GSP1257

Übersicht

Stellen Sie sich vor, Sie seien ein Detektiv, der einen kniffligen Fall lösen soll. Anstatt Spuren haben Sie jedoch mehrere riesige Datentabellen.

Sie arbeiten seit Kurzem als Data Analyst bei Data Beans, einem Unternehmen, das auf die Datenerhebung und ‑analyse sowie das Erstellen von Insights für mobile Kaffeebars in Ihrem Land spezialisiert ist. In Ihrer ersten Arbeitswoche haben Sie den Auftrag erhalten, die Daten des Unternehmens zu den Kaffeebars, ihren Speisekarten und Bestellungen zu analysieren. Die für Ihre Einarbeitung zuständige Person empfiehlt Ihnen, BigQuery mit den Tabellen-Explorer- und Datenstatistikfunktionen zu nutzen, um mehr über die Daten zu erfahren und Insights zu erstellen. So können Sie die Daten des Unternehmens analysieren und daraus Informationen gewinnen, ohne SQL-Abfragen erstellen zu müssen.

Ziele

Aufgaben in diesem Lab:

• Für die Tabelle „order_item“ Datenstatistiken erstellen
• Den Tabellen-Explorer für die Tabelle „location“ verwenden, um einfache Abfragen zu erstellen
• Die Tabelle „order_item“ ohne SQL-Code abfragen

Nachdem Sie dies erledigt haben, fragen Sie zusätzlich die Tabellen mit Daten zu den Speisekarten und Bestellungen mit einer dieser Funktionen ab.

Am Schluss haben Sie Zeit, über das in diesem Lab Gelernte nachzudenken und zu überlegen, wie Sie die Tabellen-Explorer- und Datenstatistikfunktionen für Ihre Anwendungsfälle 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: Für die Tabelle „order_item“ Datenstatistiken erstellen

In dieser Aufgabe aktivieren Sie Data Insights für die Tabelle order_item im Dataset coffee_on_wheels.

Data Insights ist ein Tool zum Analysieren von Daten und zum Erstellen von Statistiken ohne komplexe SQL-Abfragen.

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

2. Klicken Sie im Pop-up-Fenster „Willkommen“ auf FERTIG.

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

4. Maximieren Sie das Dataset coffee_on_wheels. Jetzt sehen Sie die Tabelle order_item.

5. Klicken Sie auf die Tabelle order_item. Ihnen wird das Schema von order_item angezeigt. Sehen Sie sich die Schemadetails an.

6. Klicken Sie auf den Tab INSIGHTS. Ihnen wird die Meldung „Insights wurden noch nicht generiert“ angezeigt. Das ist normal, denn es wurden in der Lab-Umgebung noch keine Insights erstellt.

7. Klicken Sie auf INSIGHTS GENERIEREN. Gemini erstellt jetzt Insights für die Tabelle order_item.

   Hinweis: Das Generieren der Insights für die Tabelle dauert einige Minuten. Das ist normal. Warten Sie, bis der Vorgang abgeschlossen ist, bevor Sie den Fortschritt prüfen. Sie kehren später zu den Insights für die Tabelle order_item zurück.

Klicken Sie auf Fortschritt prüfen. Für die Tabelle „order_item“ Datenstatistiken erstellen

Aufgabe 2: Mit dem Tabellen-Explorer Details der Tabelle „location“ prüfen

Während Sie auf die Insights warten, prüfen Sie mit der Tabellen-Explorer-Funktion von BigQuery die Tabelle location im Dataset coffee_on_wheels. Außerdem erstellen Sie mit dem Tabellen-Explorer eine einfache Abfrage, um alle mit den mobilen Kaffeebars „Coffee Cart Connection“, „Empire Espresso“ und „Street Sips“ verknüpften Felder zu finden.

Tabellen-Explorer aufrufen

1. Klicken Sie im Bereich Explorer auf die Tabelle location. Ihnen wird das Schema der Tabelle location angezeigt. Sehen Sie sich die Schemadetails an.

2. Klicken Sie auf den Tab TABELLEN-EXPLORER. Die BigQuery Studio-Seite ändert sich. Oben sehen Sie den Abschnitt „Eindeutige Werte“ und unten den Abschnitt „Generierte Abfrage“ mit der Abfrage.

