Wird geladen…
Keine Ergebnisse gefunden.

Ihre Kompetenzen in der Google Cloud Console anwenden

Anleitung und Anforderungen für Lab-Einrichtung
Schützen Sie Ihr Konto und Ihren Fortschritt. Verwenden Sie immer den privaten Modus und Lab-Anmeldedaten, um dieses Lab auszuführen.

BigQuery aufrufen

Lab 1 Stunde 30 Minuten universal_currency_alt 5 Guthabenpunkte show_chart Einsteiger
info Dieses Lab kann KI-Tools enthalten, die den Lernprozess unterstützen.
Dieser Inhalt ist noch nicht für Mobilgeräte optimiert.
Die Lernumgebung funktioniert am besten, wenn Sie auf einem Computer über einen per E‑Mail gesendeten Link darauf zugreifen.
Symbol „Wichtig“ WICHTIG:

Symbol für Computer/Laptop Dieses Lab sollte nur auf einem Computer oder Laptop durchgeführt werden.

Häkchensymbol Pro Lab sind nur 5 Versuche zulässig.

Symbol für Quiz-Ziel Zur Erinnerung: Es ist ganz normal, beim ersten Versuch nicht alle Fragen richtig zu beantworten oder eine Aufgabe wiederholen zu müssen – das gehört zum Lernprozess.

Timersymbol Sobald ein Lab gestartet wurde, kann der Timer nicht mehr pausiert werden. Nach 1 Stunde und 30 Minuten wird das Lab beendet und Sie müssen von vorne beginnen.

Tippsymbol Weitere Informationen finden Sie in den technischen Tipps zum Lab.

Aktivitätsübersicht

Für die Cloud-Datenanalyse gibt es zahlreiche Tools, die in den einzelnen Phasen des Analyseprozesses hilfreich sein können. Zwei beliebte und leistungsstarke Tools, die auf vielen wichtigen Cloud-Plattformen funktionieren, sind BigQuery und Looker.

BigQuery ist ein vollständig verwaltetes Data Warehouse für Unternehmen, mit dem Sie Ihre Daten über die Google Cloud Console verwalten und analysieren können. Mit BigQuery lassen sich SQL-Abfragen verwenden, um Daten abzurufen, zu bereinigen und zu organisieren. So erhalten Sie Daten von hoher Qualität, die Sie für Berichte und Analysen benötigen. Mit BigQuery können Sie auch SQL-Abfragen schreiben, um Daten aus mehreren Tabellen mithilfe von JOIN-Anweisungen zusammenzuführen.

Looker ist eine Business-Intelligence-Plattform (BI), mit der Sie Ihre Daten analysieren, visualisieren und teilen können. Looker Studio ist Teil der Looker-Plattform und lässt sich ganz einfach über die BigQuery-Benutzeroberfläche aufrufen. Mit diesem Tool können Sie Ihre Daten in informative und vollständig anpassbare Dashboards und Berichte umwandeln.

In diesem Lab untersuchen Sie zwei Datasets in BigQuery und führen SQL-Abfragen aus, um die Daten zu filtern. Anschließend sehen Sie sich die visualisierten Ergebnisse in Looker Studio an.

Szenario

Herzlichen Glückwunsch! Sie wurden als Data Analyst bei TheLook eCommerce eingestellt, einem weltweit tätigen Unternehmen, das Bekleidung über Ladengeschäfte und digitale Kanäle verkauft, z. B. über die eigene Website, eine mobile App und verschiedene Social-Media-Apps von Drittanbietern. TheLook eCommerce ist ein schnell wachsendes Unternehmen, bei dem der Fokus auf Innovation und einer ethischen, nachhaltigen Beschaffung liegt.

TheLook eCommerce plant eine Werbekampagne, in der die besten College-Basketballspieler der National Collegiate Athletic Association (NCAA) für die Bekleidung des Unternehmens werben. Martina, die Marketingmanagerin, möchte, dass in der ersten Phase der Kampagne Bademode beworben wird.

