arrow_back

Explorer les métadonnées d'ensemble de données de différents projets avec Data Catalog

Explorer les métadonnées d'ensemble de données de différents projets avec Data Catalog

1 heure 30 minutes 1 crédit

GSP789

Google Cloud – Ateliers adaptés au rythme de chacun

Présentation

Data Catalog est un service de gestion des métadonnées entièrement géré et évolutif qui fait partie de la gamme de produits d'analyse de données de Google Cloud.

Sans les bons outils, la gestion des éléments de données peut être longue et coûteuse. Data Catalog fournit un emplacement centralisé où les organisations peuvent rechercher, préparer et décrire leurs éléments de données.

Utiliser Data Catalog

Vous pouvez interagir avec Data Catalog de deux manières :

  • En recherchant des éléments de données auxquels vous avez accès

  • En ajoutant des tags de métadonnées à des éléments

Objectifs de l'atelier

Dans cet atelier, vous allez apprendre à effectuer les tâches suivantes :

  • Examiner un environnement d'entreprise simulé associé à deux projets, deux ensembles de données et deux comptes utilisateur

  • Parcourir manuellement une table BigQuery dans l'interface utilisateur

  • Exécuter des requêtes pour mieux comprendre les colonnes de données sensibles auxquelles ajouter ensuite des tags

  • Utiliser Data Catalog pour rechercher des ensembles de données existants dans les projets

  • Utiliser les modèles de tags Data Catalog pour ajouter des tags de métadonnées aux éléments

En quoi est-ce utile ?

  • Affichez les éléments de données de plusieurs projets dans votre organisation.

  • Créez des modèles de tags réutilisables en vue d'ajouter des descriptions de données enrichies à l'intention de vos équipes.

  • Repérez rapidement les ensembles de données contenant des informations personnelles.

  • Le contrôle des accès aux métadonnées est hérité de l'utilisateur connecté (aucune liste de contrôle d'accès Data Catalog distincte n'est requise).

Prérequis

Très important : Avant de commencer cet atelier, déconnectez-vous de votre compte Gmail personnel ou professionnel, ou lancez l'atelier dans une fenêtre de navigation privée. Cela vous évitera d'être connecté au mauvais compte.

Démarrer l'atelier

  1. Si vous ne l'avez pas encore fait, cliquez sur Démarrer l'atelier.

  2. Conseil : La génération automatique des deux projets Google Cloud, des deux ensembles de données préremplis et des deux comptes utilisateur dans l'environnement de l'atelier va prendre entre trois et cinq minutes. Vous pouvez continuer à lire les informations relatives à cet atelier pendant ce temps (vous devez lire le scénario ci-dessous pour vous connecter).

  3. Cliquez sur Ouvrir la console Bike dans l'atelier ou dans une nouvelle fenêtre de navigation privée, et accédez à Cloud Console. Ne vous connectez pas tout de suite avec les comptes fournis. Poursuivez tout d'abord la lecture du scénario. Vous recevrez les instructions relatives au compte à utiliser plus tard.

Important : Une fois que vous avez démarré l'atelier, vous ne pouvez plus l'interrompre. Si vous l'arrêtez, tous les projets du participant en cours d'exécution seront supprimés.

Scénario : PDG d'une société de transport de la ville de New York

Vous dirigez une entreprise de transport basée à New York. Vos équipes d'analystes de données interrogent les ensembles de données sur les moyens de transport new-yorkais (vélo et voiture) que vous avez collectés.

Difficultés :

  • Certains de vos ensembles de données contiennent des informations sensibles pour lesquelles vous souhaitez gérer l'accès.

  • Votre équipe se plaint d'avoir des difficultés à localiser le bon ensemble de données parmi tous ceux auxquels elle a accès.

  • Pour vous conformer aux dernières exigences réglementaires, vous devez trouver un moyen clair de signaler tous les ensembles de données contenant des informations personnelles.

