중요:

이 실습은 데스크톱/노트북에서만 완료해야 합니다.

실습당 5회만 시도할 수 있습니다.

첫 시도에 모든 문제를 맞히지 못하거나 학습을 다시 해야 하는 것은 흔한 일이며 학습 과정의 일부입니다.

실습이 시작되면 타이머를 일시중지할 수 없습니다. 1시간 30분이 지나면 실습이 종료되므로 다시 시작해야 합니다.

자세한 내용은 실습에 관한 기술적 도움말을 참고하세요.

활동 개요

클라우드 데이터 분석은 분석 프로세스의 각 단계를 지원하는 다양한 도구를 사용합니다. BigQuery와 Looker는 많은 주요 클라우드 플랫폼 전반에서 활용되는 인기 있고 강력한 두 가지 도구입니다.

BigQuery는 Google Cloud 콘솔 인터페이스를 통해 데이터를 관리하고 분석할 수 있도록 지원하는 완전 관리형 엔터프라이즈 데이터 웨어하우스입니다. BigQuery를 사용하면 SQL 쿼리를 통해 데이터를 검색, 정리, 구성할 수 있으며, 이를 통해 보고와 분석에 필요한 고품질 데이터를 확보할 수 있습니다. 또한 BigQuery에서 SQL 쿼리를 작성하여 JOIN으로 여러 테이블의 데이터를 결합할 수 있습니다.

Looker는 데이터를 탐색, 분석, 시각화하고 공유할 수 있도록 돕는 비즈니스 인텔리전스(BI) 플랫폼입니다. Looker 플랫폼의 일부로 BigQuery UI에서 쉽게 액세스할 수 있는 Looker Studio는 데이터를 유용하고 완벽하게 맞춤설정할 수 있는 대시보드와 보고서로 변환하는 도구입니다.

이 실습에서는 BigQuery에서 두 개의 데이터 세트를 살펴보고, SQL 쿼리를 실행하여 데이터를 필터링해 보겠습니다. 그런 다음 Looker Studio를 사용하여 시각화된 결과를 검토할 것입니다.

시나리오

축하합니다. 오프라인 상점뿐만 아니라 자체 웹사이트, 자체 모바일 앱, 다양한 서드 파티 소셜 미디어 앱을 비롯한 디지털 채널을 통해 의류 제품을 판매하는 글로벌 기업인 TheLook eCommerce의 데이터 분석가로 채용되었다고 가정해 보겠습니다. TheLook eCommerce는 다양한 의류 스타일, 혁신에 대한 집중, 윤리적이고 지속 가능한 소싱에 대한 헌신 덕분에 빠르게 성장해 왔습니다.

TheLook eCommerce는 전미대학체육협회(NCAA)에서 가장 높은 득점을 기록한 대학 농구 선수들이 자사의 의류 모델로 출연하는 광고 캠페인을 계획하고 있습니다. 마케팅 관리자인 마르티나는 캠페인의 첫 번째 단계에서 수영복 제품을 홍보하려고 합니다.

마르티나는 회사 역사상 수영복 매출이 가장 높았던 달인 6월의 최고 판매 제품을 파악하기 위해, 2023년 6월 수영복 카테고리의 판매 데이터가 포함된 보고서를 작성해 달라고 요청합니다. 이에 데이터 분석가는 캠페인에 등장할 운동선수를 결정하기 위해 NCAA의 공개 데이터 세트를 살펴보고 최고 득점 농구 선수들에 대한 보고서를 작성할 것입니다.

이 작업을 수행하는 방법은 다음과 같습니다. 먼저 thelook_gcda 데이터 세트의 테이블을 살펴봅니다. 다음으로 데이터를 필터링하여 지난 30일 동안 판매된 수영용품에 관한 정보를 가져옵니다. 세 번째로 ncaa_basketball 공개 데이터 세트의 테이블을 살펴봅니다. 마지막으로 데이터를 필터링하여 가장 높은 득점을 기록한 농구 선수 10명의 정보를 가져옵니다.

설정

'실습 시작'을 클릭하기 전에

다음 안내를 확인하세요. 실습에는 시간 제한이 있으며 일시중지할 수 없습니다. 실습 시작을 클릭하면 타이머가 시작됩니다. 이 타이머는 Google Cloud 리소스를 사용할 수 있는 시간이 얼마나 남았는지를 표시합니다.