   SELECT * FROM `{{{project_0.project_id|set at lab start}}}.coffee_on_wheels.location`;

   Sie arbeiten im Abschnitt „Eindeutige Werte“. Wenn Sie über die Schaltfläche FELDER AUSWÄHLEN Felder hinzufügen, ändert sich die Abfrage im Abschnitt „Generierte Abfrage“.

Felder auswählen und eine einfache Abfrage erstellen

1. Klicken Sie auf FELDER AUSWÄHLEN. Ihnen werden alle Felder in der Tabelle angezeigt.

2. Wählen Sie alle Felder aus und klicken Sie auf SPEICHERN. Jetzt wird Ihnen zu jedem Feld eine interaktive Karte angezeigt. Diese enthält die gängigsten Werte für das jeweilige Feld im Dataset. Die Werte können dazu verwendet werden, die Abfrage zu ändern. Sie können in Ihrer SQL-Anweisung allerdings nur eine Karte als Filter (WHERE-Klausel) einsetzen.

3. Sie erstellen eine neue Abfrage mit der Karte location_name. Klicken Sie auf:

   • Coffee Cart Connection
   • Street Sips
   • Empire Espresso Explorer
   Hinweis: Nachdem Sie diese Werte ausgewählt haben, zeigt Ihnen BigQuery die Meldung „Dieses Script verarbeitet 5,7 KB bei der Ausführung“ an. Daran können Sie ablesen, wie viele Daten das Script beim Ausführen der Abfrage verarbeitet.

   Die Abfrage lautet:

   SELECT `city_id`, `company_id`, `location_id`, `location_name`, `location_type` FROM `{{{project_0.project_id|set at lab start}}}.coffee_on_wheels.location` WHERE (`location_name` IN ('Coffee Cart Connection', 'Empire Espresso Explorer', 'Street Sips'));

4. Klicken Sie auf ANWENDEN. Beachten Sie, wie sich die Werte auf den anderen Karten ändern.

5. Klicken Sie auf IN ABFRAGE KOPIEREN.

6. Ein neuer Tab Unbenannte Abfrage wird in BigQuery Studio geöffnet.

7. Klicken Sie auf AUSFÜHREN. Sie erhalten drei Zeilen mit den Werten für city_id, company_id, location_id, location_name und location_type der mobilen Kaffeebars.

   Glückwunsch! Sie haben Ihre erste Abfrage mit dem Tabellen-Explorer erstellt, ohne SQL-Code zu verwenden.

Der Tabellen-Explorer ist ein Tool für den Einstieg in die Datenanalyse in BigQuery, insbesondere wenn Sie mit SQL noch nicht vertraut sind oder schnell Informationen aus Daten gewinnen möchten.

Hier noch einige wichtige Hinweise zum Tabellen-Explorer:

• Dies ist ein visuelles Tool zum Analysieren einer einzelnen Tabelle.
• Komplexe Vorgänge wie Joins mehrerer Tabellen werden nicht unterstützt.
• Er erzeugt einfache SQL-Abfragen. Komplexe Anweisungen mit WHERE-Klauseln und Operanden wie AND oder OR sind damit nicht möglich.
• Er bietet keine KI-basierte Unterstützung für komplexe Abfragen.

Zwischenüberlegungen

1. Wie würden Sie den Tabellen-Explorer für Ihre Daten und Anwendungsfälle in BigQuery nutzen?

Klicken Sie auf Fortschritt prüfen. Mit dem Tabellen-Explorer Details der Tabelle „location“ prüfen

Aufgabe 3: Tabelle „order_item“ ohne Code abfragen

Die in einer vorherigen Aufgabe erzeugten Insights stehen jetzt bereit. In dieser Aufgabe verwenden Sie einen aus diesen Insights generierten Prompt, um die Tabelle order_item ohne Code abzufragen.

Insight auswählen und die damit verknüpfte Abfrage ausführen

1. Klicken Sie im Bereich Explorer auf die Tabelle order_item. Sehen Sie sich das Schema mit den verknüpften Feldern an.

2. Klicken Sie auf INSIGHTS. Sie haben bereits Insights generiert, die Ihnen nun angezeigt werden sollten.

   Hinweis: Insights sind als Frage mit den Fragewörtern wer, was, wann, wo und wie formuliert oder enthalten ein Verb, das eine Tätigkeit ausdrückt, wie berechnen, identifizieren oder suchen.

