Descripción general

BigQuery es la base de datos analítica de bajo costo, no-ops y completamente administrada de Google. Con BigQuery, puedes consultar muchos terabytes de datos sin tener que administrar infraestructuras y sin necesitar un administrador de base de datos. BigQuery usa SQL y puede aprovechar el modelo de pago por uso. BigQuery te permite enfocarte en el análisis de datos para buscar estadísticas valiosas.

Unir tablas de datos puede proporcionar estadísticas valiosas sobre tu conjunto de datos. Sin embargo, cuando unes los datos, existen errores comunes que podrían corromper los resultados. Este lab se enfoca en cómo evitar estos errores. Tipos de uniones:

• Unión cruzada: Combina cada fila del primer conjunto de datos con cada fila del segundo, y cada combinación se representa en el resultado.
• Unión interna: Requiere que los valores clave estén en ambas tablas para que los registros aparezcan en la tabla de resultados. Los registros solo aparecerán en la combinación si los valores clave coinciden en ambas tablas.
• Unión izquierda: Cada fila de la tabla de la izquierda aparece en los resultados, sin importar si hay coincidencias en la tabla de la derecha.
• Unión derecha: Es lo contrario a una unión izquierda. Cada fila de la tabla de la derecha aparece en los resultados, sin importar si hay coincidencias en la tabla de la izquierda.

Para obtener más información sobre las uniones, consulta la página sobre uniones.

Usarás un conjunto de datos de comercio electrónico que tiene millones de registros de Google Analytics para Google Merchandise Store cargados en BigQuery. Tienes una copia de ese conjunto de datos para este lab y explorarás los campos y las filas disponibles para obtener estadísticas.

Para obtener información sobre la sintaxis, que te ayudará a seguir y actualizar las consultas, lee el artículo Sintaxis de consultas en SQL estándar.

Actividades

En este lab, realizarás las siguientes tareas:

• Utilizar BigQuery para explorar un conjunto de datos
• Solucionar problemas de filas duplicadas en un conjunto de datos
• Crear uniones entre tablas de datos
• Comprender cada tipo de unión

Configuración y requisitos

En cada lab, recibirá un proyecto de Google Cloud y un conjunto de recursos nuevos por tiempo limitado y sin costo adicional.

1. Accede a Qwiklabs desde una ventana de incógnito.

2. Ten en cuenta el tiempo de acceso del lab (por ejemplo, 1:15:00) y asegúrate de finalizarlo en el plazo asignado.
   No existe una función de pausa. Si lo necesita, puede reiniciar el lab, pero deberá hacerlo desde el comienzo.

3. Cuando esté listo, haga clic en Comenzar lab.

4. Anote las credenciales del lab (el nombre de usuario y la contraseña). Las usarás para acceder a la consola de Google Cloud.

5. Haga clic en Abrir Google Console.

6. Haga clic en Usar otra cuenta, copie las credenciales para este lab y péguelas en el mensaje emergente que aparece.
   Si usa otras credenciales, se generarán errores o incurrirá en cargos.

7. Acepta las condiciones y omite la página de recursos de recuperación.

Abra BigQuery en Console

1. En Google Cloud Console, seleccione el menú de navegación > BigQuery.

Se abrirá el cuadro de mensaje Te damos la bienvenida a BigQuery en Cloud Console, que contiene un vínculo a la guía de inicio rápido y enumera las actualizaciones de la IU.

2. Haga clic en Listo.

Tarea 1. Crea un nuevo conjunto de datos para almacenar tus tablas

En tu proyecto de BigQuery, crea un nuevo conjunto de datos llamado ecommerce.

1. En la sección Explorador del panel de la izquierda, haz clic en el ícono Ver acciones junto al ID de tu proyecto y selecciona Crear conjunto de datos.

2. Establece el ID de conjunto de datos en ecommerce. Deja las otras opciones con sus valores predeterminados y haz clic en Crear conjunto de datos.

En el panel izquierdo, puedes ver un conjunto de datos ecommerce en la lista debajo de tu proyecto.

Tarea 2. Fija el proyecto del lab en BigQuery

Situación: Tu equipo te proporciona un conjunto de datos nuevo sobre los niveles de inventario para cada uno de tus productos en venta en tu sitio web de comercio electrónico. Recomendamos que te familiarices con los productos del sitio web y con los campos que podrías usar para unirlos a otros conjuntos de datos.

El proyecto que contiene el nuevo conjunto de datos es data-to-insights.

