GSP1257

Ringkasan

Bayangkan Anda adalah seorang detektif yang tengah mencoba memecahkan misteri. Namun, alih-alih memperoleh petunjuk, Anda justru memiliki banyak spreadsheet data yang sangat besar.

Anda adalah analis data baru di Data Beans, sebuah perusahaan yang memiliki spesialisasi dalam pengumpulan data, analisis, dan insight untuk perusahaan truk kopi keliling di negara Anda. Sekarang adalah minggu pertama Anda bekerja di perusahaan ini, dan Anda ditugasi untuk mengeksplorasi data perusahaan terkait truk kopi, menu, dan pesanan. Rekan orientasi Anda merekomendasikan Anda menggunakan BigQuery dengan fitur table explorer dan data insights untuk mempelajari data dan memperoleh insight dari situ. Fitur ini akan membantu Anda memulai eksplorasi data perusahaan dan memperoleh insight dari BigQuery tanpa harus menulis kueri SQL dari awal.

Tujuan

Di lab ini, Anda akan mempelajari cara:

• Membuat insight data di tabel order_item.
• Menggunakan table explorer dengan tabel location dan membuat kueri dasar.
• Mengkueri tabel order_item tanpa kode SQL.

Setelah menyelesaikan tujuan ini, Anda juga akan meninjau tabel menu dan order menggunakan salah satu fitur ini sebagai aktivitas terbuka.

Terakhir, Anda akan memiliki waktu untuk merefleksikan hal yang sudah dipelajari dalam lab ini dan mempertimbangkan cara menerapkan fitur table explorer dan data insights pada kasus Anda sendiri dengan menjawab pertanyaan dalam Jurnal Lab.

Penyiapan dan persyaratan

Sebelum mengklik tombol Start Lab

Baca petunjuk ini. Lab memiliki timer dan Anda tidak dapat menjedanya. Timer yang dimulai saat Anda mengklik Start Lab akan menampilkan durasi ketersediaan resource Google Cloud untuk Anda.

Lab interaktif ini dapat Anda gunakan untuk melakukan aktivitas lab di lingkungan cloud sungguhan, bukan di lingkungan demo atau simulasi. Untuk mengakses lab ini, Anda akan diberi kredensial baru yang bersifat sementara dan dapat digunakan untuk login serta mengakses Google Cloud selama durasi lab.

Untuk menyelesaikan lab ini, Anda memerlukan:

• Akses ke browser internet standar (disarankan browser Chrome).

Catatan: Gunakan jendela Samaran (direkomendasikan) atau browser pribadi untuk menjalankan lab ini. Hal ini akan mencegah konflik antara akun pribadi Anda dan akun siswa yang dapat menyebabkan tagihan ekstra pada akun pribadi Anda.

• Waktu untuk menyelesaikan lab. Ingat, setelah dimulai, lab tidak dapat dijeda.

Catatan: Hanya gunakan akun siswa untuk lab ini. Jika Anda menggunakan akun Google Cloud yang berbeda, Anda mungkin akan dikenai tagihan ke akun tersebut.

Cara memulai lab dan login ke Google Cloud Console

1. Klik tombol Start Lab. Jika Anda perlu membayar lab, dialog akan terbuka untuk memilih metode pembayaran. Di sebelah kiri ada panel Lab Details yang berisi hal-hal berikut:

   • Tombol Open Google Cloud console
   • Waktu tersisa
   • Kredensial sementara yang harus Anda gunakan untuk lab ini
   • Informasi lain, jika diperlukan, untuk menyelesaikan lab ini

2. Klik Open Google Cloud console (atau klik kanan dan pilih Open Link in Incognito Window jika Anda menjalankan browser Chrome).

   Lab akan menjalankan resource, lalu membuka tab lain yang menampilkan halaman Sign in.

   Tips: Atur tab di jendela terpisah secara berdampingan.

   Catatan: Jika Anda melihat dialog Choose an account, klik Use Another Account.

3. Jika perlu, salin Username di bawah dan tempel ke dialog Sign in.

   {{{user_0.username | "Username"}}}

   Anda juga dapat menemukan Username di panel Lab Details.

4. Klik Next.

5. Salin Password di bawah dan tempel ke dialog Welcome.

   {{{user_0.password | "Password"}}}

   Anda juga dapat menemukan Password di panel Lab Details.

6. Klik Next.

   Penting: Anda harus menggunakan kredensial yang diberikan lab. Jangan menggunakan kredensial akun Google Cloud Anda. Catatan: Menggunakan akun Google Cloud sendiri untuk lab ini dapat dikenai biaya tambahan.

7. Klik halaman berikutnya:

   • Setujui persyaratan dan ketentuan.
   • Jangan tambahkan opsi pemulihan atau autentikasi 2 langkah (karena ini akun sementara).
   • Jangan mendaftar uji coba gratis.

