重要提醒：

請務必使用桌機/筆電完成這個實作實驗室。

每個實驗室都只有 5 次嘗試機會。

提醒：第一次嘗試時，不一定能全部答對，甚至可能需要重做，這是正常的過程。

實驗室活動開始後，計時器無法暫停。實驗室會在 1 小時 30 分鐘後結束，如果您沒做完，就必須重新開始。

您可查看實驗室技術提示瞭解詳情。

活動總覽

在雲端資料分析的各個階段中，我們會運用各式各樣的工具輔助作業，而 BigQuery 和 Looker 正是其中兩款熱門、強大的工具，支援多個主要雲端平台。

BigQuery 是全代管企業資料倉儲服務，您可透過 Google Cloud 控制台介面，管理及分析資料。在 BigQuery 中，您可以使用 SQL 查詢擷取、清理及整理資料，取得製表和分析所需的優質資料。您也可以用 BigQuery 編寫 SQL 查詢，透過 join 語法合併多個表格的資料。

Looker 是一款商業智慧 (BI) 平台，能用來探索、分析、視覺化及分享資料。Looker Studio 是 Looker 平台的內建工具，可透過 BigQuery 使用者介面輕鬆存取。這項工具可將資料轉換成實用且可完全自訂的資訊主頁和報表。

在本實驗室，您將透過 BigQuery 探索兩個資料集，接著執行 SQL 查詢來篩選資料，最後運用 Looker Studio 檢視結果圖表。

情境

恭喜！您最近加入一間國際公司 TheLook eCommerce，擔任資料分析師。這間公司專賣服飾類產品，銷售通路包含實體商店和數位管道，包括自家網站、行動應用程式，以及各種第三方社群媒體應用程式。TheLook eCommerce 提供風格多元的服飾、專注於創新，同時致力落實符合道德且永續環保的採購原則，促使公司事業版圖迅速擴張。

TheLook eCommerce 計劃放送廣告活動，邀請美國大學體育協會 (NCAA) 中得分最高的大學籃球選手，擔任公司服飾的模特兒。行銷經理 Martina 規劃在廣告活動的第一階段宣傳泳裝產品。

6 月向來是公司泳裝銷售量最高的月份，Martina 想找出該月最熱銷的泳裝產品，因此請您製作 2023 年 6 月的泳裝類別銷售資料報表。為了決定要在廣告活動中主打哪些球員，您打算研究 NCAA 的公開資料集並製作報表，列出得分最高的籃球員。

這項工作的步驟如下：首先您會探索 thelook_gcda 資料集中的資料表，然後篩選資料，擷取過去 30 天內售出的泳裝產品資訊。再來，您會探索 ncaa_basketball 公開資料集中的資料表，最後篩選資料，擷取得分前 10 高的籃球員資訊。

設定

點選「Start Lab」之前

請詳閱下列操作說明。實驗室活動會計時，中途無法暫停。點選「Start Lab」後就會開始計時，顯示可使用 Google Cloud 資源的時間。

您會在實際雲端環境完成實驗室活動，而非模擬或示範環境。因此，我們會提供新的臨時憑證，讓您在實驗室活動期間登入及存取 Google Cloud。

如要順利完成這個實驗室活動，請先確認：

• 可以使用標準的網路瀏覽器 (Chrome 瀏覽器為佳)。

注意：請使用無痕模式或私密瀏覽視窗執行此實驗室，防止個人帳戶和學生帳戶之間的衝突，避免個人帳戶產生額外費用。

• 該來完成實驗室活動了！別忘了，活動開始後就無法暫停。

注意：如有個人 Google Cloud 帳戶或專案，請勿用於本實驗室，以免產生額外費用。

如何啟動實驗室環境及登入 Google Cloud 控制台

1. 點選「Start Lab」按鈕。左側的「Lab Details」面板會顯示下列項目：

   • 剩餘時間
   • 「Open Google Cloud console」按鈕
   • 這個實驗室中應使用的暫時憑證
   • 完成這個實驗室所需的其他資訊 (如有)
   注意：如果實驗室會產生費用，畫面中會出現選擇付款方式的彈出式視窗。