Los conjuntos de datos públicos de BigQuery no se muestran de forma predeterminada en la IU web de BigQuery. Dado que data-to-insights es un proyecto de conjunto de datos públicos, debes fijarlo a tu árbol de recursos de la siguiente manera:

1. En el panel Explorador, haz clic en + AGREGAR.

2. Selecciona Destaca un proyecto por nombre.

3. En Nombre del proyecto, ingresa data-to-insights.

4. Haz clic en Destacar.

5. En el panel Explorador, verás el proyecto data-to-insights destacado.

Tarea 3. Examina los campos

Recomendamos que te familiarices con los productos del sitio web y con los campos que podrías usar para crear consultas para analizar el conjunto de datos.

1. En la sección Explorador del panel de la izquierda, navega a data-to-insights > ecommerce > all_sessions_raw.

2. A la derecha, haz clic en la pestaña Esquema para ver los Campos y la información sobre cada campo.

Tarea 4. Identifica un campo clave en tu conjunto de datos de comercio electrónico

Realiza un análisis más detallado de los productos y los campos. Recomendamos que te familiarices con los productos del sitio web y con los campos que podrías usar para unirlos a otros conjuntos de datos.

Examina los registros

En esta sección, descubrirás cuántos nombres y SKU de productos hay en tu sitio web y si alguno de esos campos es único.

1. Descubre cuántos nombres y SKU de productos hay en el sitio web. Copia y pega la siguiente consulta en el EDITOR de consultas:

#standardSQL # how many products are on the website? SELECT DISTINCT productSKU, v2ProductName FROM `data-to-insights.ecommerce.all_sessions_raw`

2. Haz clic en EJECUTAR.

3. Observa los resultados de paginación en la IU web para obtener el número total de registros mostrados, que en este caso consta de 2,273 productos y SKU.

Pero ¿los resultados implican que hay 2,273 SKU de productos únicos?

4. Copia y pega la siguiente consulta para enumerar la cantidad de SKU distintos que aparecen con DISTINCT:

#standardSQL # find the count of unique SKUs SELECT DISTINCT productSKU FROM `data-to-insights.ecommerce.all_sessions_raw`

5. Haz clic en EJECUTAR.

Hay 1,909 SKU distintos.

Tienes 1,909 SKU distintos, que es menos que el total de 2,273 productos en el sitio web. Los primeros resultados probablemente incluyan productos con SKU duplicados.

6. Analiza los registros en detalle. Determina qué productos tienen más de un SKU y qué SKU tienen más de un producto.

7. Copia y pega la siguiente consulta para determinar si algunos nombres de producto tienen más de un SKU. Ten en cuenta que se utiliza la función STRING_AGG() para agregar todos los SKU de producto asociados a un nombre de producto.

#standardSQL # how can we find the products with more than 1 sku? SELECT DISTINCT COUNT(DISTINCT productSKU) AS SKU_count, STRING_AGG(DISTINCT productSKU LIMIT 5) AS SKU, v2ProductName FROM `data-to-insights.ecommerce.all_sessions_raw` WHERE productSKU IS NOT NULL GROUP BY v2ProductName HAVING SKU_count > 1 ORDER BY SKU_count DESC # product name is not unique (expected for variants)

8. Haz clic en EJECUTAR.

Resultados:

¿Algunos nombres de productos tienen más de un SKU? Mira los resultados de la consulta para confirmarlo.

Respuesta: Sí

También es posible que un nombre de producto se asocie a más de un SKU. Esto puede ocurrir debido a la variación. Por ejemplo, un nombre de producto (p. ej., camiseta) puede tener múltiples variantes de producto, como el color, el tamaño, etc. Cabría esperar que un producto tenga muchos SKU.

9. Copia y pega la siguiente consulta para descubrirlo:

#standardSQL SELECT DISTINCT COUNT(DISTINCT v2ProductName) AS product_count, STRING_AGG(DISTINCT v2ProductName LIMIT 5) AS product_name, productSKU FROM `data-to-insights.ecommerce.all_sessions_raw` WHERE v2ProductName IS NOT NULL GROUP BY productSKU HAVING product_count > 1 ORDER BY product_count DESC # SKU is not unique (indicates data quality issues)

10. Haz clic en EJECUTAR.

Pregunta: Cuando observas los resultados de las consultas, ¿hay valores únicos de SKU con más de un nombre de producto asociado? ¿Qué notas acerca de esos nombres de producto?