Setelah beberapa saat, Konsol Google Cloud akan terbuka di tab ini.

Catatan: Untuk mengakses produk dan layanan Google Cloud, klik Navigation menu atau ketik nama layanan atau produk di kolom Search.

Tugas 1. Membuat insight data di tabel order_item

Dalam tugas ini, Anda akan mengaktifkan data insights di tabel order_item dalam set data coffee_on_wheels.

Data insights adalah alat untuk siapa saja yang ingin mengeksplorasi data dan memperoleh insight tanpa menulis kueri SQL yang kompleks.

1. Di Konsol Google Cloud, pada Navigation menu, klik BigQuery.

2. Klik DONE di pop-up Welcome.

3. Di panel Explorer, luaskan project . Anda akan melihat set data coffee_on_wheels di bagian bawah daftar.

4. Luaskan set data coffee_on_wheels. Anda akan melihat tabel order_item.

5. Klik tabel order_item. Skema order_item akan ditampilkan. Tinjau detail skema tersebut.

6. Klik tab INSIGHTS. Anda akan melihat pesan yang menyatakan "Insights have not yet been generated". Hal ini wajar, karena insight belum pernah dibuat dalam lingkungan lab Anda.

7. Klik tombol GENERATE INSIGHTS. Sekarang, Gemini akan membuat insight untuk tabel order_item.

   Catatan: Proses membuat insight untuk tabel akan memerlukan waktu beberapa menit. Ini adalah hal yang wajar. Tunggu sampai insight dibuat untuk memastikan tugas ini selesai. Anda akan kembali ke insight untuk tabel order_item nanti.

Klik Check my progress untuk memverifikasi tujuan. Membuat insight data di tabel order_item.

Tugas 2. Menggunakan table explorer untuk meninjau detail tabel location

Sambil menunggu insight dibuat, Anda akan menggunakan fitur table explorer di BigQuery untuk meninjau tabel location yang disertakan dengan set data coffee_on_wheels. Anda juga akan membuat kueri dasar dengan table explorer untuk mencari semua kolom yang terkait dengan truk Coffee Cart Connection, Empire Espresso, dan Street Sips.

Mengakses table explorer

1. Di panel Explorer, klik tabel location. Anda akan melihat skema tabel location ditampilkan. Tinjau detail skema tersebut.

2. Klik tab TABLE EXPLORER. Perhatikan perubahan halaman BigQuery Studio, yaitu tersedianya bagian Distinct Values di bagian atas dan bagian Generated Query di bagian bawah, dengan kueri berikut.

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

   Anda akan menangani bagian Distinct Values. Saat menambahkan kolom menggunakan tombol SELECT FIELDS, Anda akan melihat perubahan kueri di bagian Generated Query.

Memilih kolom dan membuat kueri dasar

1. Pilih SELECT FIELDS. Anda akan melihat semua kolom di tabel muncul.

2. Pilih semua kolom, lalu klik SAVE. Kini Anda akan melihat kartu interaktif untuk setiap kolom. Kartu interaktif menampilkan nilai paling umum untuk setiap kolom dalam set data. Nilai di setiap kartu dapat digunakan untuk mengubah kueri. Namun, Anda hanya dapat menggunakan satu kartu sebagai filter (klausa Where) dalam pernyataan SQL Anda.

3. Anda akan membuat kueri baru menggunakan kartu location_name. Klik:

   • Coffee Cart Connection
   • Street Sips
   • Empire Espresso Explorer
   Catatan: Setelah Anda memilih nilai ini, BigQuery akan menampilkan informasi "This script will process 5.7 KB when run". Hal ini menunjukkan jumlah data yang akan diproses oleh skrip saat Anda menjalankan kueri.

   Perhatikan juga bahwa kuerinya adalah:

   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. Klik APPLY. Perhatikan perubahan nilai lain pada kartu lainnya.

5. Klik COPY TO QUERY.

6. Tab Untitled query baru akan terbuka di BigQuery Studio.

7. Klik RUN. Hasilnya adalah 3 baris dengan city_id, company_id, location_id, location_name, dan location_type dari setiap truk ini.

   Selamat! Anda baru saja menulis kueri pertama dengan table explorer tanpa menggunakan kode SQL.

Singkatnya, table explorer adalah alat untuk memulai eksplorasi data di BigQuery, khususnya jika Anda belum pernah menggunakan SQL atau menginginkan cara cepat untuk memahami data Anda.

