Summary  
This chapter covers functions for extracting components from date and time values, performing arithmetic on dates and datetimes, and formatting temporal values into custom representations.  

General domain of usage  
Temporal data analysis

Käytännön esimerkkejä **päivämäärä- ja aikaoperaatioista BigQueryssa**, keskittyen komponenttien erottamiseen, aika-aritmetiikkaan ja ajallisten arvojen muotoiluun oikeiden kyselyiden avulla. Nämä tekniikat ovat olennaisia analysoitaessa aikaperusteista dataa useista lähteistä tai eri alueilta.

### Päivämääräkomponenttien erottaminen

BigQuery mahdollistaa tietyn päivämääräosan erottamisen `EXTRACT`-toiminnolla. `EXTRACT(YEAR FROM sample_date)` hakee vuoden täydestä päivämääräarvosta.

Tätä käytetään yleisesti tietojen ryhmittelyyn, suodattamiseen tai aggregointiin vuoden, kuukauden tai muiden aikayksiköiden mukaan.

### Päivämäärä- ja aika-aritmetiikka

BigQuery tukee aikavälien lisäämistä ja vähentämistä päivämäärien ja aikojen säätämiseksi:

* `DATE_ADD(sample_date, INTERVAL 5 DAY)` siirtää päivämäärää eteenpäin määritellyn ajan;
* `DATETIME_SUB(sample_datetime, INTERVAL 2 HOUR)` vähentää aikaa datetime-arvosta.

Nämä operaatiot ovat hyödyllisiä esimerkiksi tapahtuman jälkeisten aikajaksojen laskennassa, aikavyöhykkeiden tasaamisessa tai viiveiden korjaamisessa tiedonkeruussa ja lokituksessa.

### Päivämäärä- ja aika-arvojen muotoilu

`FORMAT_DATETIME`-funktio muuntaa datetime-arvot luettaviin tai mukautettuihin muotoihin. Sen avulla aikaleimat voidaan muuttaa esimerkiksi muotoon `YYYY-MM-DD HH:MM`.

Tämä on erityisen hyödyllistä, kun dataa valmistellaan raportteihin, koontinäyttöihin tai järjestelmiin, joissa on erityisiä muotoiluvaatimuksia.

### Miksi tämä on tärkeää

Aikadata esiintyy usein eri muodoissa ja tarkkuustasoissa. Osa lähteistä sisältää aikavyöhykkeet tai sekunnit, kun taas toiset tallentavat vain päivämäärän. Päivämäärä- ja aika-funktiot mahdollistavat tämän datan standardoinnin, aikaperusteisen analyysin ja johdonmukaisen tulkinnan eri tietoaineistoissa.

Päivämäärä- ja aika-funktioiden hallinta BigQueryssa mahdollistaa raakaaikadatan muuntamisen yhtenäisiksi, rakenteellisiksi ja analyysivalmiiksi näkemyksiksi — olennainen taito työskenneltäessä globaaleissa tai monilähteisten aineistojen parissa.

Lataa päivämäärä- ja aikatietotaulukko

Lataa päivämäärä- ja aikaesimerkkitaulukko

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.

Päivämäärä- ja Aika-Funktiot

Päivämääräkomponenttien erottaminen

Päivämäärä- ja aika-aritmetiikka

Päivämäärä- ja aika-arvojen muotoilu

Miksi tämä on tärkeää