Ensembles de données de votre organisation

  1. NYC Bike Share Trips (Trajets en vélos en libre-service dans la ville de NY)
  2. NYC Motor Vehicle Collisions (Collisions impliquant des véhicules motorisés à NY)

Chaque équipe d'ingénieurs de données gère son ensemble de données dans un projet Google Cloud distinct qui lui est propre afin de faciliter la gestion de l'accès et de la facturation. Si cette méthode facilite la tâche des ingénieurs de données, elle complique celle des analystes, car les ensembles de données sont plus difficiles à trouver.

Tous les rôles d'analyste ne sont pas équivalents

Pour compliquer encore les choses, votre équipe d'informatique décisionnelle compte différents niveaux d'analystes de données :

  1. Analystes de données – moins de droits

  2. Propriétaire – droits d'administration complets

Examiner les conditions automatiquement créées pour vous

Afin de simuler au mieux un vrai environnement d'entreprise comptant plusieurs projets et ensembles de données à cataloguer, votre équipe d'ingénieurs vous a donné accès à des ressources existantes (autrement dit, des ressources ont été préchargées dans l'atelier pour que vous n'ayez pas à les créer).

img/data-user-overview-2.png

Votre équipe vous a fourni les accès mentionnés ci-dessus aux éléments suivants :

  • Deux projets
  • Deux comptes utilisateur

Elle a ajouté les remarques suivantes concernant la restriction des accès :

  • Le propriétaire dispose d'un accès complet à tous les projets et ensembles de données.

  • Les analystes de données ne doivent pas avoir accès à l'ensemble de données sur les collisions impliquant des véhicules motorisés dans la ville de New York et ne peuvent pas l'interroger (données sensibles).

Partie 1 : Explorer l'environnement de données existant avec le rôle Propriétaire

Rappel : Votre équipe d'ingénieurs de données vous a fourni deux projets contenant chacun un ensemble de données différent sur la ville de New York. Vérifiez que le rôle Propriétaire permet de consulter et d'interroger tous ces ensembles de données.

Connectez-vous à l'aide de l'adresse e-mail et du mot de passe associés au Propriétaire (droits d'administration complets) générés automatiquement pour cet atelier.

Acceptez les Conditions d'utilisation de Google Cloud (si vous y êtes invité).

Localiser le projet NYC Collisions

  1. Cliquez sur le menu déroulant indiquant le nom de votre projet en haut de la page pour sélectionner un projet.

liste_déroulante_projet

  1. Reportez-vous au nom généré automatiquement par Qwiklabs pour le projet NYC Motor Vehicle Collisions, et localisez cette valeur de chaîne dans le pop-up de sélection du projet :

Choisir un projet 1

Choisir un projet 2

Activer l'API Data Catalog

  1. Accédez au menu de navigation, puis faites-le défiler vers le bas jusqu'à Data Catalog.
  2. Pointez sur le nom, puis cliquez sur l'icône en forme de punaise pour faire remonter Data Catalog en haut du menu de navigation.
  3. Cliquez sur Data Catalog.

nav Data catalog

  1. Vérifiez que l'API est déjà activée (si aucun message ne vous demande d'activer l'API, c'est qu'elle est déjà activée et qu'aucune action de votre part n'est requise).

Dans la suite de cet atelier, une fois que vous aurez recherché et interrogé manuellement les ensembles de données dans BigQuery, vous utiliserez Data Catalog.

Accéder à BigQuery et l'épingler

Bienvenue

  1. Faites défiler le menu de navigation vers le bas jusqu'à BigQuery.

  2. Pointez sur le nom, puis cliquez sur l'icône en forme de punaise.

  3. Cliquez sur BigQuery, puis sur OK.

Vérifier que le rôle Propriétaire permet de consulter et d'interroger l'ensemble de données new_york_mv_collisions

Assurons-nous maintenant que le rôle Propriétaire permet de consulter l'ensemble de données new_york_mv_collisions.

  1. Dans BigQuery, sous Explorateur, cliquez sur le nom de votre projet pour ouvrir les ensembles de données auxquels vous avez accès.

