重要:

このハンズオンラボは、デスクトップまたはノートパソコンでのみ完了するようにしてください。

ラボごとに 5 回までしか試行できません。

なお、最初の試行で全問正解できないことや、タスクをやり直す必要があることはよくあります。これは学習プロセスの一部です。

ラボを開始すると、タイマーを一時停止することはできません。1 時間 30 分後にラボは終了し、最初からやり直す必要があります。

詳しくは、ラボでの技術的なヒントの資料をご覧ください。

アクティビティの概要

クラウドデータ分析では、分析プロセスの各フェーズで役立つさまざまなツールを使用します。多くの主要なクラウド プラットフォームで機能する人気があり強力なツールとして、BigQuery と Looker の 2 つがあります。

BigQuery は、Google Cloud コンソール インターフェースを使用してデータを管理および分析するのに役立つ、フルマネージドのエンタープライズ データ ウェアハウスです。BigQuery では、SQL クエリを使用してデータを取得、クリーニング、整理し、レポート作成や分析に必要な高品質のデータを取得できます。また、BigQuery では JOIN を使用して複数のテーブルのデータを結合する SQL クエリを作成することもできます。

Looker は、データの探索、分析、可視化、共有を支援するビジネス インテリジェンス（BI）プラットフォームです。Looker Studio は、Looker プラットフォームの一部であり、BigQuery の UI で簡単にアクセスでき、データを有益で完全にカスタマイズ可能なダッシュボードとレポートに変換するツールです。

このラボでは、BigQuery で 2 つのデータセットを調べ、SQL クエリを実行してデータをフィルタします。次に、Looker Studio を使用して、可視化された結果を確認します。

シナリオ

おめでとうございます。あなたは TheLook eCommerce という会社にデータ アナリストとして採用されました。この会社は、実店舗とデジタル チャネル（自社ウェブサイト、自社モバイルアプリ、さまざまなサードパーティ製ソーシャル メディア アプリなど）を通じて衣料品を販売しているグローバル企業です。TheLook eCommerce は、多様なファッション スタイル、革新への注力、倫理的かつサステナブルな調達の取り組みにより、急成長を遂げています。

TheLook eCommerce は広告キャンペーンの実施を計画しており、全米大学体育協会（NCAA）で得点ランキングが上位である大学バスケットボール選手に、自社のウェアのモデルとなってもらうことを検討しています。マーケティング マネージャーのマルティナさんは、キャンペーンの第 1 段階としてスイミングウェアを宣伝したいと考えています。

マルティナさんは、毎年スイミングウェアの売上が最も多くなる 6 月に最も売れたスイミングウェアを特定するために、2023 年 6 月のスイミングウェア カテゴリの売上データが記載されたレポートを作成することをあなたに依頼してきました。さらにあなたは、キャンペーンで起用するアスリートを決定するために、NCAA の一般公開データセットを調べて、高得点を挙げたバスケットボール選手が記載されたレポートを作成することにしました。

その方法は次のとおりです。まず、thelook_gcda データセットのテーブルを調べます。次に、データをフィルタして、過去 30 日間に販売されたスイミング用品に関する情報を取得します。3 番目に、ncaa_basketball 一般公開データセットのテーブルを調べます。最後に、データをフィルタして、得点ランキングで上位 10 人のバスケットボール選手に関する情報を取得します。

設定

[ラボを開始] をクリックする前に

こちらの手順をお読みください。ラボには時間制限があり、一時停止することはできません。[ラボを開始] をクリックすることでスタートするタイマーは、Google Cloud のリソースを利用できる時間を示しています。

この実践ラボでは、シミュレーションやデモ環境ではなく、実際のクラウド環境を使ってご自身でアクティビティを行うことができます。そのため、ラボの受講中に Google Cloud にログインおよびアクセスするための、新しい一時的な認証情報が提供されます。

このラボを完了するためには、以下が必要です。

• 標準的なインターネット ブラウザ（Chrome を推奨）

注: このラボの実行には、シークレット モードまたはシークレット ブラウジング ウィンドウを使用してください。これにより、個人アカウントと受講者アカウントの競合を防ぎ、個人アカウントに追加料金が発生することを防ぎます。

• ラボを完了するための時間（開始後は一時停止できません）

注: すでに個人の Google Cloud アカウントやプロジェクトをお持ちの場合でも、このラボでは使用しないでください。アカウントへの追加料金が発生する可能性があります。