Respuesta: Sí, parece que hay unos cuantos SKU que tienen más de un nombre de producto. Pareciera que varios nombres de producto están estrechamente relacionados con algunas faltas de ortografía (p. ej., Waterproof Gear Bag vs Warerproof Gear Bag).

Ahora entiendes por qué esto podría ser un problema en la siguiente sección.

Tarea 5. Error: clave no única

Un SKU está diseñado para identificar de forma única un producto y será la base de su condición de unión cuando se una a otras tablas. Tener una clave que no es única puede provocar graves problemas de datos.

1. Escribe una consulta para identificar todos los nombres de producto para el SKU 'GGOEGPJC019099'.

Solución posible:

#standardSQL # multiple records for this SKU SELECT DISTINCT v2ProductName, productSKU FROM `data-to-insights.ecommerce.all_sessions_raw` WHERE productSKU = 'GGOEGPJC019099'

2. Haz clic en EJECUTAR.

v2ProductName	productSKU
7" Dog Frisbee	GGOEGPJC019099
7" Dog Frisbee	GGOEGPJC019099
Google 7-inch Dog Flying Disc Blue	GGOEGPJC019099

A partir de los resultados de la consulta, parece que hay tres nombres diferentes para el mismo producto. En este ejemplo, hay un carácter especial en un nombre y un nombre apenas diferente para otro:

Une datos del sitio web a tu lista de inventario de productos

Observa el impacto que produce unir un conjunto de datos con varios productos para un único SKU. Primero, explora el conjunto de datos del inventario de productos (la tabla products) para ver si este SKU es único allí.

1. Copia y pega la siguiente consulta:

#standardSQL # join in another table # products (has inventory) SELECT * FROM `data-to-insights.ecommerce.products` WHERE SKU = 'GGOEGPJC019099'

2. Haz clic en EJECUTAR.

Error de unión: relaciones accidentales de SKU varios a uno

A continuación, une el conjunto de datos del inventario a los nombres de producto de tu sitio web y a los SKU, de manera que puedas asociar el nivel de stock del inventario con cada producto a la venta en el sitio web.

1. Copia y pega la siguiente consulta:

#standardSQL SELECT DISTINCT website.v2ProductName, website.productSKU, inventory.stockLevel FROM `data-to-insights.ecommerce.all_sessions_raw` AS website JOIN `data-to-insights.ecommerce.products` AS inventory ON website.productSKU = inventory.SKU WHERE productSKU = 'GGOEGPJC019099'

2. Haz clic en EJECUTAR.

¿Qué sucede cuando unes la tabla del sitio web y la del inventario de productos a un SKU? ¿Ahora tienes niveles de inventario para el producto?

Respuesta: Sí, pero el valor "stockLevel" aparece tres veces (una por cada registro).

A continuación, ejecuta una consulta que muestre el nivel de inventario total para cada artículo en el inventario.

3. Copia y pega la siguiente consulta:

#standardSQL SELECT productSKU, SUM(stockLevel) AS total_inventory FROM ( SELECT DISTINCT website.v2ProductName, website.productSKU, inventory.stockLevel FROM `data-to-insights.ecommerce.all_sessions_raw` AS website JOIN `data-to-insights.ecommerce.products` AS inventory ON website.productSKU = inventory.SKU WHERE productSKU = 'GGOEGPJC019099' ) GROUP BY productSKU

4. Haz clic en EJECUTAR.

Tarea 6. Solución al error de unión: utilizar SKU distintos antes de hacer la unión

¿Cuáles son las opciones para resolver tu dilema de recuento triple? Primero, solo debes seleccionar SKU distintos del sitio web antes de unirlos a otros conjuntos de datos.

• Escribe una consulta para mostrar el recuento de productSKU distinto de data-to-insights.ecommerce.all_sessions_raw.

Solución posible:

#standardSQL SELECT COUNT(DISTINCT website.productSKU) AS distinct_sku_count FROM `data-to-insights.ecommerce.all_sessions_raw` AS website

Respuesta: 1,909 SKU distintos del conjunto de datos del sitio web

Error de unión: perder registros de datos después de una unión

Ahora está todo listo para que unas tu conjunto de datos de inventario de productos de nuevo.

1. Copia y pega la siguiente consulta:

#standardSQL SELECT DISTINCT website.productSKU FROM `data-to-insights.ecommerce.all_sessions_raw` AS website JOIN `data-to-insights.ecommerce.products` AS inventory ON website.productSKU = inventory.SKU

2. Haz clic en EJECUTAR.

¿Cuántos registros se devolvieron? ¿Los 1,909 SKU distintos?