  2. Vérifiez que vous pouvez voir l'ensemble de données new_york_mv_collisions.

  3. Cliquez sur l'ensemble de données new_york_mv_collisions pour ouvrir les tables qu'il contient.

  4. Cliquez sur la table nypd_mv_collisions, puis examinez les champs disponibles dans le schéma.

Le schéma doit ressembler à ce qui suit :

img/nypd-dataset-2.png

Répondez aux questions suivantes.

La table ne contient pas d'informations personnelles, comme un numéro de téléphone ou une adresse e-mail, mais vous devez néanmoins rester prudent lorsque vous partagez l'ensemble de données qui la contient avec davantage de personnes.

Dans la suite de cet atelier, nous verrons comment accéder aux ensembles de données restreints et utiliser Data Catalog pour ajouter proactivement des tags de métadonnées enrichies aux ensembles de données et tables de votre organisation.

Cet ensemble de données NYPD Collisions est automatiquement chargé dans votre projet à partir de l'ensemble de données BigQuery public d'origine, mis à jour quotidiennement. Cliquez sur le lien pour en savoir plus sur la collecte de l'ensemble de données et voir des exemples de requêtes.

Vérifier que le rôle Propriétaire permet d'interroger l'ensemble de données sur les collisions

Comme vous êtes connecté en tant que propriétaire global, vérifiez que vous pouvez voir les deux projets et ensembles de données, y accéder et exécuter la requête ci-dessous.

  1. Copiez la requête suivante et collez-la dans l'éditeur de requête BigQuery, puis cliquez sur Exécuter.

Quels ont été les 10 premiers facteurs d'accidents de voiture dans la ville de New York ?

SELECT contributing_factor_vehicle_1 AS collision_factor, COUNT(*) AS num_collisions FROM `new_york_mv_collisions.nypd_mv_collisions` WHERE contributing_factor_vehicle_1 != "Unspecified" AND contributing_factor_vehicle_1 != "" GROUP BY collision_factor ORDER BY num_collisions DESC LIMIT 10;

Cliquez sur Vérifier ma progression pour valider l'objectif. Interroger les données sur les collisions dans la ville de New York

Vérifier que le rôle Propriétaire permet de consulter et d'interroger l'ensemble de données Bike Share

  1. Cliquez sur Sélectionnez un projet en haut de la page.

  2. Cliquez sur l'onglet Tous.

  3. Localisez l'ensemble de données Bike Share en vous reportant à l'ID de projet correspondant, automatiquement généré :

Choisir un projet 3

Choisir un projet 4

  1. Cliquez sur l'ID du projet.
Remarque : Si vous y êtes invité, cliquez sur QUITTER pour ignorer le travail non enregistré.
  1. Dans l'interface utilisateur BigQuery, ouvrez l'ID de projet --> new_york_citibike --> table citibike_trips.

img/bike-share-schema-2.png

Une fois les détails et l'aperçu du schéma affichés, répondez aux questions ci-dessous.

Quels sont les trajets en vélo en libre-service les plus populaires en fonction du sexe des utilisateurs ?

L'ensemble de données NYC Citi Bike public effectue un suivi de tous les trajets (station de retrait, station de retour) ainsi que d'autres aspects pour chaque utilisateur.

Ajoutez la requête ci-dessous dans l'éditeur de requête, puis cliquez sur Exécuter pour trouver les trajets les plus populaires en fonction du sexe des utilisateurs. Notez que les trois seules valeurs disponibles dans l'ensemble de données sont "unknown" (inconnu), "male" (homme) et "female" (femme), lesquelles risquent de ne pas être représentatives de tous les utilisateurs de vélos en libre-service.