ラボを開始して Google Cloud コンソールにログインする方法

1. [ラボを開始] ボタンをクリックします。左側の [ラボの詳細] パネルには、以下が表示されます。

   • 残り時間
   • [Google Cloud コンソールを開く] ボタン
   • このラボで使用する必要がある一時的な認証情報
   • このラボを行うために必要なその他の情報（ある場合）
   注: ラボの料金をお支払いいただく必要がある場合は、表示されるポップアップでお支払い方法を選択してください。

2. [Google Cloud コンソールを開く] をクリックします（Chrome ブラウザを使用している場合は、右クリックして [シークレット ウィンドウで開く] を選択します）。新しいブラウザタブで [ログイン] ページが開きます。

   ヒント: タブをそれぞれ別のウィンドウで開き、並べて表示しておくと、簡単に切り替えられます。

   注: [アカウントの選択] ダイアログが表示されたら、[別のアカウントを使用] をクリックします。

3. 必要に応じて、下のGoogle Cloud ユーザー名をコピーして、[ログイン] ダイアログに貼り付けます。[Next] をクリックします。

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

[ラボの詳細] パネルでも Google Cloud ユーザー名を確認できます。

4. 以下の Google Cloud パスワードをコピーして、[ようこそ] ダイアログに貼り付けます。[Next] をクリックします。

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

[ラボの詳細] パネルでも Google Cloud のパスワードを確認できます。

重要: ラボで提供された認証情報を使用する必要があります。Google Cloud アカウントの認証情報は使用しないでください。 注: このラボでご自身の Google Cloud アカウントを使用すると、追加料金が発生する場合があります。

5. その後次のように進みます。
   • 利用規約に同意します。
   • 一時的なアカウントですので、復元オプションや 2 要素認証プロセスは設定しないでください。
   • 無料トライアルに登録しないでください。

しばらくすると、このタブで Cloud コンソールが開きます。

注: 左上にある [ナビゲーション メニュー] をクリックすると、Google Cloud のプロダクトやサービスのリストが含まれるメニューが表示されます。

タスク 1. thelook_gcda データセットを調べる

このタスクでは、thelook_gcda データセットと、それに含まれるテーブルを調べます。次に、2 つのテーブルを結合し、2023 年 6 月に販売されたスイミング用品のデータを取得するクエリを実行します。

1. Google Cloud コンソールのナビゲーション メニュー（）で、[BigQuery] > [スタジオ] をクリックします。

注: [Cloud コンソールの BigQuery へようこそ] メッセージ ボックスが表示されることがあります。このメッセージ ボックスには、クイックスタート ガイドと UI の更新に関するリリースノートへのリンクが表示されます。[完了] をクリックして次に進みます。

2. エクスプローラで、プロジェクト を開きます。
3. thelook_gcda データセットを選択します。
4. [従来のエクスプローラ] ペインで thelook_gcda データセットを開きます。このデータセット内のテーブルが表示されます。テーブルのリスト全体を表示するには、下にスクロールすることが必要な場合があります。

このタスクでは、2023 年 6 月に販売されたスイミング用品を調べます。

5. products テーブルを選択します。テーブル スキーマが表示されます。
6. [プレビュー] タブを選択して、データを調べます。各商品には、id 列に固有識別子が含まれています。

次に、order_items テーブルと products テーブルを調べます。2023 年 6 月に販売されたスイミングウェアの数を特定するには、共通の列で 2 つのテーブルを結合する必要があります。

7. クエリエディタで、SQL クエリ（+）アイコンをクリックして新しい [無題のクエリ] タブを開き、そこからクエリを実行します。
8. 次のコマンドをコピーして、[無題のクエリ] タブに貼り付けます。

注: クエリエディタで新しいクエリを実行する場合は、同じ [無題のクエリ] タブに新しいクエリをコピーして貼り付けることで古いクエリを置き換えるという方法と、SQL クエリ（+）アイコンをクリックして新しい [無題のクエリ] タブを開き、そこでクエリを実行する方法があります。 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';

9. [実行] をクリックします。

このクエリは、order_items テーブルと products テーブルを結合し、2023 年 6 月のスイミング関連の注文をすべて返します（返品またはキャンセルされたものは除く）。

最後に、Looker Studio を使用して結果を確認します。

10. [クエリ結果] ペインで [次で開く] をクリックし、[Looker Studio] を選択します。

11. [データアクセスの確認] ページで、[確認] をクリックします。

[進行状況を確認] をクリックして、このタスクが正しく完了したことを確認します。

thelook_gcda データセットを調べる

タスク 2. NCAA バスケットボールの一般公開データセットを調べる

このタスクでは、ncaa_basketball 一般公開データセットと、それに含まれるテーブルを調べます。次に、クエリを実行して、NCAA バスケットボールで得点ランキング上位の選手のデータを取得します。最後に、1 試合で最も多くの得点を記録した上位 10 人の選手をランキングするクエリを実行します。