이 실무형 실습을 통해 시뮬레이션이나 데모 환경이 아닌 실제 클라우드 환경에서 직접 실습 활동을 진행할 수 있으며, 이를 위해 실습 시간 동안 Google Cloud에 로그인하고 액세스하는 데 사용할 수 있는 새로운 임시 사용자 인증 정보가 제공됩니다.

이 실습을 완료하려면 다음을 준비해야 합니다.

• 표준 인터넷 브라우저 액세스 권한(Chrome 브라우저 권장)

참고: 이 실습을 실행하려면 시크릿 모드 또는 시크릿 브라우저 창을 사용하세요. 개인 계정과 학습자 계정 간의 충돌로 개인 계정에 추가 요금이 발생하는 일을 방지해 줍니다.

• 실습을 완료하기에 충분한 시간. 실습을 시작하고 나면 일시중지할 수 없습니다.

참고: 계정에 추가 요금이 발생하지 않도록 하려면 개인용 Google Cloud 계정이나 프로젝트가 이미 있어도 이 실습에서는 사용하지 마세요.

실습을 시작하고 Google Cloud 콘솔에 로그인하는 방법

1. 실습 시작 버튼을 클릭합니다. 왼쪽에는 다음과 같은 항목이 포함된 실습 세부정보 패널이 있습니다.

   • 남은 시간
   • Google Cloud 콘솔 열기 버튼
   • 이 실습에 사용해야 하는 임시 사용자 인증 정보
   • 필요한 경우 실습 진행을 위한 기타 정보
   참고: 실습 비용을 결제해야 하는 경우 결제 수단을 선택할 수 있는 팝업이 열립니다.

2. Google Cloud 콘솔 열기를 클릭합니다(Chrome 브라우저를 실행 중인 경우 마우스 오른쪽 버튼으로 클릭하고 시크릿 창에서 링크 열기를 선택합니다). 새 브라우저 탭에서 로그인 페이지가 열립니다.

   도움말: 두 개의 탭을 각각 별도의 창으로 나란히 정렬하면 탭 간에 쉽게 전환할 수 있습니다.

   참고: 계정 선택 대화상자가 표시되면 다른 계정 사용을 클릭합니다.

3. 필요한 경우 아래의 Google Cloud 사용자 이름을 복사하여 로그인 대화상자에 붙여넣습니다. 다음을 클릭합니다.

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

실습 세부정보 패널에서도 Google Cloud 사용자 이름을 확인할 수 있습니다.

4. 아래의 Google Cloud 비밀번호를 복사하여 시작하기 대화상자에 붙여넣고, 다음을 클릭합니다.

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

실습 세부정보 패널에서도 Google Cloud 비밀번호를 확인할 수 있습니다.

중요: 실습에서 제공하는 사용자 인증 정보를 사용해야 합니다. Google Cloud 계정 사용자 인증 정보를 사용하지 마세요. 참고: 이 실습에 자신의 Google Cloud 계정을 사용하면 추가 요금이 발생할 수 있습니다.

5. 이후에 표시되는 페이지를 클릭하여 넘깁니다.
   • 이용약관에 동의하세요.
   • 임시 계정이므로 복구 옵션이나 2단계 인증을 추가하지 마세요.
   • 무료 체험판을 신청하지 마세요.

잠시 후 Cloud 콘솔이 이 탭에서 열립니다.

참고: 왼쪽 상단에 있는 탐색 메뉴를 클릭하면 Google Cloud 제품 및 서비스 목록이 있는 메뉴를 볼 수 있습니다.

작업 1. thelook_gcda 데이터 세트 살펴보기

이 작업에서는 thelook_gcda 데이터 세트와 그 안에 포함된 테이블을 살펴봅니다. 그런 다음 두 테이블을 조인하고 2023년 6월에 판매된 수영용품에 관한 데이터를 가져오는 쿼리를 실행합니다.

1. Google Cloud 콘솔의 탐색 메뉴()에서 BigQuery > Studio를 클릭합니다.

참고: Cloud 콘솔의 BigQuery에 오신 것을 환영합니다 메시지 상자가 표시될 수 있으며, 여기에는 빠른 시작 가이드 및 UI 업데이트용 출시 노트 링크가 제공됩니다. 계속하려면 완료를 클릭합니다.

