Summary  
This chapter explains how to organize data resources hierarchically into projects, datasets, and tables, configure metadata such as location and expiration, upload data, and manage access permissions.

General domain of usage  
Cloud data warehousing

In **BigQuery** wordt data georganiseerd met een duidelijke structuur op drie niveaus: **projecten**, **datasets** en **tabellen**. Deze hiërarchie helpt bij het beheren van toegang, facturering en data-organisatie op een consistente manier.

**Projecten** fungeren als containers op het hoogste niveau. Ze regelen facturering, machtigingen en toegang tot alle BigQuery-resources. Elke dataset en tabel behoort tot een specifiek project.

**Datasets** groeperen gerelateerde tabellen en definiëren belangrijke eigenschappen zoals de locatie van de data. Het kiezen van de juiste locatie is cruciaal voor prestatie-optimalisatie en naleving van regelgeving.

**Tabellen** slaan de daadwerkelijke data op en ondersteunen efficiënte query's op schaal. BigQuery maakt het eenvoudig om data te uploaden uit verschillende bronnen en formaten. Om geautomatiseerd beheer van de levenscyclus van data te ondersteunen, kunnen tabellen worden geconfigureerd met **vervalinstellingen**, waardoor opslagkosten worden verlaagd door verouderde data automatisch te verwijderen.

Wat is de primaire rol van een project in BigQuery?

Waarom is locatie belangrijk bij het instellen van projecten en datasets?

Wat doet de functie voor het verlopen van tabellen?

Verdiep je in de basisprincipes van het BigQuery-platform en transformeer de manier waarop je clouddata beheert. Beheers de vaardigheden die nodig zijn om de console te navigeren, projecten te beheren en querykosten te optimaliseren. Doe praktische ervaring op met BigQuery-specifieke functies zoals arraybewerkingen, geografische data en datumfuncties. Ontdek geavanceerde optimalisatietechnieken en leer de geheimen van het bouwen van machine learning-modellen direct binnen het datawarehouse met BigQuery ML.

Verkrijg een grondig begrip van de BigQuery-omgeving, verschillend van traditionele databases. Navigatie door de console, project- en datasetbeheer en kostenanalyse. Vertrouwen opbouwen in het inrichten van de werkruimte voor efficiënte data-analyse.

Verken de basisprincipes van de Query Engine voor efficiënte gegevensopvraging. Beheers technieken voor gegevensselectie en leer hoe specifieke productstatistieken geanalyseerd kunnen worden. Ontdek prestatiekenmerken en methoden voor het testen van queries om te waarborgen dat analyses snel en nauwkeurig zijn.

Breng uw kennis naar een hoger niveau door BigQuery-specifieke gegevenstypen te beheersen. Leer complexe array-bewerkingen uit te voeren en datum- en tijdfuncties te manipuleren. Verken geografische functies om locatiegebonden vraagstukken op te lossen, zoals het berekenen van afstanden tussen steden.

Optimaliseer uw workflow door grote tabellen te beheren en de queryprestaties te verbeteren. Ontdek de geheimen van effectieve foutafhandeling voor snelle probleemoplossing. Beheers de vaardigheden die nodig zijn om een databaseomgeving met hoge prestaties te onderhouden.

Pas uw kennis toe op praktijksituaties. Ontdek hoe u uitgebreide rapporten opstelt en BigQuery integreert met externe tools. Zet ruwe gegevens om in bruikbare zakelijke inzichten via praktische toepassingen en rapportagestrategieën.

Verdiep u in de basisprincipes van BigQuery ML. Ontdek hoe u machine learning-modellen kunt maken en uitvoeren met standaard SQL zonder data te verplaatsen. Verkrijg praktische ervaring met modeldemonstraties om uitkomsten direct binnen het platform te voorspellen.

Projecten en Datasets

1. Wat is de primaire rol van een project in BigQuery?

2. Waarom is locatie belangrijk bij het instellen van projecten en datasets?

3. Wat doet de functie voor het verlopen van tabellen?