Respuesta: No, solo 1,090 registros.

Perdiste 819 SKU después de unir los conjuntos de datos. Agrega mayor especificidad en tus campos para investigar.

3. Copia y pega la siguiente consulta:

#standardSQL # pull ID fields from both tables SELECT DISTINCT website.productSKU AS website_SKU, inventory.SKU AS inventory_SKU FROM `data-to-insights.ecommerce.all_sessions_raw` AS website JOIN `data-to-insights.ecommerce.products` AS inventory ON website.productSKU = inventory.SKU # IDs are present in both tables, how can we dig deeper?

4. Haz clic en EJECUTAR.

Parece que los SKU están presentes en ambos conjuntos de datos después de la unión.

Solución al problema de unión: seleccionar el tipo de unión correcto y filtrar por valores NULL

El tipo de instrucción JOIN predeterminado es una INNER JOIN que muestra registros solo si hay una coincidencia en las tablas unidas de la izquierda y de la derecha.

1. Vuelve a escribir la consulta para usar un tipo de unión diferente y, así, incluir todos los registros de la tabla del sitio web, sin importar si hay una coincidencia en el registro de SKU del inventario de productos. Opciones de tipo de instrucciones de unión: INNER JOIN, LEFT JOIN, RIGHT JOIN, FULL JOIN, CROSS JOIN.

Solución posible:

#standardSQL # the secret is in the JOIN type # pull ID fields from both tables SELECT DISTINCT website.productSKU AS website_SKU, inventory.SKU AS inventory_SKU FROM `data-to-insights.ecommerce.all_sessions_raw` AS website LEFT JOIN `data-to-insights.ecommerce.products` AS inventory ON website.productSKU = inventory.SKU

2. Haz clic en EJECUTAR.

Usaste correctamente LEFT JOIN para devolver los 1,909 SKU de sitio web originales en tus resultados.

¿Cuántos SKU faltan del conjunto del inventario de productos?

3. Escribe una consulta para filtrar los valores NULL de la tabla del inventario.

Solución posible:

#standardSQL # find product SKUs in website table but not in product inventory table SELECT DISTINCT website.productSKU AS website_SKU, inventory.SKU AS inventory_SKU FROM `data-to-insights.ecommerce.all_sessions_raw` AS website LEFT JOIN `data-to-insights.ecommerce.products` AS inventory ON website.productSKU = inventory.SKU WHERE inventory.SKU IS NULL

4. Haz clic en EJECUTAR.

5. Copia y pega la siguiente consulta para confirmar el uso de uno de los SKU específicos del conjunto de datos del sitio web:

#standardSQL # you can even pick one and confirm SELECT * FROM `data-to-insights.ecommerce.products` WHERE SKU = 'GGOEGATJ060517' # query returns zero results

6. Haz clic en EJECUTAR.

¿Por qué al conjunto de datos del inventario de productos le podrían faltar SKU?

Respuesta: Lamentablemente, no hay una respuesta fácil. Más bien es una pregunta relacionada con la empresa:

• Algunos SKU podrían ser productos digitales que no almacenas en el inventario.
• Los productos anteriores que vendiste en pedidos antiguos del sitio web ya no se ofrecen en el inventario actual.
• Legítimamente faltan datos del inventario y se los debería rastrear.

¿Hay productos que están en el conjunto de datos del inventario de productos que no aparecen en el sitio web?

7. Escribe una consulta con un tipo de unión diferente para investigar.

Solución posible:

#standardSQL # reverse the join # find records in website but not in inventory SELECT DISTINCT website.productSKU AS website_SKU, inventory.SKU AS inventory_SKU FROM `data-to-insights.ecommerce.all_sessions_raw` AS website RIGHT JOIN `data-to-insights.ecommerce.products` AS inventory ON website.productSKU = inventory.SKU WHERE website.productSKU IS NULL

8. Haz clic en EJECUTAR.

Respuesta: Sí. Hay dos SKU de producto que no están en el conjunto de datos del sitio web.

A continuación, agrega más campos del conjunto de datos del inventario de productos para obtener más detalles.

