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

No **BigQuery**, os dados são organizados utilizando uma estrutura clara de três níveis: **projetos**, **conjuntos de dados** e **tabelas**. Essa hierarquia auxilia no gerenciamento de acesso, cobrança e organização dos dados de forma consistente.

**Projetos** funcionam como contêineres de nível superior. Eles controlam a cobrança, permissões e o acesso a todos os recursos do BigQuery. Todo conjunto de dados e tabela pertence a um projeto específico.

**Conjuntos de dados** agrupam tabelas relacionadas e definem propriedades importantes, como a localização dos dados. A escolha correta da localização é fundamental para otimização de desempenho e conformidade regulatória.

**Tabelas** armazenam os dados propriamente ditos e oferecem suporte a consultas eficientes em grande escala. O BigQuery facilita o upload de dados de várias fontes e formatos. Para apoiar a gestão automatizada do ciclo de vida dos dados, as tabelas podem ser configuradas com **definições de expiração**, ajudando a reduzir custos de armazenamento ao remover automaticamente dados desatualizados.

Qual é a principal função de um projeto no BigQuery?

Por que a localização é importante ao configurar projetos e conjuntos de dados?

O que faz o recurso de expiração de tabela?

Mergulhe nos fundamentos da plataforma BigQuery e transforme a forma como você lida com dados em nuvem. Domine as habilidades necessárias para navegar no console, gerenciar projetos e otimizar custos de consultas. Adquira experiência prática com recursos específicos do BigQuery, como operações com arrays, dados geográficos e funções de data. Explore técnicas avançadas de otimização e descubra os segredos de construir modelos de machine learning diretamente no data warehouse utilizando o BigQuery ML.

Adquira uma compreensão sólida do ambiente BigQuery, distinto dos bancos de dados tradicionais. Aprenda a navegar pelo console, gerenciar projetos e conjuntos de dados, e analisar custos de forma eficaz. Desenvolva confiança na configuração do seu ambiente de trabalho para uma análise de dados eficiente.

Explore os fundamentos do mecanismo de consulta para recuperar dados de forma eficiente. Domine técnicas de seleção de dados e aprenda a analisar métricas específicas de produtos. Descubra recursos de desempenho e métodos de teste de consultas para garantir que sua análise seja rápida e precisa.

Aprimore seu conhecimento dominando os tipos de dados exclusivos do BigQuery. Aprenda a lidar com operações complexas de arrays e a manipular funções de data e hora. Explore recursos geográficos para resolver desafios baseados em localização, como o cálculo de distâncias entre cidades.

Otimize seu fluxo de trabalho gerenciando grandes tabelas e aprimorando o desempenho das consultas. Aprenda os segredos do tratamento eficaz de erros para solucionar problemas rapidamente. Domine as habilidades necessárias para manter um ambiente de banco de dados de alto desempenho.

Aplique seu conhecimento em cenários do mundo real. Descubra como criar relatórios abrangentes e integrar o BigQuery com ferramentas externas. Transforme dados brutos em insights de negócios acionáveis por meio de aplicação prática e estratégias de geração de relatórios.

Mergulhe nos fundamentos do BigQuery ML. Descubra como criar e executar modelos de machine learning utilizando SQL padrão sem necessidade de mover dados. Adquira experiência prática com demonstrações de modelos para prever resultados diretamente na plataforma.

Projetos e Conjuntos de Dados

1. Qual é a principal função de um projeto no BigQuery?

2. Por que a localização é importante ao configurar projetos e conjuntos de dados?

3. O que faz o recurso de expiração de tabela?