3. Gehen Sie die Liste der Insights durch und suchen Sie nach einem, das diesem ähnelt:

   Wie hoch sind die durch die einzelnen Artikel auf der Speisekarte erzielten Gesamteinnahmen? Hinweis: Dieses Insight kann durch eine Formulierung wie „Diese Abfrage berechnet die durch die einzelnen Artikel auf der Speisekarte erzielten Gesamteinnahmen“ erzeugt werden. Hinweis: Die Insights werden von Gemini generiert, weswegen die Liste nicht unbedingt genau das obige Insight enthält. Dies liegt daran, dass Gemini Insights anhand der Daten im Dataset und dem trainierten Modell vorhersagt. Suchen Sie daher nach etwas, das die Gesamteinnahmen für jeden Artikel auf der Speisekarte in der Tabelle order_item enthält. Sie können gern über die Schaltfläche INSIGHTS GENERIEREN neue Insights erzeugen, wenn Sie mit diesem Beispiel-Prompt arbeiten möchten.

4. Wenn Sie ein passendes Insight gefunden haben, erweitern Sie es, um den zugrunde liegenden SQL-Code einzublenden. Sie sollten eine Abfrage ähnlich der folgenden sehen:

   SELECT menu_id, SUM(item_total) AS total_revenue FROM `coffee_on_wheels.order_item` GROUP BY menu_id;

5. Klicken Sie auf IN ABFRAGE KOPIEREN. In BigQuery Studio wird ein neuer Tab geöffnet. Er heißt „Unbenannte Abfrage“ und enthält die Frage (den Prompt, der die Abfrage erzeugt hat) sowie die Abfrage.

6. Klicken Sie auf AUSFÜHREN. Die Abfrage wird ausgeführt und Ihnen wird das Ergebnis angezeigt. Dieses umfasst zwei Felder: die Speisekarten-ID und die mit jedem Artikel auf der Speisekarte erzielten Gesamteinnahmen. Das ist hilfreich, aber daraus lässt sich nicht so einfach ablesen, welcher Artikel die höchsten Einnahmen erbracht hat. Außerdem enthält das Feld mit den Gesamteinnahmen überflüssige Dezimalstellen. Auch dieses Problem lässt sich ohne SQL-Code lösen.

Abfrage ohne Code so ändern, dass die Werte nur zwei Dezimalstellen umfassen

1. Markieren Sie die Abfrage.

2. Klicken Sie links von der SELECT-Anweisung auf und dann auf Transformieren. Ihnen wird ein Dialogfeld mit einem leeren Textfeld sowie der Schaltfläche GENERIEREN angezeigt. Hier können Sie die Abfrage mit natürlicher Sprache transformieren.

3. Geben Sie diesen Prompt ein:

   Zeige das Feld „total_revenue“ mit zwei Dezimalstellen an.

4. Klicken Sie auf ERSTELLEN. Die ursprüngliche Abfrage wird mit rot hinterlegtem Text und die geänderte Abfrage mit grün hinterlegtem Text angezeigt.

5. Wenn Sie mit dem neuen Vorschlag für die Abfrage einverstanden sind, klicken Sie auf EINFÜGEN. Die Abfrage wird in den Tab „Unbenannte Abfrage“ eingefügt und sollte jetzt so aussehen:

   -- What is the total revenue generated by each menu item? -- Display total_revenue as 2 decimal points. SELECT menu_id, ROUND(SUM(item_total), 2) AS total_revenue FROM `{{{project_0.project_id|set at lab start}}}.coffee_on_wheels.order_item` GROUP BY 1;

6. Klicken Sie auf AUSFÜHREN. Jetzt enthält das Feld total_revenue Werte mit nur zwei Dezimalstellen.

Abfrage transformieren, um die Ergebnisse in absteigender Reihenfolge zu sortieren

1. Markieren Sie die Abfrage.

2. Klicken Sie links von der SELECT-Anweisung auf und dann auf Transformieren.

3. Geben Sie diesen Prompt ein:

   Sortiere die Werte im Feld „total_revenue“ in absteigender Reihenfolge.

4. Klicken Sie auf ERSTELLEN. Die ursprüngliche Abfrage wird mit rot hinterlegtem Text und die geänderte Abfrage mit grün hinterlegtem Text angezeigt.