1. BigQuery Studio にまだアクセスしていない場合は、Google Cloud コンソールのナビゲーション メニュー（）で、[BigQuery] > [スタジオ] をクリックします。
2. [エクスプローラ] ペインをクリックし、[+ データを追加] をクリックして、プロジェクトにデータソースを追加します。
3. [データを追加] ページで、左下にある [一般公開データセット] を選択します。[Marketplace] ページが開きます。
4. 検索フィールドに「ncaa」と入力し、Enter キーを押します。
5. 「NCAA Basketball」データセットを選択します。
6. [製品の詳細] ページで [データセットを表示] をクリックして、この BigQuery 一般公開データセットの詳細なデータスキーマを表示します。
7. ncaa_basketball データセット内にデータが作成されており、このデータセット内のテーブルが表示されます。

まず、選手がすべての試合で挙げた得点を合計する必要があります。

8. ncaa_basketball データセット内の各テーブルをプレビューします。
9. mbb_players_games_sr テーブルを選択します。最も多くの得点を挙げた選手を見つけるのに役立つと思われる列はどれでしょうか？

mbb_players_games_sr の各行には、各選手と各試合の結果が含まれています。各試合における各選手の総得点を取得するには、すべての試合のデータを集計するクエリを実行する必要があります。

10. 次のクエリをクエリエディタにコピーします。

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;

このクエリは、各選手とそのチーム、プレーしたすべての試合の総得点を各行に返します。

11. [実行] をクリックします。

次に、1 試合で最も多くの得点を記録した上位 10 人の選手を見つける必要があります。

12. 次のクエリをクエリエディタにコピーします。

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;

このクエリは、NCAA バスケットボールの試合で挙げた得点に基づいて上位 10 選手を 1 位から 10 位の順にランキングした情報を返します。

このクエリには 2 つの SELECT 文があります。最初の SELECT 文は、「rankings」という一時テーブルを作成します。2 番目の SELECT 文は、「rankings」テーブルから次の列を選択します。

RANK() 関数は、得点に基づいて各選手をランキングするために使用されます。

13. [実行] をクリックします。

注: [データを探索] をクリックし、[Looker Studio で調べる] を選択して、Looker Studio を使用して結果を調べることもできます。 注: 同じ得点数の選手が複数いること、その場合には RANK() 関数によってそれらの選手は同じランキングとなることが結果で示されています。

同じ順位がいる値をランキングする場合は、ROW_NUMBER、DENSE_RANK、RANK の違いを理解しておくことをおすすめします。

• ROW_NUMBER() は同じ順位については無視します。これは、上位 10 人の選手を順位付けせずに返すという場合に有効です。
• DENSE_RANK() と RANK() は、同じ順位がある場合にランキングの仕方が異なります。
• DENSE_RANK() は数値をスキップしないため、ランキングは 1、2、2、3 となります。
• RANK() は数値をスキップするため、ランキングは 1、2、2、4 となります。

[進行状況を確認] をクリックして、このタスクが正しく完了したことを確認します。

NCAA バスケットボールの一般公開データセットを調べる

まとめ

これで完了です。

あなたは TheLook eCommerce のクラウド データ アナリストとして、マーケティング チームが NCAA バスケットボール選手を起用してスイミングウェアの広告キャンペーンを実施するにあたって第 1 段階の開始に必要なデータを提供しました。

thelook_gcda データセットのテーブルを調べてフィルタリングすることで、2023 年 6 月に販売されたスイミング用品に関する情報を取得しました。

また、ncaa_basketball 一般公開データセットのテーブルをフィルタリングして、高得点を挙げたバスケットボール選手に関する情報を取得しました。

これによりマーケティング チームは、広告キャンペーンでどのスイミングウェアを宣伝すべきか、どの優秀な選手に商品着用のモデルとなるよう依頼すべきかについて、十分な情報に基づいた意思決定を行うことができます。

これで、クラウドの強力なツールを使用してデータを分析する方法を習得できました。お疲れさまでした。

ラボを終了する

すべてのタスクが問題なく完了したことを確認してから、ラボを終了してください。準備ができたら、[ラボを終了] をクリックし、[送信] をクリックします。

ラボを終了すると、ラボ環境へのアクセス権が削除され、完了した作業にもう一度アクセスすることはできなくなります。

Copyright 2026 Google LLC All rights reserved. Google および Google のロゴは、Google LLC の商標です。その他すべての社名および製品名は、それぞれ該当する企業の商標である可能性があります。