У відео та прикладах курсу ви побачите використання функції `JSON_EXTRACT`. Хоча ця функція повністю підтримується та працює коректно, у BigQuery вона вважається **застарілим** синтаксисом.

Для власних майбутніх проєктів рекомендуємо використовувати сучасні стандартні функції:

* `JSON_VALUE`: витягує скалярні значення (наприклад, рядки або числа) та автоматично видаляє зайві лапки;
* `JSON_QUERY`: витягує складні JSON-об'єкти або масиви.

Сучасна практика

Завдання — проаналізувати шаблони покупок клієнтів, продемонструвавши розуміння спеціалізованих можливостей BigQuery.

1. Написати запит, який використовує обрізання партицій за допомогою фільтрації по відповідній колонці партиції (`_PARTITIONDATE`);
2. Використати `APPROX_COUNT_DISTINCT` для ефективного підрахунку унікальних клієнтів;
3. Додати принаймні один витяг даних з поля products у форматі `JSON`;
4. Згрупувати результати у змістовний спосіб.


Щоб використовувати `_PARTITIONDATE` для обрізання партицій, переконайтеся, що таблиця BigQuery створена з параметром **Partition by: Ingestion time**. Без цього налаштування псевдоколонка не існуватиме, і запит завершиться помилкою.

Примітка

Завантажити набір даних

Занурення в основи платформи BigQuery та трансформація підходу до роботи з хмарними даними. Оволодіння навичками навігації консоллю, управління проєктами та оптимізації витрат на запити. Практичний досвід роботи з особливостями BigQuery, такими як операції з масивами, географічні дані та функції дат. Вивчення передових методів оптимізації та особливостей побудови моделей машинного навчання безпосередньо у сховищі за допомогою BigQuery ML.

Отримайте ґрунтовне розуміння середовища BigQuery, яке відрізняється від традиційних баз даних. Навчіться орієнтуватися в консолі, керувати проєктами та наборами даних, а також ефективно аналізувати витрати. Сформуйте впевненість у налаштуванні робочого простору для ефективного аналізу даних.

Ознайомтеся з основами рушія запитів для ефективного отримання даних. Опануйте техніки вибору даних та навчіться аналізувати окремі метрики продукту. Дізнайтеся про особливості продуктивності та методи тестування запитів для забезпечення швидкого й точного аналізу.

Поглиблене вивчення унікальних типів даних BigQuery. Робота зі складними операціями над масивами та обробка функцій дати й часу. Дослідження географічних можливостей для вирішення задач, пов’язаних із розташуванням, таких як обчислення відстаней між містами.

Оптимізація робочого процесу шляхом керування великими таблицями та підвищення продуктивності запитів. Вивчення ефективних методів обробки помилок для швидкого усунення проблем. Оволодіння навичками підтримки високопродуктивного середовища баз даних.

Застосовуйте набуті знання у реальних сценаріях. Дізнайтеся, як створювати комплексні звіти та інтегрувати BigQuery із зовнішніми інструментами. Перетворюйте необроблені дані на практичні бізнес-інсайти за допомогою прикладних методів та стратегій звітування.

Занурення в основи BigQuery ML. Ознайомлення зі створенням і виконанням моделей машинного навчання за допомогою стандартного SQL без переміщення даних. Практичний досвід роботи з моделями для прогнозування результатів безпосередньо на платформі.

Завдання: Вибірка Даних у BigQuery