2. 點選「Open Google Cloud console」；如果使用 Chrome 瀏覽器，也可以按一下滑鼠右鍵，選取「在無痕視窗中開啟連結」。「登入」頁面會在新的瀏覽器分頁開啟。

   提示：為方便切換，可以將分頁安排在不同的視窗並排顯示。

   注意：如果顯示「選擇帳戶」對話方塊，請點選「使用其他帳戶」。

3. 如有需要，請複製下方的 Google Cloud 使用者名稱，然後貼到「登入」對話方塊。點選「下一步」。

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

您也可以在「Lab Details」面板找到 Google Cloud 使用者名稱。

4. 複製下方的 Google Cloud 密碼，並貼到「歡迎使用」對話方塊。點選「下一步」。

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

您也可以在「Lab Details」面板找到 Google Cloud 密碼。

重要事項：請務必使用實驗室提供的憑證，而非自己的 Google Cloud 帳戶憑證。 注意：在這個實驗室中使用自己的 Google Cloud 帳戶，可能會產生額外費用。

5. 繼續點選後續頁面：
   • 接受條款及細則。
   • 由於這是臨時帳戶，請勿新增救援選項或雙重驗證機制。
   • 請勿申請免費試用。

Cloud 控制台稍後會在這個分頁中開啟。

注意事項：點選畫面左上方的導覽選單，即可查看 Google Cloud 產品與服務清單。

工作 1：探索 thelook_gcda 資料集

在本工作，您將探索 thelook_gcda 資料集，以及當中包含的資料表。接著，您會執行查詢來彙整兩個資料表，並擷取 2023 年 6 月銷售的泳裝產品資料。

1. 前往 Google Cloud 控制台的「導覽選單」，依序點按「BigQuery」>「Studio」。

注意：畫面可能會顯示「歡迎使用 Cloud 控制台中的 BigQuery」訊息方塊，當中列有快速入門導覽課程連結，以及使用者介面更新版本資訊。請點按「完成」來繼續操作。

2. 在「Explorer」中展開專案
3. 選取「thelook_gcda」資料集。
4. 在「傳統版 Explorer」窗格，展開「thelook_gcda」資料集，資料集內的資料表會隨即顯示。您可能需要向下捲動，才會看見完整資料表清單。

在這部分的工作，您將查看 2023 年 6 月售出的泳裝產品。

5. 選取「products」資料表，會顯示資料表結構定義。
6. 選取「預覽」分頁標籤來檢視資料，您會注意到每個產品的 ID 欄都有專屬 ID。

現在請查看「order_items」和「products」資料表。為了判斷 2023 年 6 月售出的泳裝產品數量，您必須彙整這兩個資料表的相同欄位。

7. 在查詢編輯器中，點按「SQL 查詢」圖示 (+)，開啟新的「未命名的查詢」分頁，以利執行查詢。
8. 複製下列指令並貼到「未命名的查詢」分頁：

注意：每次在「查詢編輯器」執行新查詢時，您可以複製新查詢並貼到同一個「未命名的查詢」分頁，直接取代舊查詢，也可以點按「SQL 查詢」圖示 (+)，開啟新的「未命名的查詢」分頁來執行查詢。 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. 點按「執行」。

這項查詢會彙整 order_items 和 products 資料表，並傳回 2023 年 6 月所有未退貨/未取消的泳裝相關訂單。

最後，請使用 Looker Studio 查看結果。

10. 在「查詢結果」窗格中，點按「開啟方式」，然後選取「Looker Studio」。

11. 在「查看資料存取權」頁面，點按「確認」。

點選「Check my progress」，確認工作已正確完成。

探索 thelook_gcda 資料集

工作 2：探索 NCAA 籃球公開資料集

在這項工作中，您將探索 ncaa_basketball 公開資料集，以及當中包含的資料表。接著您會執行查詢，擷取得分最高的 NCAA 籃球員資料，最後執行另一個查詢，找出單一賽事得分前 10 高的球員。