Um die Bademode mit dem höchsten Umsatz im Juni zu identifizieren, dem Monat mit den meisten Bademodenverkäufen für das Unternehmen, bittet Martina Sie, einen Bericht mit den Verkaufsdaten für die Kategorie „Bademode“ für Juni 2023 zu erstellen. Sie sollen festlegen, welche Sportler bei der Kampagne mitmachen sollen. Analysieren Sie dazu das öffentliche Dataset der NCAA, um einen Bericht mit den besten Basketballspielern zu erstellen.

Gehen Sie so vor: Zuerst sehen Sie sich die Tabellen im Dataset thelook_gcda an. Als Nächstes filtern Sie die Daten, um Informationen zu Schwimmbekleidung abzurufen, die in den letzten 30 Tagen verkauft wurde. Drittens sehen Sie sich die Tabellen im öffentlichen Dataset ncaa_basketball an. Zum Schluss filtern Sie die Daten, um Informationen zu den 10 Basketballspielern mit den meisten Punkten abzurufen.

Einrichtung

Bevor Sie auf „Lab starten“ klicken

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 die Ressourcen für das Lab verfügbar sind.

In diesem praxisorientierten Lab führen Sie die Aktivitäten eigenständig in einer echten Cloud-Umgebung durch, nicht in einer Simulation oder einer 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, 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: Wenn Sie über ein persönliches Google Cloud-Konto oder -Projekt verfügen, verwenden Sie es nicht für dieses Lab. So werden zusätzliche Kosten für Ihr Konto vermieden.

Lab starten und bei der Google Cloud Console anmelden

  1. Klicken Sie auf Lab starten. Auf der linken Seite befindet sich der Bereich Details zum Lab mit diesen Informationen:

    • Restzeit
    • Schaltfläche Google Cloud Console öffnen
    • Temporäre Anmeldedaten für das Lab
    • Ggf. weitere Informationen für dieses Lab
    Hinweis: Wenn Sie für das Lab bezahlen müssen, wird ein Pop-up-Fenster geöffnet, in dem Sie Ihre Zahlungsmethode auswählen können.

  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). Die Anmeldeseite wird in einem neuen Browsertab geöffnet.

    Tipp: Sie können die Tabs in getrennten Fenstern nebeneinander anordnen, um bequem zwischen ihnen zu wechseln.

    Hinweis: Wenn das Dialogfeld Konto auswählen angezeigt wird, klicken Sie auf Anderes Konto verwenden.

  3. Kopieren Sie bei Bedarf den folgenden Google Cloud-Nutzernamen und fügen Sie ihn in das Dialogfeld Anmelden ein. Klicken Sie dann auf Weiter.

{{{user_0.username | "Google Cloud username"}}}

Sie finden den Google Cloud-Nutzernamen auch im Bereich Details zum Lab.

  1. Kopieren Sie das folgende Google Cloud-Passwort und fügen Sie es in das Dialogfeld Willkommen ein. Klicken Sie dann auf Weiter.
{{{user_0.password | "Google Cloud password"}}}

Sie finden das Google Cloud-Passwort auch im Bereich Details zum Lab.

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.
  1. Klicken Sie sich durch die nachfolgenden Seiten:
    • Akzeptieren Sie die Nutzungsbedingungen.
    • Fügen Sie keine Wiederherstellungsoptionen oder 2-Faktor-Authentifizierung hinzu (da dies nur ein temporäres Konto ist).
    • Melden Sie sich nicht für kostenlose Testzeiträume an.

Nach wenigen Augenblicken wird die Console in diesem Tab geöffnet.

Hinweis: Wenn Sie sich eine Liste der Google Cloud-Produkte und ‑Dienste ansehen möchten, klicken Sie oben links auf das Navigationsmenü. Menü der Google Cloud Console mit hervorgehobenem Symbol für das Navigationsmenü

Aufgabe 1: Dataset „thelook_gcda“ untersuchen

In dieser Aufgabe sehen Sie sich das Dataset thelook_gcda und die darin enthaltenen Tabellen an. Anschließend führen Sie eine Abfrage aus, mit der zwei Tabellen verknüpft und Daten zu den im Juni 2023 verkauften Bademodeprodukten abgerufen werden.