2. 탐색기에서 프로젝트를 펼칩니다.
3. thelook_gcda 데이터 세트를 선택합니다.
4. 기존 탐색기 창에서 thelook_gcda 데이터 세트를 펼칩니다. 이 데이터 세트 내의 테이블이 표시됩니다. 전체 테이블 목록을 살펴보려면 아래로 스크롤해야 할 수 있습니다.

이 작업에서는 2023년 6월에 판매된 수영용품을 살펴봅니다.

5. products 테이블을 선택합니다. 테이블 스키마가 표시됩니다.
6. 미리보기 탭을 선택하여 데이터를 확인합니다. 각 제품에는 ID 열에 고유 식별자가 포함되어 있습니다.

이제 order_items 및 products 테이블을 모두 살펴봅니다. 2023년 6월에 수영복 제품이 얼마나 판매되었는지 확인하려면 공통 열을 기준으로 두 테이블을 조인해야 합니다.

7. 쿼리 편집기에서 SQL 쿼리(+) 아이콘을 클릭하여 쿼리를 실행할 새 제목 없는 쿼리 탭을 엽니다.
8. 다음 명령어를 제목 없는 쿼리 탭에 복사하여 붙여넣습니다.

참고: 쿼리 편집기에서 새 쿼리를 실행할 때마다 동일한 제목 없는 쿼리 탭에서 이전 쿼리 위에 새 쿼리를 복사하여 붙여넣어 이전 쿼리를 대체하거나 SQL 쿼리(+) 아이콘을 클릭하여 새 제목 없는 쿼리 탭을 열어 그 탭에서 쿼리를 실행할 수 있습니다. 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. 실행을 클릭합니다.

이 쿼리는 order_items 및 products 테이블을 조인하여 2023년 6월에 발생한 수영 관련 주문 중 반품되거나 취소되지 않은 모든 주문을 반환합니다.

마지막으로 Looker Studio를 사용하여 결과를 살펴봅니다.

10. 쿼리 결과 창에서 다음에서 열기를 클릭하고 Looker Studio를 선택합니다.

11. 데이터 액세스 검토 페이지에서 확인을 클릭합니다.

내 진행 상황 확인하기를 클릭하여 이 작업을 올바르게 완료했음을 확인합니다.

thelook_gcda 데이터 세트 살펴보기

작업 2. NCAA 농구 공개 데이터 세트 살펴보기

이 작업에서는 ncaa_basketball 공개 데이터 세트와 그 안에 포함된 테이블을 살펴봅니다. 그런 다음 쿼리를 실행하여 최고 득점을 기록한 NCAA 농구 선수들에 대한 데이터를 가져옵니다. 마지막으로 단일 경기에서 가장 높은 점수를 기록한 상위 10명의 선수를 순위별로 나타내는 쿼리를 실행할 것입니다.

1. 아직 BigQuery Studio에 있지 않다면 Google Cloud 콘솔 탐색 메뉴()에서 BigQuery > Studio를 클릭합니다.
2. 탐색기 창을 클릭한 다음 + 데이터 추가를 클릭하여 프로젝트에 데이터 소스를 추가합니다.
3. 데이터 추가 페이지의 왼쪽 하단에서 공개 데이터 세트를 선택합니다. Marketplace 페이지가 열립니다.
4. 검색창에 ncaa를 입력하고 Enter 키를 누릅니다.
5. NCAA 농구 데이터 세트를 선택합니다.
6. 제품 세부정보 페이지에서 데이터 세트 보기를 클릭하여 이 BigQuery 공개 데이터 세트의 상세 데이터 스키마를 확인합니다.
7. ncaa_basketball 데이터 세트는 자동으로 입력되며, 이 데이터 세트 내의 테이블이 표시됩니다.

먼저 선수가 모든 경기에서 누적한 점수를 모두 합산해야 합니다.