1. 如果尚未開啟 BigQuery Studio，請前往 Google Cloud 控制台的「導覽選單」，依序點按「BigQuery」>「Studio」。
2. 依序點按「Explorer」窗格和「+ 新增資料」，將資料來源新增至專案。
3. 在「新增資料」頁面，選取左下角的「公開資料集」，「Marketplace」頁面會隨即開啟。
4. 在搜尋欄位輸入 ncaa，然後按下 Enter 鍵。
5. 選取「NCAA Basketball」資料集。
6. 在「產品詳細資料」頁面，點按「查看資料集」，即可檢視這個 BigQuery 公開資料集的資料結構定義。
7. 系統已預先填入「ncaa_basketball」資料集，並顯示其中的資料表。

首先，您需要加總球員在所有賽事中的得分。

8. 預覽「ncaa_basketball」資料集中的各個資料表。
9. 選取「mbb_players_games_sr」資料表。想想看哪些資料欄有助於找出得分最高的球員？

mbb_players_games_sr 的每個資料列包含每位球員的數據及出場賽事。如要計算每位球員在各場比賽的總得分，您需要執行查詢來彙整各場比賽的資料。

10. 將下列查詢複製到「查詢編輯器」：

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;

這段查詢會傳回一個資料列，內含每位球員、所屬隊伍以及所有出賽場次的總得分。

11. 點按「執行」。

現在，您需要找出單場賽事得分前 10 高的球員。

12. 將下列查詢複製到「查詢編輯器」：

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;

這段查詢會針對 NCAA 籃球賽事得分前 10 高的球員，傳回他們的得分資訊，並以序號 1 至 10 排列名次。

請注意，這段查詢有兩個 SELECT 陳述式。第一個 SELECT 陳述式會建立名為「rankings」的臨時資料表。第二個 SELECT 陳述式會從名次資料表，選取下列資料欄。

RANK() 函式的用途，是根據每位球員的得分指派排名。

13. 點按「執行」。

注意：您同樣可以透過 Looker Studio 查看結果，方法是點按「探索資料」，然後選取「透過 Looker Studio 探索」。 注意：結果顯示有幾位球員的分數相同，RANK() 函式也因此指派了相同排名。

針對同分的情況排名時，建議先瞭解 ROW_NUMBER、DENSE_RANK 和 RANK 的差異。

• ROW_NUMBER() 會忽略同分情況。如果您只想傳回前 10 名球員，且不考慮同分球員之間的排序，便可使用這個陳述式。
• DENSE_RANK() 與 RANK() 的排名方式，會根據是否有同分的狀況而有所不同。
• DENSE_RANK() 不會略過數字，因此排法為 1、2、2、3。
• RANK() 會略過數字，因此排法為 1、2、2、4。

點選「Check my progress」，確認工作已正確完成。

查看 NCAA 籃球公開資料集

結論

做得好！

身為 TheLook eCommerce 的雲端資料分析師，您已成功提供行銷團隊所需的資料，協助他們推出第一階段的精彩廣告活動，宣傳由 NCAA 籃球員代言的泳裝產品。

您藉由探索及篩選 thelook_gcda 資料集的資料表，取得 2023 年 6 月的泳裝產品銷售資訊，

並篩選 ncaa_basketball 公開資料集的資料表，擷取得分最高的籃球員資訊。

有了這項資訊，行銷團隊就能做出明智決策，決定要在廣告活動中主打哪些泳裝產品，以及邀請哪些優秀選手擔任產品模特兒。

您越來越懂得使用強大的雲端工具分析資料了，做得好！

關閉實驗室

結束實驗室前，請確認已完成所有工作。如果已確定完成，請依序點選「End Lab」和「Submit」。

關閉實驗室後，就無法進入實驗室環境，也無法再次存取在實驗室完成的工作。

Copyright 2026 Google LLC 保留所有權利。Google 和 Google 標誌是 Google LLC 的商標，其他公司和產品名稱則有可能是其關聯公司的商標。