  1. Klicken Sie in der Google Cloud Console im Navigationsmenü (Navigationsmenü) auf BigQuery > Studio.
Hinweis: Möglicherweise wird das Fenster Willkommen bei BigQuery in der Cloud Console angezeigt. Es enthält Links zur Kurzanleitung und zu den Versionshinweisen für Aktualisierungen der Benutzeroberfläche. Klicken Sie auf Fertig, um fortzufahren.
  1. Maximieren Sie im Explorer Ihr Projekt .
  2. Wählen Sie das Dataset thelook_gcda aus.
  3. Maximieren Sie im Bereich Klassischer Explorer das Dataset thelook_gcda. Die Tabellen in diesem Dataset werden angezeigt. Möglicherweise müssen Sie nach unten scrollen, um die vollständige Liste der Tabellen zu sehen.

In diesem Teil der Aufgabe untersuchen Sie die im Juni 2023 verkaufte Schwimmbekleidung.

  1. Wählen Sie die Tabelle products aus: Das Tabellenschema wird angezeigt.
  2. Wählen Sie den Tab Vorschau aus, um die Daten zu prüfen. Jedes Produkt enthält eine eindeutige Kennung in der Spalte „ID“.

Sehen Sie sich nun die Tabellen order_items und products an. Um herauszufinden, wie viel Bademode im Juni 2023 verkauft wurde, müssen diese beiden Tabellen über eine gemeinsame Spalte verknüpft werden.

  1. Klicken Sie im Abfrageeditor auf das Symbol SQL-Abfrage (+). Dadurch öffnet sich der neue Tab Unbenannte Abfrage, in dem Sie die Abfrage ausführen können.
  2. Kopieren Sie den folgenden Befehl und fügen Sie ihn auf dem Tab Unbenannte Abfrage ein:
Hinweis: Wenn Sie im Abfrageeditor eine neue Abfrage ausführen, können Sie entweder die alte Abfrage ersetzen, indem Sie die neue Abfrage Unbenannte Abfrage anstelle der vorherigen kopieren und auf demselben Tab einfügen, oder Sie können auf das Symbol SQL-Abfrage (+) klicken, um einen neuen Tab Unbenannte Abfrage zu öffnen, auf dem Sie die Abfrage ausführen können. SELECT o.order_id,p.name,p.brand,o.sale_price,o.created_at, o.status FROM `thelook_gcda.order_items` as o JOIN `thelook_gcda.products` as p ON o.product_id=p.id WHERE UPPER(p.category) like "SWIM" AND UPPER(o.status) NOT in ('RETURNED','CANCELED','CANCELLED') AND o.created_at >= '2023-06-01' AND o.created_at < '2023-07-01';
  1. Klicken Sie auf Ausführen.

Bei dieser Abfrage werden die Tabellen order_items und products zusammengeführt und alle Bestellungen von Schwimmbekleidung zurückgegeben, die im Juni 2023 nicht zurückgegeben oder storniert wurden.

Zuletzt analysieren Sie die Ergebnisse mit Looker Studio.

  1. Klicken Sie im Bereich „Abfrageergebnisse“ auf Öffnen in und wählen Sie Looker Studio aus.

  2. Klicken Sie auf der Seite „Datenzugriff prüfen“ auf Bestätigen.

Klicken Sie auf Fortschritt prüfen, um zu sehen, ob Sie die Aufgabe richtig ausgeführt haben.

Dataset „thelook_gcda“ ansehen

Aufgabe 2: Öffentliches Dataset für NCAA-Basketball untersuchen

In dieser Aufgabe sehen Sie sich das öffentliche Dataset ncaa_basketball und die darin enthaltenen Tabellen an. Anschließend führen Sie eine Abfrage aus, um die Daten zu den besten NCAA-Basketballspielern abzurufen. Zum Schluss führen Sie eine Abfrage aus, um die zehn Spieler mit der höchsten Punktzahl in einem Spiel zu ermitteln.

