1. Kirjoita kysely, joka laskee **kokonaisliikevaihdon myymälää kohden** käyttämällä `retail_data_updated` -taulun tietoja:
Kerro `quantity` (`INTEGER`) ja `unit_price` (`FLOAT`) saadaksesi liikevaihdon per tapahtuma.
   - Ryhmittele tulokset `store_id`-kentän mukaan;
   - Laske liikevaihdon summa jokaiselle myymälälle;
   - Kyselyn tulee palauttaa seuraavat sarakkeet:
      - `store_id` (tunniste jokaiselle myymälälle);
      - `total_revenue` (määrän ja yksikköhinnan tulojen summa myymälää kohden).
2. Kirjoita kysely, joka laskee kuinka monta tapahtumaa tapahtui vuosittain ja kuukausittain käyttämällä `date`-kenttää `retail_data_updated` -taulussa:
   - Erota vuosi ja kuukausi `date`-kentästä;
   - Ryhmittele vuoden ja kuukauden mukaan;
   - Laske tapahtumien määrä jokaisessa ajanjaksossa;
   - Kyselyn tulee palauttaa seuraavat sarakkeet:
      - `year_month` (muodossa `YYYY-MM`);
      - `transaction_count` (tapahtumien määrä kuukaudessa).
3. Kirjoita kysely, joka vertaa **verkkokaupan** ja **myymälän** tapahtumien määrää `retail_data_updated` -taulussa:
   - Ryhmittele tiedot `is_online`-sarakkeen (`BOOLEAN`) mukaan;
   - Laske kuinka monta tapahtumaa on kummassakin arvossa (`TRUE` = verkossa, `FALSE` = myymälässä);
   - Kyselyn tulee palauttaa seuraavat sarakkeet:
      - `is_online` (`TRUE` tai `FALSE`);
      - `transaction_count` (tapahtumien määrä kummassakin ryhmässä).






Lataa aineisto

Sukella BigQuery-alustan perusteisiin ja muuta tapasi käsitellä pilvidataa. Hallitse taidot, joita tarvitaan konsolin navigointiin, projektien hallintaan ja kyselykustannusten optimointiin. Saat käytännön kokemusta BigQueryn erityisominaisuuksista, kuten taulukko-operaatioista, maantieteellisestä datasta ja päivämääräfunktioista. Tutustu edistyneisiin optimointitekniikoihin ja opi rakentamaan koneoppimismalleja suoraan tietovarastossa BigQuery ML:n avulla.

Hanki vankka ymmärrys BigQuery-ympäristöstä, joka eroaa perinteisistä tietokannoista. Opettele navigoimaan konsolissa, hallitsemaan projekteja ja tietojoukkoja sekä analysoimaan kustannuksia tehokkaasti. Rakenna varmuutta työtilan perustamiseen tehokasta data-analyysiä varten.

Tutustu kyselymoottorin perusteisiin tehokkaan tiedonhakun takaamiseksi. Hallitse tietojen valintatekniikat ja opi analysoimaan tiettyjä tuotemittareita. Selvitä suorituskykyominaisuudet ja kyselyiden testausmenetelmät varmistaaksesi analyysisi nopeuden ja tarkkuuden.

Vie tietämyksesi seuraavalle tasolle hallitsemalla BigQueryn ainutlaatuiset tietotyypit. Opettele käsittelemään monimutkaisia taulukko-operaatioita ja muokkaamaan päivämäärä- ja aikaominaisuuksia. Tutustu maantieteellisiin ominaisuuksiin ratkaistaksesi sijaintiin perustuvia haasteita, kuten kaupunkien välimatkojen laskemista.

Optimoi työnkulkuasi hallitsemalla suuria tauluja ja parantamalla kyselyiden suorituskykyä. Opi tehokkaan virheenkäsittelyn salaisuudet ongelmien nopeaan ratkaisemiseen. Hallitse taidot, joita tarvitaan suorituskykyisen tietokantaympäristön ylläpitämiseen.

Sovella tietämystäsi todellisiin käyttötapauksiin. Opi rakentamaan kattavia raportteja ja integroimaan BigQuery ulkoisiin työkaluihin. Muunna raaka data käytännöllisiksi liiketoimintanäkemyksiksi soveltavan käytön ja raportointistrategioiden avulla.

Perehdy BigQuery ML:n perusteisiin. Opi, kuinka voit luoda ja suorittaa koneoppimismalleja käyttämällä standardi-SQL:ää ilman datan siirtämistä. Saat käytännön kokemusta mallien läpikäynneistä, joiden avulla voit ennustaa tuloksia suoraan alustalla.

Haaste: Tietotyypit