9. Copia y pega la siguiente consulta:

#standardSQL # what are these products? # add more fields in the SELECT STATEMENT SELECT DISTINCT website.productSKU AS website_SKU, inventory.* FROM `data-to-insights.ecommerce.all_sessions_raw` AS website RIGHT JOIN `data-to-insights.ecommerce.products` AS inventory ON website.productSKU = inventory.SKU WHERE website.productSKU IS NULL

10. Haz clic en EJECUTAR.

¿Por qué faltan los siguientes productos del conjunto de datos del sitio web de comercio electrónico?

Respuestas posibles:

• Un producto nuevo (sin pedidos ni “sentimentScore”) y un producto que se encuentra “solo en una tienda física”.
• Otro es un producto nuevo con 0 pedidos.

¿Por qué el producto nuevo no se muestra en tu conjunto de datos del sitio web?

• El conjunto de datos del sitio web está formado por transacciones de pedidos antiguos realizadas por clientes. Los productos nuevos que no se han vendido no aparecerán en las estadísticas web hasta que se los vea o se los compre.

Nota: Por lo general, no verás instrucciones RIGHT JOIN en las consultas de producción. Simplemente usarás LEFT JOIN y cambiarás el orden de las tablas.

¿Qué tal si quisieras realizar una consulta que enumere todos los productos que falten, ya sea del sitio web o del inventario?

11. Escribe una consulta con un tipo de unión diferente.

Solución posible:

#standardSQL SELECT DISTINCT website.productSKU AS website_SKU, inventory.SKU AS inventory_SKU FROM `data-to-insights.ecommerce.all_sessions_raw` AS website FULL JOIN `data-to-insights.ecommerce.products` AS inventory ON website.productSKU = inventory.SKU WHERE website.productSKU IS NULL OR inventory.SKU IS NULL

12. Haz clic en EJECUTAR.

Tienes 819 + 2 = 821 SKU de productos.

LEFT JOIN + RIGHT JOIN = FULL JOIN, que muestra todos los registros de ambas tablas, sin importar que coincidan las claves de unión. Luego, filtra todos los lugares donde no haya coincidencia de cada lado.

Error de unión: unión cruzada accidental

No conocer la relación entre las claves de tabla de datos (1:1, 1:N, N:N) puede devolver resultados inesperados y reducir de manera significativa el rendimiento de las consultas.

El último tipo de unión es CROSS JOIN.

Crea una tabla nueva con un porcentaje de descuento en todo el sitio que quieras aplicar a todos los productos de la categoría Liquidación.

Reemplaza la tabla llamada qwiklabs-***.

1. Copia y pega la siguiente consulta:

#standardSQL CREATE OR REPLACE TABLE ecommerce.site_wide_promotion AS SELECT .05 AS discount;

2. Haz clic en EJECUTAR.

En el panel de la izquierda, site_wide_promotion ahora aparece en la sección Resource, debajo de qwiklabs-gcp-xxx > ecommerce.

3. Copia y pega la siguiente consulta para descubrir cuántos productos hay en liquidación:

SELECT DISTINCT productSKU, v2ProductCategory, discount FROM `data-to-insights.ecommerce.all_sessions_raw` AS website CROSS JOIN ecommerce.site_wide_promotion WHERE v2ProductCategory LIKE '%Clearance%'

4. Haz clic en EJECUTAR.

Nota: En la sintaxis, no hay ninguna condición de unión (p. ej., ON o USING) para usar una CROSS JOIN. El campo simplemente se multiplica contra el primer conjunto de datos o un descuento de 0.05 en todos los artículos.

Veamos el impacto de agregar de manera accidental más de un registro a la tabla de descuentos.

5. Copia y pega la siguiente consulta para insertar dos registros más en la tabla de promoción:

#standardSQL INSERT INTO ecommerce.site_wide_promotion (discount) VALUES (.04), (.03);

6. Haz clic en EJECUTAR.

Ahora, veamos los valores de datos en la tabla de promoción.

7. Copia y pega la siguiente consulta:

#standardSQL SELECT discount FROM ecommerce.site_wide_promotion

8. Haz clic en EJECUTAR.

¿Qué ocurre cuando aplicas de nuevo el descuento en los 82 productos en liquidación?

9. Copia y pega la siguiente consulta:

#standardSQL # now what happens: SELECT DISTINCT productSKU, v2ProductCategory, discount FROM `data-to-insights.ecommerce.all_sessions_raw` AS website CROSS JOIN ecommerce.site_wide_promotion WHERE v2ProductCategory LIKE '%Clearance%'

10. Haz clic en EJECUTAR.

¿Cuántos productos se devuelven?