  1. Wenn Sie noch nicht in BigQuery Studio sind, klicken Sie in der Google Cloud Console im Navigationsmenü (Navigationsmenü) auf BigQuery > Studio.
  2. Klicken Sie auf den Bereich „Explorer“ und dann auf + Daten hinzufügen, um dem Projekt eine Datenquelle hinzuzufügen.
  3. Wählen Sie auf der Seite Daten hinzufügen unten links Öffentliche Datasets aus. Die Marketplace-Seite wird geöffnet.
  4. Geben Sie im Suchfeld ncaa ein und drücken Sie die Eingabetaste.
  5. Wählen Sie das Dataset NCAA Basketball aus.
  6. Klicken Sie auf der Seite Produktdetails auf Dataset ansehen, um das detaillierte Datenschema dieses öffentlichen BigQuery-Datasets aufzurufen.
  7. Das Dataset ncaa_basketball ist bereits mit Daten gefüllt und die Tabellen in diesem Dataset werden angezeigt.

Zuerst müssen Sie alle Punkte zusammenrechnen, die ein Spieler in allen Spielen gesammelt hat.

  1. Sehen Sie sich eine Vorschau der einzelnen Tabellen im Dataset ncaa_basketball an.
  2. Wählen Sie die Tabelle mbb_players_games_sr aus. Welche Spalten sind Ihrer Meinung nach hilfreich, um die Spieler mit der höchsten Punktzahl zu finden?

Jede Zeile in mbb_players_games_sr enthält die Ergebnisse für jeden Spieler und jedes gespielte Spiel. Um die Gesamtzahl der Punkte pro Spieler und Spiel zu erhalten, müssen Sie eine Abfrage ausführen, die die Daten über alle Spiele hinweg zusammenfasst.

  1. Kopieren Sie die folgende Abfrage in den Abfrageeditor:
SELECT first_name, last_name, team_name, sum(points) as total_points FROM `bigquery-public-data.ncaa_basketball.mbb_players_games_sr` group by first_name, last_name, team_name order by total_points desc;

Diese Abfrage gibt für jeden Spieler, sein jeweiliges Team und die Summe der Punkte aus allen Spielen, die er gespielt hat, eine Zeile zurück.

  1. Klicken Sie auf Ausführen.

Jetzt müssen Sie die Top-10-Spieler mit der höchsten Punktzahl in einem einzelnen Spiel finden.

  1. Kopieren Sie die folgende Abfrage in den Abfrageeditor:
WITH rankings AS ( SELECT RANK() OVER (ORDER BY points DESC) AS ranking, first_name, last_name, team_name, points FROM `bigquery-public-data.ncaa_basketball.mbb_players_games_sr` ) SELECT ranking , first_name, last_name, team_name, points FROM rankings WHERE ranking<=10 ORDER BY ranking;

Diese Abfrage gibt die Informationen zu den 10 besten NCAA-Basketballspielern basierend auf den Punkten zurück, die sie erzielt haben, und ordnet sie in der Reihenfolge von 1 bis 10.

Diese Abfrage enthält zwei SELECT-Anweisungen. Mit der ersten SELECT-Anweisung wird eine temporäre Tabelle mit dem Namen „Rankings“ erstellt. Mit der zweiten SELECT-Anweisung werden die folgenden Spalten aus der Tabelle „Rankings“ ausgewählt.

Mit der Funktion RANK() wird jedem Spieler basierend auf seinen Punkten ein Rang zugewiesen.

  1. Klicken Sie auf Ausführen.
Hinweis: Sie können das Ergebnis noch einmal mit Looker Studio analysieren. Klicken Sie dazu auf Daten auswerten und wählen Sie Mit Looker Studio auswerten aus. Hinweis: Die Ergebnisse zeigen, dass es Spieler mit derselben Anzahl von Punkten gibt und dass die Funktion RANK() ihnen in diesem Fall denselben Rang zuweist.

Wenn Sie eine Rangliste sortieren wollen, in der die gleiche Punktzahl vorkommen kann, ist es gut, den Unterschied zwischen ROW_NUMBER, DENSE_RANK und RANK zu kennen.