WITH unknown AS ( SELECT gender, CONCAT(start_station_name, " to ", end_station_name) AS route, COUNT(*) AS num_trips FROM `new_york_citibike.citibike_trips` WHERE gender = 'unknown' GROUP BY gender, start_station_name, end_station_name ORDER BY num_trips DESC LIMIT 5 ) , female AS ( SELECT gender, CONCAT(start_station_name, " to ", end_station_name) AS route, COUNT(*) AS num_trips FROM `new_york_citibike.citibike_trips` WHERE gender = 'female' GROUP BY gender, start_station_name, end_station_name ORDER BY num_trips DESC LIMIT 5 ) , male AS ( SELECT gender, CONCAT(start_station_name, " to ", end_station_name) AS route, COUNT(*) AS num_trips FROM `bigquery-public-data.new_york_citibike.citibike_trips` WHERE gender = 'male' GROUP BY gender, start_station_name, end_station_name ORDER BY num_trips DESC LIMIT 5 ) SELECT * FROM unknown UNION ALL SELECT * FROM female UNION ALL SELECT * FROM male;

Cliquez sur Vérifier ma progression pour valider l'objectif. Trouver les trajets les plus populaires en fonction du sexe des utilisateurs

Vous allez apprendre à ajouter des tags de données sensibles aux ensembles de données et aux tables.

Récapitulatif de l'exploration

  • Vous avez exploré chacun des ensembles de données NYC (collisions et trajets en vélos en libre-service).

  • Chacun de ces ensembles de données est stocké dans un projet distinct.

  • Le rôle Propriétaire (avec lequel vous êtes actuellement connecté) permet de consulter et d'interroger chaque ensemble de données.

Partie 2 : Explorer l'environnement de données existant avec un accès utilisateur restreint

Jusqu'à maintenant, vous vous êtes connecté avec le compte Propriétaire doté des autorisations les plus élevées.

Vous avez demandé à vos équipes d'ingénieurs de limiter l'accès de vos analystes de données comme suit.

Les analystes de données sont autorisés à voir :

  • NYC Bike Share (Trajets en vélo en libre-service dans la ville de New York)

Ils NE PEUVENT PAS voir :

  • NYC Motor Vehicle Collisions (Collisions impliquant des véhicules motorisés à NY)

Se déconnecter du compte Propriétaire

Se déconnecter

  1. Cliquez sur l'icône du profil.

  2. Déconnectez-vous.

Se connecter avec le compte Analyste de données et vérifier que l'accès au projet est bien restreint

  1. Cliquez sur Utiliser un autre compte.

  2. Connectez-vous à nouveau à Google Cloud à l'aide de l'adresse e-mail et du mot de passe partagé associés au compte Analyste de données.

  3. Sous Sélectionnez un projet, vérifiez qu'un seul projet autogénéré par Qwiklabs est accessible, et non deux.

  4. Sélectionnez le projet Qwiklabs auquel vous avez accès.

  5. Accédez à BigQuery.

Tenter d'interroger directement un ensemble de données privé

Dans BigQuery, vous pouvez interroger tous les projets auxquels vous avez accès, même s'ils ne sont pas épinglés ni visibles dans la section "Explorateur". Essayez d'interroger directement l'ensemble de données NYC Collisions en tant qu'analyste de données en utilisant l'ID du projet.

  1. Ajoutez la requête ci-dessous, que vous avez déjà utilisée, et remplacez le préfixe de l'ID du projet avec celui du projet NYC Motor Vehicle Collisions Project :

SELECT contributing_factor_vehicle_1 AS collision_factor, COUNT(*) AS num_collisions FROM `qwiklabs-gcp-REMPLACER-ICI.new_york_mv_collisions.nypd_mv_collisions` WHERE contributing_factor_vehicle_1 != "Unspecified" AND contributing_factor_vehicle_1 != "" GROUP BY collision_factor ORDER BY num_collisions DESC LIMIT 10;
  1. Vérifiez qu'un message d'erreur pour accès refusé s'affiche.

Vous venez de passer en revue les différents droits et accès accordés aux rôles Propriétaire (groupe d'autorisations le plus vaste) et Analystes de données (groupe d'autorisations le plus restrictif) pour l'accès aux projets, ensembles de données et requêtes.

Maintenant, vous allez essayer de trouver un ensemble de données masqué à l'aide de la fonctionnalité de recherche de Data Catalog. Pensez-vous que les analystes de données pourront le voir si BigQuery vous empêche d'y accéder ?

