in Databricks SQL

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: Schadensfälle in der Versicherung 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