  • Bei ROW_NUMBER() werden gleiche Punktzahlen ignoriert. Das kann sinnvoll sein, wenn Sie die 10 besten Spieler zurückgeben möchten.
  • DENSE_RANK() und RANK() weisen bei gleichen Punktzahlen unterschiedliche Ränge zu.
  • DENSE_RANK() überspringt keine Rangnummern. Das Ergebnis ist also 1, 2, 2, 3.
  • RANK() überspringt Rangnummern, sodass das Ergebnis 1, 2, 2, 4 ist.

Klicken Sie auf Fortschritt prüfen, um zu sehen, ob Sie die Aufgabe richtig ausgeführt haben.

Öffentliches Dataset zu NCAA-Basketball ansehen

Fazit

Gut gemacht!

Als Cloud Data Analyst bei TheLook eCommerce haben Sie erfolgreich die Daten bereitgestellt, die das Marketingteam für die erste Phase einer vielversprechenden Werbekampagne benötigt, in der Bademode mit NCAA-Basketballspielern beworben wird.

Durch das Analysieren und Filtern der Tabellen im Dataset thelook_gcda haben Sie Informationen zu Schwimmprodukten erhalten, die im Juni 2023 verkauft wurden.

Außerdem haben Sie Tabellen im öffentlichen Dataset ncaa_basketball gefiltert, um Informationen zu den Basketballspielern mit den meisten Punkten abzurufen.

Anhand dieser Informationen kann das Marketingteam fundierte Entscheidungen darüber treffen, welche Bademodenprodukte in der Werbekampagne präsentiert werden sollen und welche Spieler als Models infrage kommen.

Sie haben sich damit vertraut gemacht, leistungsstarke Tools in der Cloud zur Datenanalyse zu nutzen. Tolle Arbeit!

Lab beenden

Bevor Sie das Lab beenden, sehen Sie nach, ob Sie alle Aufgaben erledigt haben. Wenn Sie soweit sind, klicken Sie auf Lab beenden und dann auf Senden.

Wenn Sie das Lab beenden, haben Sie keinen Zugriff mehr auf die Lab-Umgebung und können auch nicht mehr auf die darin ausgeführten Aufgaben zugreifen.

© 2026 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.

Vorbereitung

  1. Labs erstellen ein Google Cloud-Projekt und Ressourcen für einen bestimmten Zeitraum
  2. Labs haben ein Zeitlimit und keine Pausenfunktion. Wenn Sie das Lab beenden, müssen Sie von vorne beginnen.
  3. Klicken Sie links oben auf dem Bildschirm auf Lab starten, um zu beginnen

Privates Surfen verwenden

  1. Kopieren Sie den bereitgestellten Nutzernamen und das Passwort für das Lab
  2. Klicken Sie im privaten Modus auf Konsole öffnen

In der Konsole anmelden

  1. Melden Sie sich mit Ihren Lab-Anmeldedaten an. Wenn Sie andere Anmeldedaten verwenden, kann dies zu Fehlern führen oder es fallen Kosten an.
  2. Akzeptieren Sie die Nutzungsbedingungen und überspringen Sie die Seite zur Wiederherstellung der Ressourcen
  3. Klicken Sie erst auf Lab beenden, wenn Sie das Lab abgeschlossen haben oder es neu starten möchten. Andernfalls werden Ihre bisherige Arbeit und das Projekt gelöscht.

Diese Inhalte sind derzeit nicht verfügbar

Bei Verfügbarkeit des Labs benachrichtigen wir Sie per E-Mail

Sehr gut!

Bei Verfügbarkeit kontaktieren wir Sie per E-Mail

Es ist immer nur ein Lab möglich

Bestätigen Sie, dass Sie alle vorhandenen Labs beenden und dieses Lab starten möchten

Privates Surfen für das Lab verwenden

Am besten führen Sie dieses Lab in einem Inkognito- oder privaten Browserfenster aus. So vermeiden Sie Konflikte zwischen Ihrem privaten Konto und dem Teilnehmerkonto, die zusätzliche Kosten für Ihr privates Konto verursachen könnten.