Build a strong data warehousing foundation with the Databricks Data Intelligence Platform! You will learn how Databricks and the lakehouse architecture set your organization up for a modern SQL and BI stack. You will also explore the key components of the Databricks SQL product, ranging from data storage techniques to compute optimizations.

SQL in the Data Intelligence Platform

Benefits of the lakehouse for SQL

Exploring Databricks SQL

Exploring some data

Partner Connect

Databricks SQL key assets

Classifying Databricks SQL assets

Create a query

Build a visualization

Data Warehousing in Databricks

Build a strong data foundation for the lakehouse architecture! You will learn how to ingest, transform, and model your data using the capabilities in Databricks SQL. You will explore GUI-based and programmatic approaches to building out the medallion architecture, and creating a data ecosystem ready for any analytics workload.

Data inladen

Options

True

False

Gegevensinname via de GUI

Het lakehouse hydrateren

Data handmatig uploaden

COPY INTO gebruiken

Auto Loader benutten

Data transformeren

Medallion-architectuur

SQL en de medallion-architectuur

Een koffiedatalaag maken

Ruwe tabellen opschonen

De zilverlaag maken

Een tabel met claims met hoge premies maken

Data engineering with Databricks SQL

Create powerful data insights using Databricks SQL! You will learn how to write queries, create visualizations, and power dashboards using in-platform Databricks capabilities. You will practice leveraging SQL code, filters, and parameters to create a robust analytical application for your end users.

Querying in the Data Intelligence Platform

Analytical assets in Databricks SQL

Querying our coffee dataset

Analyzing insurance claims

Supplementing queries with functions

Visualizing query results

Creating an analytics application

The role of Partner Connect

A coffee data dashboard

Adding filters to dashboards

Using parameters in queries

Create an executive dashboard

Data analysis with Databricks SQL

In the final chapter, you will learn some more advanced techniques that leverage the key differentiators of the Databricks platform. You will learn how to handle high-velocity and fast-changing data using window functions, and will be able to merge datasets as they come in.

Common data engineering patterns

Append vs. CDC

Updating coffee sales data

Optimizing data  with SQL

Using INSERT

Using MERGE

Advanced data analysis patterns

Understanding window functions and sub-queries

Analyzing coffee sales by store

Writing a sub-query

Using a  window function

Using windows and sub-queries together

Course recap

Advanced patterns with Databricks SQL

Elke organisatie heeft een datawarehousingoplossing nodig om cruciale business intelligence-analyses uit te voeren. Door de jaren heen zijn er veel verschillende tools geweest om in deze behoeften te voorzien, maar vaak waren dit losse technologiestacks die moeite hadden om mee te schalen met moderne databehoeften.

Databricks is een krachtig Data Intelligence Platform dat in veel analytische behoeften van een organisatie kan voorzien. Door Databricks SQL te gebruiken, kun je direct in de lakehouse-architectuur beschikken over een hyperschaalbare en performante datawarehouseoplossing.

In deze cursus maak je kennis met de belangrijkste componenten en workflows binnen Databricks SQL.

Eerst leer je hoe je Databricks SQL gebruikt voor diverse data engineering-taken en hoe je je data door de medaillonarchitectuur beweegt om datateams te bedienen. Je leert veelgebruikte technieken van data engineers, hoe je tussen verschillende opslagtechnieken kiest en hoe je je data up-to-date houdt.

Vervolgens leer je hoe je je data in Databricks SQL analyseert, net als veel data-analisten in de praktijk doen. Je leert de gangbare functies en technieken met ANSI-gebaseerde SQL en maakt vervolgens visualisaties en dashboards in het platform om je verhaal met data beter te vertellen.

Tot slot leer je enkele meer geavanceerde technieken die gebruikmaken van de onderscheidende kwaliteiten van het Databricks-platform. Je leert hoe je snelstromende en snel veranderende data verwerkt met vensterfuncties en hoe je gegevenssets kunt samenvoegen zodra ze binnenkomen.

Elke organisatie heeft een datawarehouse nodig om belangrijke bedrijfsanalyses te kunnen doen. Door de jaren heen zijn er veel verschillende tools geweest om aan deze behoeften te voldoen, maar vaak waren het aparte technologieën die moeite hadden om bij te blijven met de moderne gegevensbehoeften en schaalbaarheid.

Databricks is een superhandig Data Intelligence Platform dat veel van de analytische behoeften van een organisatie kan vervullen. Door gebruik te maken van Databricks SQL kan een organisatie direct in de lakehouse-architectuur profiteren van een super schaalbare en snelle datawarehouse-oplossing.

In deze cursus leer je de belangrijkste onderdelen en workflows van Databricks SQL kennen.

Eerst leer je hoe je Databricks SQL kunt gebruiken om verschillende data-engineeringtaken uit te voeren en je data via de medaillonarchitectuur te verplaatsen om datateams te ondersteunen. Je leert de gangbare technieken die veel data-engineers gebruiken, hoe je tussen verschillende technieken voor gegevensopslag kunt kiezen en hoe je je gegevens up-to-date kunt houden.

Vervolgens leer je hoe je je data kunt analyseren in Databricks SQL, zoals veel data-analisten in de branche dat doen. Je leert de algemene functies en technieken met behulp van ANSI-gebaseerde SQL en maakt vervolgens visualisaties en dashboards binnen het platform om je gegevens beter te kunnen presenteren.

Tot slot leer je wat meer geavanceerde technieken die gebruikmaken van de belangrijkste onderscheidende kenmerken van het Databricks-platform. Je leert hoe je met window-functies omgaat met super snelle en snel veranderende data, en je kunt datasets samenvoegen zodra ze binnenkomen.

Intermediate SQL

Introduction to Databricks

Leer Databricks SQL voor data-engineering, analyses en realtime workflows in de lakehouse-architectuur.

Introductie tot Databricks SQL

Leer Databricks SQL voor data-engineering, analytics en realtime data-workflows in de lakehouse-architectuur.

Data-analist in Databricks

LakeFlow Connect kan data innemen uit databases, bestanden en SaaS-applicaties

LakeFlow Connect bestaat uit beheerde en kant-en-klare connectors

Als je data uploadt via een GUI-tool in Databricks, maak je een tabel in Unity Catalog

Je kunt de handmatige uploadfunctie gebruiken met databases én met bestanden

Beide genoemde methoden voor gegevensinname vereisen dat je wat programmeerwerk doet

LakeFlow Connect houdt je data niet up-to-date en moet elke keer opnieuw worden geconfigureerd

Gegevensinname via de GUI

Introductie tot Databricks SQL

Praktische interactieve oefening