Datum- en Tijdfuncties

Doorloop praktische datum- en tijdsbewerkingen in BigQuery, met de nadruk op het extraheren van componenten, uitvoeren van tijdrekenkunde en formatteren van temporele waarden aan de hand van echte queryvoorbeelden. Deze technieken zijn essentieel bij het analyseren van tijdsgebonden gegevens uit meerdere bronnen of regio's.

Datumcomponenten extraheren

BigQuery maakt het mogelijk om specifieke delen van een datum te extraheren met EXTRACT. EXTRACT(YEAR FROM sample_date) haalt het jaar uit een volledige datumwaarde.

Dit wordt vaak gebruikt voor het groeperen, filteren of aggregeren van gegevens op jaar, maand of andere tijdseenheden.

Datum- en tijdrekenkunde

BigQuery ondersteunt het optellen en aftrekken van intervallen om datums en tijden aan te passen:

• DATE_ADD(sample_date, INTERVAL 5 DAY) verschuift een datum vooruit met een gedefinieerde periode;
• DATETIME_SUB(sample_datetime, INTERVAL 2 HOUR) trekt tijd af van een datetime-waarde.

Deze bewerkingen zijn nuttig voor het berekenen van post-event vensters, het afstemmen van tijdzones of het corrigeren van vertragingen bij gegevensinvoer en logging.

Formatteren van datum- en tijdwaarden

De functie FORMAT_DATETIME zet datetime-waarden om in leesbare of aangepaste formaten. Hiermee kunnen tijdstempels worden omgezet naar formaten zoals YYYY-MM-DD HH:MM.

Dit is vooral handig bij het voorbereiden van gegevens voor rapportages, dashboards of downstream-systemen met specifieke formatteereisen.

Waarom het belangrijk is

Tijdgegevens komen vaak in verschillende formaten en met verschillende nauwkeurigheidsniveaus. Sommige bronnen bevatten tijdzones of seconden, terwijl andere alleen datums opslaan. Datum- en tijdfuncties maken het mogelijk deze gegevens te standaardiseren, tijdsanalyses uit te voeren en consistente interpretatie over datasets heen te waarborgen.

Het beheersen van datum- en tijdfuncties in BigQuery stelt je in staat om ruwe temporele gegevens om te zetten in afgestemde, gestructureerde en analyseklare inzichten — een essentiële vaardigheid bij het werken met wereldwijde of multi-bron datasets.