5. Wenn Sie mit dem neuen Vorschlag für die Abfrage einverstanden sind, klicken Sie auf EINFÜGEN. Die Abfrage wird in den Tab „Unbenannte Abfrage“ eingefügt und sollte jetzt so aussehen:

   -- What is the total revenue generated from each menu item? -- Display total_revenue as 2 decimal points. -- Order the total_revenue field in descending order. SELECT menu_id, ROUND(SUM(item_total), 2) AS total_revenue FROM `{{{project_0.project_id|set at lab start}}}.coffee_on_wheels.order_item` GROUP BY menu_id ORDER BY total_revenue DESC;

6. Klicken Sie auf AUSFÜHREN. Die Werte im Feld „total_revenue“ sind jetzt in absteigender Reihenfolge sortiert, wobei die Artikel auf der Speisekarte mit den höchsten Gesamteinnahmen oben in der Liste angezeigt werden.

Glückwunsch! Sie haben mit Data Insights ein Insight ausgewählt und ohne SQL-Code transformiert.

BigQuery Data Insights ist ein Tool, mit dem sich Daten analysieren und Statistiken erstellen lassen, ohne dass dafür komplexe SQL-Abfragen geschrieben werden müssen.

Hier noch einige wichtige Hinweise zu BigQuery Data Insights:

• Dieses Tool ist hilfreich, wenn Sie Ihre Daten analysieren und besser verstehen möchten, insbesondere wenn Sie mit SQL noch nicht vertraut sind oder schnell mit der Datenanalyse beginnen möchten.
• Es nutzt Gemini, um Abfragen auf der Grundlage der Metadaten Ihrer Daten zu erstellen, wodurch es leichter ist, relevante Insights zu finden.
• Mit dieser Funktion können Sie das Potenzial Ihrer Daten besser ausschöpfen.

Zwischenüberlegungen

1. Welche Insights erschienen Ihnen für die Tabelle order_item am hilfreichsten?

2. Wie würden Sie die Datenstatistikfunktion für Ihre Daten und Anwendungsfälle in BigQuery nutzen?

Klicken Sie auf Fortschritt prüfen. Tabelle „order_item“ ohne Code abfragen

Aufgabe 4: Tabellen mit Daten zu den Speisekarten und Bestellungen ansehen

In dieser Aufgabe analysieren Sie die verbleibenden Tabellen mit Daten zu Speisekarten und Bestellungen im Dataset „coffee_on_wheels“ und beantworten die folgenden Fragen mithilfe Ihres Lab-Journals. Nachdem Sie nun die Tools Data Insights und Tabellen-Explorer kennen, können Sie diese verwenden, um die Fragen zu beantworten oder sogar eigene Abfragen zu schreiben. Achten Sie jedoch auf die verbleibende Bearbeitungszeit für dieses Lab. In den letzten fünf Minuten sollten Sie prüfen, ob Sie alle Fortschrittsprüfungen absolviert haben, damit Ihnen das Lab angerechnet wird.

1. Suchen Sie die drei Artikel mit dem höchsten Durchschnittspreis in jeder Größe.

   • In welcher Tabelle bzw. in welchen Tabellen finden Sie diese Daten?
   • Welches Tool unterstützt Sie dabei, diese Frage zu beantworten?

2. Suchen Sie alle Bestellungen mit der location_id 37.

   • In welcher Tabelle bzw. in welchen Tabellen finden Sie diese Daten?
   • Wie viele Bestellungen gibt es von diesem Standort?
   • Mit welchem Tool könnten Sie sämtliche Bestellungen suchen?

3. Welches Tool – Tabellen-Explorer oder Data Insights – wäre für Ihre Anwendungsfälle am hilfreichsten? Warum?

Nachdem Sie die Fragen beantwortet haben, können Sie sich die Lösungen im Lab-Journal ansehen.

Das wars! Sie haben das Lab erfolgreich abgeschlossen.

Darin haben Sie gelernt, wie Sie aus Daten Insights generieren und diese verwenden, um das Dataset „coffee_on_wheels“ ohne Code abzufragen. Außerdem haben Sie gelernt, wie Sie mit dem Tabellen-Explorer die Tabelle „location“ analysieren und einfache Abfragen ohne Code erstellen können. Zum Schluss haben Sie überlegt, wie Sie diese Funktionen in BigQuery für Ihre eigenen Daten und Anwendungsfälle nutzen könnten.

Weitere Informationen

Sie können das, was Sie in diesem Lab gelernt haben, sowie Ihre Antworten im Journal mit Ihrem Team teilen. Unter den folgenden Links finden Sie weitere hilfreiche Informationen:

• Data Insights
• Tabellen-Explorer
• 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 7. Oktober 2024 aktualisiert

Lab zuletzt am 7. 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.