Berikut beberapa hal yang perlu diingat tentang table explorer:

• Table explorer adalah alat visual untuk mengeksplorasi satu tabel dalam satu waktu.
• Table explorer tidak mendukung operasi kompleks seperti penggabungan beberapa tabel.
• Table explorer membuat kueri SQL dasar. Misalnya, Anda tidak dapat membuat pernyataan klausa WHERE yang kompleks, termasuk operand seperti AND atau OR.
• Table explorer tidak memberikan bantuan berteknologi AI untuk kueri yang kompleks.

Saatnya untuk berpikir

1. Dengan mempertimbangkan data dan kasus penggunaan Anda untuk BigQuery, bagaimana Anda akan menggunakan fitur table explorer?

Klik Check my progress untuk memverifikasi tujuan. Menggunakan table explorer untuk meninjau detail tabel location.

Tugas 3. Mengkueri tabel order_item tanpa kode

Insight yang Anda buat di tugas awal kini telah siap. Dalam tugas ini, Anda akan menggunakan perintah yang dibuat dari insight ini untuk mengkueri tabel order_item tanpa menggunakan kode.

Memilih insight dan menjalankan kueri yang terkait dengan insight tersebut

1. Di panel Explorer, klik tabel order_item. Tinjau skema dengan kolom terkait.

2. Klik INSIGHTS. Perlu diingat: sebelumnya, Anda membuat insight, dan Anda akan melihat insight tersebut tercantum di titik ini.

   Catatan: Setiap insight hadir dalam bentuk pertanyaan yang dimulai dengan siapa, apa, kapan, di mana, dan bagaimana, atau dengan kata kerja, seperti hitung, identifikasi, atau temukan.

3. Tinjau daftar insight, dan telusuri insight yang mirip dengan insight berikut:

   Berapa total pendapatan yang dihasilkan dari setiap item menu? Catatan: Insight ini dapat dibuat menggunakan frasa seperti "Kueri ini menghitung total pendapatan yang dihasilkan setiap item menu". Catatan: Insight dibuat oleh Gemini. Oleh karena itu, Anda mungkin tidak memiliki insight yang mirip dengan insight di atas. Hal ini terjadi karena Gemini memprediksi insight berdasarkan data dalam set data dan model yang dilatih. Oleh karena itu, telusuri sesuatu yang mirip dengan insight yang memiliki total pendapatan untuk setiap item menu dalam tabel order_item. Silakan buat ulang insight sesuai kebutuhan dengan menggunakan tombol GENERATE INSIGHTS jika Anda ingin menggunakan contoh perintah ini.

4. Setelah Anda menemukan insight yang mirip, perluas insight tersebut untuk mengungkap kode SQL dasar pada insight. Anda akan melihat kueri yang mirip dengan kueri berikut:

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

5. Klik COPY TO QUERY. Tab baru akan terbuka di BigQuery Studio. Kueri ini disebut "Untitled Query" dengan pertanyaan (perintah yang membuat kueri) dan kueri yang disertakan.

6. Klik RUN. Kueri akan dijalankan, dan Anda akan melihat hasilnya. Perhatikan bahwa hasil tersebut menyertakan dua kolom: ID menu dan total pendapatan yang dihasilkan untuk setiap item menu. Hal ini berguna, tetapi kita tidak langsung tahu item mana yang memiliki pendapatan paling banyak, dan kolom total pendapatan menyertakan angka di belakang koma yang terlalu banyak. Anda bisa memperbaikinya lagi tanpa kode SQL.

Mentransformasi kueri tanpa kode untuk hanya menyertakan dua angka di belakang koma

1. Pilih kueri.

2. Di sebelah kiri pernyataan SELECT, klik , lalu klik Transform. Anda akan melihat dialog dengan kolom teks kosong dan tombol GENERATE. Di sini, Anda dapat mentransformasi kueri berdasarkan bahasa alami.

3. Masukkan perintah berikut:

   Display total_revenue as 2 decimal points.

4. Klik GENERATE. Anda akan melihat kueri awal dengan teks berlatar belakang merah dan kueri yang diubah dengan teks berlatar belakang hijau.

5. Jika Anda menyetujui kueri yang baru saja disarankan, klik INSERT. Kueri tersebut disisipkan kembali ke tab Untitled Query dan akan terlihat seperti ini:

   -- 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. Klik RUN. Perhatikan bahwa kolom total_revenue kini diformat sehingga hanya menyisakan dua angka di belakang koma.

Mentransformasi kueri untuk mengurutkan hasil dalam urutan menurun

1. Pilih kueri.

2. Di sebelah kiri pernyataan SELECT, klik , lalu klik Transform.

3. Masukkan perintah berikut:

   Order the total_revenue field in descending order.

4. Klik GENERATE. Anda akan melihat kueri awal dengan teks berlatar belakang merah dan kueri yang diubah dengan teks berlatar belakang hijau.