8. ncaa_basketball 데이터 세트 내의 각 테이블을 미리 봅니다.
9. mbb_players_games_sr 테이블을 선택합니다. 가장 높은 점수를 기록한 선수들을 찾는 데 어떤 열이 도움이 될까요?

mbb_players_games_sr의 각 행에는 각 선수와 그들이 참여한 각 경기의 결과가 포함되어 있습니다. 경기당 선수별 총 득점을 구하려면 여러 경기에 걸친 데이터를 요약하는 쿼리를 실행해야 합니다.

10. 다음 쿼리를 쿼리 편집기에 복사합니다.

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;

이 쿼리는 각 선수별로 해당 선수의 소속 팀과 그들이 출전한 모든 경기에서의 총 득점을 한 행씩 반환합니다.

11. 실행을 클릭합니다.

이제 단일 경기에서 가장 높은 점수를 기록한 상위 10명의 선수를 찾아야 합니다.

12. 다음 쿼리를 쿼리 편집기에 복사합니다.

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;

이 쿼리는 경기에서 득점한 점수를 기준으로 상위 10명의 NCAA 농구 선수 정보를 반환하고, 1위부터 10위까지 순위를 매깁니다.

이 쿼리에는 두 개의 SELECT 문이 있습니다. 첫 번째 SELECT 문은 'rankings'라는 임시 테이블을 만듭니다. 두 번째 SELECT 문은 'rankings' 테이블에서 다음 열을 선택합니다.

RANK() 함수는 각 선수의 점수를 기준으로 순위를 매기는 데 사용됩니다.

13. 실행을 클릭합니다.

참고: 다시 한 번, 데이터 탐색을 클릭하고 'Looker Studio로 탐색'을 선택하여 Looker Studio를 통해 결과를 살펴볼 수 있습니다. 참고: 결과에 점수가 동일한 선수가 있으며, 이 경우 RANK() 함수가 동일한 순위를 할당하는 것으로 표시됩니다.

동점이 포함된 값에 순위를 매기는 경우 ROW_NUMBER, DENSE_RANK, RANK의 차이점을 알아두는 것이 좋습니다.

• ROW_NUMBER()는 동점을 무시합니다. 이는 임의로 상위 10명의 선수를 반환하려는 경우에 유용합니다.
• DENSE_RANK()와 RANK()는 동점자 처리 방식에 따라 순위를 다르게 매깁니다.
• DENSE_RANK()는 숫자를 건너뛰지 않으므로 순위가 1, 2, 2, 3과 같이 매겨집니다.
• RANK()는 숫자를 건너뛰므로 1, 2, 2, 4가 됩니다.

내 진행 상황 확인하기를 클릭하여 이 작업을 올바르게 완료했음을 확인합니다.

NCAA 농구 공개 데이터 세트 살펴보기

결론

수고하셨습니다.

TheLook eCommerce의 클라우드 데이터 분석가로서, 마케팅팀에서 NCAA 농구 선수들이 등장하는 수영복 제품 홍보 광고 캠페인의 첫 번째 단계를 론칭할 수 있도록 필요한 데이터를 성공적으로 제공했습니다.

thelook_gcda 데이터 세트의 테이블을 탐색하고 필터링하여 2023년 6월에 판매된 수영용품에 관한 정보를 얻었습니다.

ncaa_basketball 공개 데이터 세트에서 테이블을 필터링하여 최고 득점 농구 선수들에 관한 정보를 가져왔습니다.

이 정보를 바탕으로 마케팅팀은 광고 캠페인에 어떤 수영복 제품을 포함해야 하는지, 뛰어난 활약을 보인 선수 중 누구를 모델로 초대해야 할지에 대해 정보에 입각한 결정을 내릴 수 있습니다.

클라우드에서 강력한 도구를 사용하여 데이터를 분석하는 과정이 순조롭게 진행되고 있습니다. 수고하셨습니다.

실습 종료하기

실습을 종료하기 전에 모든 작업을 완료했는지 확인하세요. 준비가 되면 실습 종료를 클릭한 다음 제출을 클릭합니다.

실습을 종료하면 실습 환경에 대한 액세스 권한이 삭제되며, 실습에서 완료한 작업에 다시 액세스할 수 없습니다.

Copyright 2026 Google LLC All rights reserved. Google 및 Google 로고는 Google LLC의 상표입니다. 기타 모든 회사명 및 제품명은 해당 업체의 상표일 수 있습니다.