Respuesta: En lugar de 82, ahora se muestran 246, que es una cantidad mayor de registros que los que tenía la tabla original con la que comenzó.

Investiguemos la causa subyacente examinando el SKU de un producto.

11. Copia y pega la siguiente consulta:

#standardSQL SELECT DISTINCT productSKU, v2ProductCategory, discount FROM `data-to-insights.ecommerce.all_sessions_raw` AS website CROSS JOIN ecommerce.site_wide_promotion WHERE v2ProductCategory LIKE '%Clearance%' AND productSKU = 'GGOEGOLC013299'

12. Haz clic en EJECUTAR.

¿Cuál es el impacto de CROSS JOIN?

Respuesta:

Ya que hay 3 códigos de descuento para unir de manera cruzada, estás multiplicando el conjunto de datos original por 3.

Nota: Este comportamiento no se limita a las uniones cruzadas. Con una unión normal, puedes realizar una unión cruzada por accidente cuando las relaciones entre los datos son de varios a varios. Esto puede traducirse fácilmente en que se devuelvan millones o incluso miles de millones de registros de manera accidental.

La solución es conocer las relaciones de tus datos antes de hacer la unión y no suponer que las claves son únicas.

Tarea 7. Anula la duplicación de filas

Al comienzo de este lab, escribiste una consulta que mostraba varios nombres de producto para un único SKU. Anular la duplicación de registros de esta forma es una habilidad común para los analistas de datos. Analiza una forma en la que puedes seleccionar solo un producto por SKU.

Primero, comienza con la consulta para mostrar todos los nombres de producto por SKU.

1. Copia y pega la siguiente consulta:

#standardSQL # recall the earlier query that showed multiple product_names for each SKU SELECT DISTINCT COUNT(DISTINCT v2ProductName) AS product_count, STRING_AGG(DISTINCT v2ProductName LIMIT 5) AS product_name, productSKU FROM `data-to-insights.ecommerce.all_sessions_raw` WHERE v2ProductName IS NOT NULL GROUP BY productSKU HAVING product_count > 1 ORDER BY product_count DESC

2. Haz clic en EJECUTAR.

Ya que la mayoría de los nombres de producto son muy similares (y quieres asignar un único SKU para un único producto), escribe una consulta que elija solo uno de los product_names. Utilizarás esta publicación de StackOverflow de Felipe Hoffa como inspiración.

3. Copia y pega la siguiente consulta:

#standardSQL # take the one name associated with a SKU WITH product_query AS ( SELECT DISTINCT v2ProductName, productSKU FROM `data-to-insights.ecommerce.all_sessions_raw` WHERE v2ProductName IS NOT NULL ) SELECT k.* FROM ( # aggregate the products into an array and # only take 1 result SELECT ARRAY_AGG(x LIMIT 1)[OFFSET(0)] k FROM product_query x GROUP BY productSKU # this is the field you want deduplicated );

4. Haz clic en EJECUTAR.

Anulaste correctamente la duplicación de los nombres de producto para cada SKU. Experimenta con la consulta anterior y tus propios conjuntos de datos para anular la duplicación de tus campos antes de unirlos a otros conjuntos de datos.

Tarea 8. Pon a prueba tus conocimientos

¡Felicitaciones!

Completaste este lab y resolviste algunos errores graves de uniones SQL. Para ello, identificaste los registros duplicados y aprendiste cuándo usar cada tipo de UNIÓN. Buen trabajo.

Finalice su lab

Cuando haya completado el lab, haga clic en Finalizar lab. Google Cloud Skills Boost quitará los recursos que usó y limpiará la cuenta.

Tendrá la oportunidad de calificar su experiencia en el lab. Seleccione la cantidad de estrellas que corresponda, ingrese un comentario y haga clic en Enviar.

La cantidad de estrellas indica lo siguiente:

• 1 estrella = Muy insatisfecho
• 2 estrellas = Insatisfecho
• 3 estrellas = Neutral
• 4 estrellas = Satisfecho
• 5 estrellas = Muy satisfecho

Puede cerrar el cuadro de diálogo si no desea proporcionar comentarios.

Para enviar comentarios, sugerencias o correcciones, use la pestaña Asistencia.

Copyright 2020 Google LLC. All rights reserved. Google y el logotipo de Google son marcas de Google LLC. Los demás nombres de productos y empresas pueden ser marcas de las respectivas empresas a las que estén asociados.