Partie 3 : Utiliser Data Catalog pour ajouter des tags aux ensembles de données dans les projets

Maintenant que vous connaissez mieux les ensembles de données et les niveaux d'accès accordés en fonction des rôles, vous allez résoudre les difficultés soulevées plus tôt dans l'exemple de scénario :

Difficultés :

  • Certains de vos ensembles de données contiennent des informations sensibles pour lesquelles vous souhaitez gérer l'accès.
  • Votre équipe se plaint d'avoir des difficultés à localiser le bon ensemble de données parmi tous ceux auxquels elle a accès.

Pour vous conformer aux dernières exigences réglementaires, vous devez trouver un moyen clair de signaler tous les ensembles de données contenant des informations personnelles. Pour résoudre ces problèmes et réaliser cette tâche, vous allez utiliser le service Data Catalog.

  1. Dans le menu de navigation, cliquez sur Data Catalog.
Remarque : Si vous y êtes invité, cliquez sur QUITTER pour ignorer le travail non enregistré. Remarque : Si un message vous demande d'activer l'API, vous devrez vous connecter à nouveau avec le rôle Propriétaire pour le faire (une étape vue plus tôt dans l'atelier).
  1. Sur la page d'accueil de Data Catalog, sous Systèmes, appliquez le filtre BigQuery.
Remarque : Vous verrez peut-être également des lignes concernant le projet "qwiklabs-resources", mais vous pouvez les ignorer. Ce projet fournit des éléments partagés dans tous les ateliers.
  1. Saisissez qwiklabs-gcp dans la barre de recherche de Data Catalog pour exclure les ressources Qwiklabs externes.

  2. Vérifiez que la vue à laquelle vous avez accès en tant qu'analyste de données ressemble à celle-ci :

Systèmes

Quel que soit le projet auquel vous êtes connecté, Data Catalog affiche TOUS les ensembles de données BigQuery auxquels votre rôle a accès.

En tant qu'analyste de données, vous ne verrez pas l'ensemble de données new_york_mv_collisions dans Data Catalog, même s'il existe (nous l'avons interrogé avec le rôle Propriétaire).

Pourquoi ? Découvrez-le en explorant le fonctionnement du contrôle des accès dans Data Catalog.

Comment Data Catalog affiche les métadonnées

Avant de rechercher, découvrir ou afficher des ressources Google Cloud, Data Catalog vérifie que l'utilisateur dispose d'un rôle IAM avec les autorisations de lecture des métadonnées requises par BigQuery, Pub/Sub ou tout autre système source permettant d'accéder à la ressource.

Exemple : Data Catalog vérifie que l'utilisateur s'est vu attribuer un rôle doté de l'autorisation bigquery.tables.get avant d'afficher les métadonnées de la table BigQuery.

Créer un modèle de tag Data Catalog à partir d'un ensemble de données BigQuery

  1. Cliquez sur le nom de la table new_york_citibike. Il s'agit d'une sous-tâche de l'ensemble de données Bike Share auquel vous avez accès.

catalogue_données

Au niveau des tables BigQuery, Data Catalog vous permet d'ajouter des tags aux éléments suivants :

  • L'ensemble de données même

  • La table

  • Les colonnes individuelles

  1. Essayez de cliquer sur le bouton Associer des tags :

  2. Vérifiez qu'un message d'erreur semblable à celui-ci s'affiche :

catalogue_données-1

  1. Dans cette boîte de dialogue, pointez sur En savoir plus pour comprendre pourquoi cette fonctionnalité n'est pas disponible.

Le rôle Analyste de données permet de rechercher des métadonnées dans Data Catalog, mais pas d'ajouter des tags.

Maintenant, découvrez comment fonctionnent les autorisations d'ajout de tag et les modèles de tag dans Data Catalog.

Modèles, tags et autorisations Data Catalog

Les modèles de tag Data Catalog vous aident à créer et à gérer des métadonnées communes sur les éléments de données dans un emplacement unique. Les tags sont associés à l'élément de données, ce qui signifie qu'il est visible dans le système Data Catalog. Cette fonctionnalité vous permet également de créer d'autres applications qui utilisent ces métadonnées contextuelles sur un élément de données.