5. Jika Anda menyetujui kueri yang baru saja disarankan, klik INSERT. Kueri disisipkan kembali ke tab Untitled Query dan akan terlihat mirip dengan:

   -- 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. Klik RUN. Perhatikan bahwa kolom total_revenue kini dalam urutan menurun dengan item menu yang menampilkan total pendapatan paling banyak terlebih dahulu.

Selamat! Anda berhasil menggunakan data insights untuk memilih insight dan mentransformasinya tanpa menggunakan kode SQL.

Singkatnya, data insights BigQuery adalah alat untuk siapa saja yang ingin mengeksplorasi datanya dan memperoleh insight tanpa menulis kueri SQL yang kompleks.

Berikut beberapa hal yang perlu diingat tentang insight BigQuery:

• Data insights adalah alat yang berguna untuk mengeksplorasi dan memahami data Anda, khususnya jika Anda belum pernah menggunakan SQL, atau ingin memulai analisis data.
• Data insights menggunakan Gemini untuk membuat kueri berdasarkan metadata dari data Anda, yang mempermudah penemuan insight yang relevan.
• Data insights adalah fitur yang dapat membantu Anda memanfaatkan potensi data.

Saatnya untuk berpikir

1. Manakah insight yang menurut Anda paling berguna pada tabel order_item?

2. Dengan mempertimbangkan data dan kasus penggunaan Anda untuk BigQuery, bagaimana Anda akan menggunakan fitur data insights?

Klik Check my progress untuk memverifikasi tujuan. Mengkueri tabel order_item tanpa kode.

Tugas 4. Meninjau tabel menu dan order

Dalam tugas ini, Anda akan mengeksplorasi tabel menu dan order lainnya dalam set data coffee_on_wheels dan menjawab pertanyaan di bawah menggunakan Jurnal Lab. Setelah Anda mempelajari alat data insights dan table explorer, sebaiknya manfaatkan pengetahuan tersebut untuk menjawab pertanyaan ini, atau bahkan menulis kueri sendiri jika Anda memilih melakukannya. Namun, perhatikan sisa waktu untuk lab ini. Ketika waktu tersisa 5 menit, sebaiknya Anda mengonfirmasi bahwa Anda telah menyelesaikan semua pemeriksaan progres untuk mendapatkan kredit penyelesaian lab.

1. Cari tiga item teratas dengan harga rata-rata tertinggi untuk setiap ukuran.

   • Manakah tabel yang memuat ukuran ini?
   • Manakah alat yang akan membantu Anda menjawab pertanyaan ini?

2. Cari semua pesanan dari location_id 37.

   • Manakah tabel yang berisi informasi ini?
   • Berapa jumlah pesanan di tabel tersebut dari lokasi ini?
   • Manakah alat yang akan Anda gunakan untuk menemukan semua pesanan?

3. Untuk kasus penggunaan Anda, di antara table explorer dan data insights, manakah alat yang paling membantu Anda? Mengapa?

Setelah Anda menjawab pertanyaan tersebut, silakan tinjau Solusi Jurnal Lab.

Selamat!

Dalam lab ini, Anda telah mempelajari cara membuat insight data, dan menggunakan insight tersebut untuk mengkueri set data coffee_on_wheels tanpa kode. Anda juga telah mempelajari cara menggunakan table explorer untuk mengeksplorasi tabel location serta membuat kueri dasar tanpa kode. Terakhir, Anda mempertimbangkan cara menerapkan fitur ini pada data dan kasus penggunaan Anda sendiri dengan BigQuery.

Langkah berikutnya/pelajari lebih lanjut

Pertimbangkan untuk menindaklanjuti hal yang telah Anda pelajari di lab ini dan respons jurnal Anda serta sampaikan kepada tim Anda. Anda dapat mempelajari lebih lanjut dengan link di bawah:

• Data Insights
• Table Explorer
• Model Gemini
• AI Generatif

Sertifikasi dan pelatihan Google Cloud

...membantu Anda mengoptimalkan teknologi Google Cloud. Kelas kami mencakup keterampilan teknis dan praktik terbaik untuk membantu Anda memahami dengan cepat dan melanjutkan proses pembelajaran. Kami menawarkan pelatihan tingkat dasar hingga lanjutan dengan opsi on demand, live, dan virtual untuk menyesuaikan dengan jadwal Anda yang sibuk. Sertifikasi membantu Anda memvalidasi dan membuktikan keterampilan serta keahlian Anda dalam teknologi Google Cloud.

Manual terakhir diperbarui 7 Oktober 2024

Lab terakhir diuji 7 Oktober 2024

Hak cipta 2025 Google LLC. Semua hak dilindungi undang-undang. Google dan logo Google adalah merek dagang dari Google LLC. Semua nama perusahaan dan produk lain mungkin adalah merek dagang masing-masing perusahaan yang bersangkutan.