1. Écrire une requête qui calcule le **chiffre d'affaires total par magasin** en utilisant les données de la table `retail_data_updated` :
Multiplier la `quantity` (`INTEGER`) et le `unit_price` (`FLOAT`) pour calculer le chiffre d'affaires par transaction.
   - Regrouper les résultats par `store_id` ;
   - Additionner le chiffre d'affaires pour chaque magasin ;
   - La requête doit retourner les colonnes suivantes :
      - `store_id` (identifiant de chaque magasin) ;
      - `total_revenue` (somme de quantity × unit_price par magasin).
2. Écrire une requête qui compte le nombre de transactions effectuées chaque année et chaque mois en utilisant le champ `date` dans la table `retail_data_updated` :
   - Extraire l'année et le mois à partir du champ `date` ;
   - Regrouper par année et par mois ;
   - Compter le nombre de transactions pour chaque période ;
   - La requête doit retourner les colonnes suivantes :
      - `year_month` (formaté comme `YYYY-MM`) ;
      - `transaction_count` (nombre de transactions par mois).
3. Écrire une requête qui compare le nombre de transactions **en ligne** et **en magasin** dans la table `retail_data_updated` :
   - Regrouper les données par la colonne `is_online` (`BOOLEAN`) ;
   - Compter le nombre de transactions pour chaque valeur (`TRUE` = en ligne, `FALSE` = en magasin) ;
   - La requête doit retourner les colonnes suivantes :
      - `is_online` (`TRUE` ou `FALSE`) ;
      - `transaction_count` (nombre de transactions pour chaque groupe).






Télécharger le jeu de données

Plongez dans les fondamentaux de la plateforme BigQuery et transformez votre gestion des données cloud. Maîtrisez les compétences nécessaires pour naviguer dans la console, gérer les projets et optimiser les coûts des requêtes. Acquérez une expérience pratique avec des fonctionnalités spécifiques à BigQuery telles que les opérations sur les tableaux, les données géographiques et les fonctions de date. Explorez des techniques d’optimisation avancées et découvrez les secrets de la création de modèles de machine learning directement dans l’entrepôt grâce à BigQuery ML.

Acquérir une compréhension approfondie de l'environnement BigQuery, distinct des bases de données traditionnelles. Apprendre à naviguer dans la console, à gérer les projets et les ensembles de données, et à analyser les coûts de manière efficace. Développer la confiance dans la configuration de votre espace de travail pour une analyse de données efficiente.

Explorez les principes fondamentaux du moteur de requête pour extraire efficacement des données. Maîtrise des techniques de sélection de données et analyse de métriques spécifiques aux produits. Découverte des fonctionnalités de performance et des méthodes de test de requêtes pour garantir une analyse rapide et précise.

Élevez vos connaissances en maîtrisant les types de données spécifiques à BigQuery. Apprenez à gérer des opérations complexes sur les tableaux et à manipuler les fonctions de date et d'heure. Explorez les fonctionnalités géographiques pour résoudre des problématiques liées à la localisation, telles que le calcul des distances entre villes.

Optimisez votre flux de travail en gérant de grandes tables et en améliorant les performances des requêtes. Découvrez les secrets d'une gestion efficace des erreurs pour résoudre rapidement les problèmes. Maîtrisez les compétences nécessaires pour maintenir un environnement de base de données haute performance.

Appliquez vos connaissances à des scénarios réels. Découvrez comment élaborer des rapports complets et intégrer BigQuery avec des outils externes. Transformez des données brutes en informations exploitables pour l'entreprise grâce à des stratégies pratiques d'application et de reporting.

Plongez dans les fondamentaux de BigQuery ML. Découvrez comment créer et exécuter des modèles d'apprentissage automatique à l'aide du SQL standard sans déplacer les données. Acquérez une expérience pratique grâce à des démonstrations de modèles pour prédire des résultats directement sur la plateforme.

Défi : Types de Données