À quoi ressemble un modèle de tag ?

Exemple de modèle

Qui peut créer un modèle de tag ?

Pour créer des modèles de tag, l'utilisateur doit au moins disposer d'un accès en modification à la ressource concernée (dans cet atelier, BigQuery) ET du rôle datacatalog.tagTemplateUser (sous réserve qu'un modèle ait déjà été créé). Lien de la documentation

Et si vous avez besoin de créer un modèle de tag ? Pour cela, vous devez disposer au minimum d'un rôle datacatalog.tagTemplateCreator ou roles/datacatalog.tagTemplateOwner. Le rôle Propriétaire vous permet de supprimer les modèles existants et d'autres droits d'administrateur.

Les rôles Cloud IAM les plus souvent prédéfinis dans Data Catalog sont les suivants :

  • roles/datacatalog.tagTemplateViewer

  • roles/datacatalog.tagTemplateUser

  • roles/datacatalog.tagTemplateCreator

  • roles/datacatalog.tagTemplateOwner

  • Consultez la liste complète des rôles.

Créer un modèle Data Catalog

Connectez-vous avec le rôle Propriétaire, qui dispose de l'autorisation roles/datacatalog.tagTemplateOwner. Sélectionnez le projet NYC Bike Share utilisé précédemment.

Accédez à Data Catalog.

  1. Créez un modèle de tag en cliquant sur Modèles de tag > Créer un modèle de tag.

créer_modèle_tag

  1. Saisissez les informations de base du nouveau modèle et nommez-le "Ensembles de données New York".

Nom du modèle

  1. Cliquez sur Ajouter un champ.

  2. Nommez le nouveau champ Contient des infos perso, rendez-le obligatoire, sélectionnez le type Booléen, puis cliquez sur OK.

img/containspii-2.png

  1. Cliquez sur Ajouter un champ.

  2. Nommez le champ Type d'infos perso, sélectionnez le type Énuméré, ajoutez les valeurs indiquées ci-dessous, puis cliquez sur OK une fois que vous avez terminé.

  • Aucune
  • Date de naissance
  • Sexe
  • Zone géographique

img/piitype-2.png

  1. Cliquez sur Ajouter un champ.

  2. Nommez le champ Équipe propriétaire des données, rendez-le obligatoire, sélectionnez le type Énuméré, ajoutez les valeurs indiquées ci-dessous, puis cliquez sur OK une fois que vous avez terminé.

  • Marketing
  • Science des données
  • Ventes
  • Ingénierie

img/dataownerteam-2.png

  1. Cliquez sur Créer.

Ajouter des tags au niveau de l'ensemble de données

  1. Cliquez sur Rechercher les entrées qui n'utilisent pas ce modèle.

Rechercher les entrées qui n'utilisent pas le modèle

  1. Cliquez sur l'ensemble de données new_york_mv_collisions.

Ensemble de données MV

  1. Vous verrez qu'il n'y a pas de tag sous le nom de l'ensemble de données. Cliquez sur Associer des tags.

data-catalog-2

  1. Sélectionnez le modèle que vous avez créé précédemment, puis cliquez sur OK.

data-catalog-3

  1. À l'aide des menus déroulants, indiquez les valeurs ci-dessous pour les champs du modèle, puis cliquez sur Enregistrer.

  • vrai
  • Zone géographique
  • Ingénierie

data-catalog-4-2

  1. Affichez les tags au niveau de l'ensemble de données.

data-catalog-5-2

Ajouter des tags au niveau des tables et des colonnes

Pour plus de précision, vous pouvez appliquer des tags au niveau des tables et des colonnes.

  1. Retournez aux éléments de notre précédente recherche, puis cliquez sur la table nypd_mv_collisions.

Au niveau de la table

  1. Cliquez sur Associer des tags et définissez les champs suivants pour les tags de colonne et de schéma :

  • Table : nypd_mv_collisions
  • Colonne : Emplacement
  • Modèle de tag : Ensembles de données New York
  • