Memuat…
Tidak ditemukan hasil.

Terapkan keterampilan Anda di Konsol Google Cloud

Petunjuk dan persyaratan penyiapan lab
Lindungi akun dan progres Anda. Selalu gunakan jendela browser pribadi dan kredensial lab untuk menjalankan lab ini.

Menavigasi BigQuery

Lab 1 jam 30 menit universal_currency_alt 5 Kredit show_chart Pengantar
info Lab ini mungkin menggabungkan alat AI untuk mendukung pembelajaran Anda.
Konten ini belum dioptimalkan untuk perangkat seluler.
Untuk pengalaman terbaik, kunjungi kami dengan komputer desktop menggunakan link yang dikirim melalui email.
ikon penting PENTING:

ikon desktop/laptop Pastikan untuk menyelesaikan lab praktik ini hanya di desktop/laptop.

Ikon centang Hanya ada 5 percobaan yang diizinkan per lab.

ikon target kuis Sebagai pengingat – wajar jika Anda tidak dapat menjawab semua pertanyaan dengan benar pada percobaan pertama, dan bahkan perlu mengulang suatu tugas. Hal ini merupakan bagian dari proses pembelajaran.

ikon timer Setelah lab dimulai, timer tidak dapat dijeda. Setelah 1 jam 30 menit, lab akan berakhir dan Anda harus memulainya lagi.

ikon tip Untuk informasi selengkapnya, tinjau bacaan Tips teknis lab.

Ringkasan aktivitas

Analisis data cloud menggunakan berbagai alat yang dapat membantu setiap fase proses analisis. Dua alat populer dan canggih yang berfungsi di banyak platform cloud utama adalah BigQuery dan Looker.

BigQuery adalah data warehouse perusahaan yang terkelola sepenuhnya untuk membantu Anda mengelola dan menganalisis data menggunakan antarmuka Konsol Google Cloud. Dengan BigQuery, Anda dapat menggunakan kueri SQL untuk mengambil, membersihkan, dan mengatur data, sehingga memastikan Anda mendapatkan data berkualitas yang diperlukan untuk pelaporan dan analisis. Anda juga dapat menggunakan BigQuery untuk menulis kueri SQL guna menggabungkan data dari beberapa tabel menggunakan JOIN.

Looker adalah platform business intelligence (BI) yang membantu Anda mengeksplorasi, menganalisis, memvisualisasikan, dan membagikan data. Looker Studio, yang merupakan bagian dari platform Looker dan mudah diakses di UI BigQuery, adalah alat yang mengubah data Anda menjadi dasbor dan laporan yang informatif serta dapat disesuaikan sepenuhnya.

Di lab ini, Anda akan mengeksplorasi dua set data di BigQuery, dan menjalankan kueri SQL untuk memfilter data. Kemudian, Anda akan meninjau hasil yang divisualisasikan menggunakan Looker Studio.

Skenario

Selamat! Anda telah direkrut sebagai analis data di TheLook eCommerce, sebuah perusahaan global yang menjual produk pakaian melalui toko fisik dan saluran digital, termasuk situs miliknya sendiri, aplikasi selulernya sendiri, dan berbagai aplikasi media sosial pihak ketiga. TheLook eCommerce tumbuh pesat berkat keragaman gaya pakaian yang ditawarkannya, fokusnya pada inovasi, serta komitmennya pada pengadaan yang beretika dan berkelanjutan.

TheLook eCommerce berencana menjalankan kampanye iklan yang menampilkan pemain basket universitas dengan skor tertinggi dari National Collegiate Athletic Association (NCAA) yang menjadi model pakaian perusahaan. Martina, manajer pemasaran, ingin fase pertama kampanye mempromosikan produk pakaian renang.

Untuk mengidentifikasi produk pakaian renang dengan penjualan tertinggi pada bulan Juni, yang secara historis merupakan bulan dengan penjualan pakaian renang terbanyak bagi perusahaan, Martina meminta Anda membuat laporan dengan data penjualan untuk kategori pakaian renang pada Juni 2023. Untuk menentukan atlet mana yang akan ditampilkan dalam kampanye, Anda akan mengeksplorasi set data publik NCAA untuk membuat laporan berisi data pemain basket dengan skor tertinggi.

Berikut cara melakukan tugas ini: Pertama, Anda akan menjelajahi tabel dalam set data thelook_gcda. Selanjutnya, Anda akan memfilter data untuk mengambil informasi tentang produk pakaian renang yang terjual dalam 30 hari terakhir. Ketiga, Anda akan menjelajahi tabel dalam set data publik ncaa_basketball. Terakhir, Anda akan memfilter data untuk mengambil informasi tentang 10 pemain basket dengan skor tertinggi.

Penyiapan

Sebelum Anda mengklik Start Lab

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

Lab praktis ini dapat Anda gunakan untuk melakukan sendiri aktivitas 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 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: Jika Anda sudah memiliki project atau akun pribadi Google Cloud, jangan menggunakannya untuk lab ini agar terhindar dari tagihan ekstra pada akun Anda.

Cara memulai lab dan login ke Konsol Google Cloud

  1. Klik tombol Start Lab. Di sebelah kiri adalah panel Lab Details dengan informasi berikut ini:

    • Waktu tersisa
    • Tombol Open Google Cloud console
    • Kredensial sementara yang harus Anda gunakan untuk lab ini
    • Informasi lain, jika diperlukan, untuk menyelesaikan lab ini
    Catatan: Jika Anda perlu membayar lab, jendela pop-up akan terbuka untuk memilih metode pembayaran.

  2. Klik Open Google Cloud console (atau klik kanan dan pilih Open Link in Incognito Window) jika Anda menjalankan browser Chrome. Halaman Sign in akan terbuka di tab browser baru.

    Tips: Anda dapat mengatur tab di jendela terpisah secara berdampingan untuk memudahkan Anda berpindah-pindah tab.

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

  3. Jika perlu, salin Username Google Cloud di bawah dan tempel ke dialog Sign in. Klik Next.

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

Anda juga dapat menemukan nama pengguna Google Cloud di panel Lab Details.

  1. Salin Google Cloud password di bawah dan tempel ke dialog Welcome. Klik Next.
{{{user_0.password | "Google Cloud password"}}}

Anda juga dapat menemukan password Google Cloud di panel Lab Details.

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.
  1. Klik halaman berikutnya:
    • Setujui persyaratan dan ketentuan.
    • Jangan tambahkan opsi pemulihan atau autentikasi 2 langkah (karena ini akun sementara).
    • Jangan daftar uji coba gratis.

Setelah beberapa saat, konsol akan terbuka di tab ini.

Catatan: Anda dapat melihat menu berisi daftar Produk dan Layanan Google Cloud dengan mengklik Navigation menu di kiri atas. Menu konsol Google Cloud dengan ikon Navigation menu yang ditandai

Tugas 1. Mengeksplorasi set data thelook_gcda

Dalam tugas ini, Anda akan mengeksplorasi set data thelook_gcda dan tabel yang ada di dalamnya. Kemudian, Anda akan menjalankan kueri yang menggabungkan dua tabel dan mengambil data tentang produk pakaian renang yang terjual pada Juni 2023.

  1. Di Navigation menu Konsol Google Cloud (Navigation Menu), klik BigQuery > Studio.
Catatan: Kotak pesan Welcome to BigQuery in the Cloud Console mungkin akan muncul, yang menyediakan link ke panduan memulai dan catatan rilis untuk update UI. Klik Done untuk melanjutkan.
  1. Di Explorer, luaskan project Anda
  2. Pilih set data thelook_gcda.
  3. Di panel Classic explorer, luaskan set data thelook_gcda. Tabel dalam set data ini akan ditampilkan. Anda mungkin harus men-scroll ke bawah untuk mengeksplorasi daftar lengkap tabel.

Untuk bagian tugas ini, Anda akan memeriksa produk pakaian renang yang terjual pada Juni 2023.

  1. Pilih tabel products. Skema tabel akan ditampilkan.
  2. Pilih tab Preview untuk memeriksa data. Perhatikan bahwa setiap produk berisi ID unik di kolom id.

Sekarang, periksa tabel order_items dan products. Untuk menentukan seberapa banyak produk pakaian renang yang terjual pada Juni 2023, kedua tabel ini harus digabungkan pada kolom yang sama.

  1. Di Editor Kueri, klik ikon SQL query (+) untuk membuka tab Untitled query baru guna menjalankan kueri.
  2. Salin perintah berikut, lalu tempelkan ke tab Untitled query:
Catatan: Setiap kali menjalankan kueri baru di Editor Kueri, Anda dapat mengganti kueri lama dengan menyalin-tempel kueri baru di atas kueri sebelumnya di tab Untitled query yang sama, atau Anda dapat mengklik ikon SQL query (+) untuk membuka tab Untitled query baru untuk menjalankan kueri. 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. Klik Run.

Kueri ini akan menggabungkan tabel order_items dan products serta menampilkan semua pesanan terkait pakaian renang yang tidak dikembalikan atau dibatalkan pada Juni 2023.

Terakhir, eksplorasi hasilnya menggunakan Looker Studio.

  1. Klik Open in di panel Query results, lalu pilih Looker Studio.

  2. Di halaman Review data access, klik Acknowledge.

Klik Check my progress untuk memastikan Anda telah menyelesaikan tugas ini dengan benar.

Mengeksplorasi set data thelook_gcda

Tugas 2. Mengeksplorasi set data publik basket NCAA

Dalam tugas ini, Anda akan mengeksplorasi set data publik ncaa_basketball dan tabel yang ada di dalamnya. Kemudian, Anda akan menjalankan kueri untuk mengambil data pemain basket NCAA dengan skor tertinggi. Terakhir, Anda akan menjalankan kueri yang mengurutkan peringkat 10 pemain dengan skor tertinggi untuk satu pertandingan.

  1. Jika Anda belum berada di BigQuery Studio, di Navigation menu (Navigation Menu) Konsol Google Cloud, klik BigQuery > Studio.
  2. Klik panel Explorer, lalu klik + Add data untuk menambahkan sumber data ke project.
  3. Di halaman Add data, pilih Public Datasets dari sudut kiri bawah. Halaman Marketplace akan terbuka.
  4. Di kolom penelusuran, ketik ncaa, lalu tekan Enter.
  5. Pilih set data NCAA Basketball.
  6. Di halaman Products details, klik View dataset untuk melihat skema data mendetail dari set data publik BigQuery.
  7. Set data ncaa_basketball telah terisi otomatis dan tabel dalam set data ini ditampilkan.

Pertama, Anda harus menjumlahkan semua poin yang dikumpulkan pemain di semua pertandingan.

  1. Lihat pratinjau setiap tabel dalam set data ncaa_basketball.
  2. Pilih tabel mbb_players_games_sr. Menurut Anda, kolom mana yang akan berguna untuk menemukan pemain dengan jumlah poin tertinggi?

Setiap baris di mbb_players_games_sr memiliki hasil untuk setiap pemain, dan untuk setiap pertandingan yang dimainkan. Untuk mendapatkan jumlah total poin per pemain per pertandingan, Anda harus menjalankan kueri yang meringkas data di seluruh pertandingan.

  1. Salin kueri berikut, lalu tempelkan ke dalam Editor Kueri:
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;

Kueri ini akan menampilkan satu baris untuk setiap pemain, timnya masing-masing, dan jumlah poin di semua pertandingan yang ia mainkan.

  1. Klik Run.

Sekarang, Anda harus menemukan 10 pemain teratas dengan skor tertinggi dalam satu pertandingan.

  1. Salin kueri berikut, lalu tempelkan ke dalam Editor Kueri:
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;

Kueri ini akan menampilkan informasi 10 pemain basket NCAA teratas berdasarkan poin yang mereka peroleh dalam pertandingan dan memberi mereka peringkat, dalam urutan dari 1 hingga 10.

Perhatikan bahwa kueri ini memiliki dua pernyataan SELECT. Pernyataan SELECT pertama membuat tabel sementara bernama "rankings". Pernyataan SELECT kedua memilih kolom berikut dari tabel "rankings".

Fungsi RANK() digunakan untuk menetapkan peringkat kepada setiap pemain berdasarkan poinnya.

  1. Klik Run.
Catatan: Sekali lagi, Anda dapat mengeksplorasi hasilnya menggunakan Looker Studio dengan mengklik Explore Data, dan memilih Explore with Looker Studio. Catatan: Hasilnya menunjukkan bahwa ada pemain dengan jumlah poin yang sama, dan fungsi RANK() menetapkan peringkat yang sama dalam kasus ini.

Setiap kali Anda memberi peringkat pada nilai yang akan mencakup poin yang sama, sebaiknya ketahui perbedaan antara ROW_NUMBER, DENSE_RANK, dan RANK.

  • ROW_NUMBER() akan mengabaikan poin yang sama. Cara ini dapat berfungsi jika Anda ingin menampilkan 10 pemain teratas secara acak.
  • DENSE_RANK() vs RANK() akan memberi peringkat secara berbeda berdasarkan poin yang sama.
  • DENSE_RANK() tidak melewatkan angka, jadi hasilnya adalah 1, 2, 2, 3.
  • RANK() melewatkan angka, jadi hasilnya adalah 1, 2, 2, 4.

Klik Check my progress untuk memastikan Anda telah menyelesaikan tugas ini dengan benar.

Mengekplorasi set data publik NCAA Basketball

Kesimpulan

Bagus!

Sebagai analis data cloud di TheLook eCommerce, Anda telah berhasil menyediakan data yang diperlukan tim pemasaran untuk meluncurkan fase pertama kampanye iklan menarik yang mempromosikan produk pakaian renang yang menampilkan pemain basket NCAA.

Dengan mengeksplorasi dan memfilter tabel dalam set data thelook_gcda, Anda mendapatkan informasi tentang produk pakaian renang yang terjual pada Juni 2023.

Anda juga memfilter tabel dalam set data publik ncaa_basketball untuk mengambil informasi tentang pemain basket dengan skor tertinggi.

Dengan informasi ini, tim pemasaran akan dapat mengambil keputusan yang tepat tentang produk pakaian renang yang harus ditampilkan dalam kampanye iklan dan pemain berperforma tinggi yang harus diundang untuk menjadi model produk mereka.

Anda sudah berada di jalur yang tepat dalam menggunakan alat canggih di cloud untuk menganalisis data. Selamat!

Akhiri lab

Sebelum mengakhiri lab, pastikan Anda puas telah menyelesaikan semua tugas. Jika sudah siap, klik Akhiri Lab, lalu klik Kirim.

Dengan mengakhiri lab, Anda akan menghapus akses ke lingkungan lab, dan Anda tidak akan dapat mengakses kembali pekerjaan yang telah Anda selesaikan di dalamnya.

Hak cipta 2026 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 dari tiap-tiap perusahaan yang bersangkutan.

Sebelum memulai

  1. Lab membuat project dan resource Google Cloud untuk jangka waktu tertentu
  2. Lab memiliki batas waktu dan tidak memiliki fitur jeda. Jika lab diakhiri, Anda harus memulainya lagi dari awal.
  3. Di kiri atas layar, klik Start lab untuk memulai

Gunakan penjelajahan rahasia

  1. Salin Nama Pengguna dan Sandi yang diberikan untuk lab tersebut
  2. Klik Open console dalam mode pribadi

Login ke Konsol

  1. Login menggunakan kredensial lab Anda. Menggunakan kredensial lain mungkin menyebabkan error atau dikenai biaya.
  2. Setujui persyaratan, dan lewati halaman resource pemulihan
  3. Jangan klik End lab kecuali jika Anda sudah menyelesaikan lab atau ingin mengulanginya, karena tindakan ini akan menghapus pekerjaan Anda dan menghapus project

Konten ini tidak tersedia untuk saat ini

Kami akan memberi tahu Anda melalui email saat konten tersedia

Bagus!

Kami akan menghubungi Anda melalui email saat konten tersedia

Satu lab dalam satu waktu

Konfirmasi untuk mengakhiri semua lab yang ada dan memulai lab ini

Gunakan penjelajahan rahasia untuk menjalankan lab

Menggunakan jendela Samaran atau browser pribadi adalah cara terbaik untuk menjalankan lab ini. Langkah ini akan mencegah konflik antara akun pribadi Anda dan akun Siswa, yang dapat menyebabkan tagihan ekstra pada akun pribadi Anda.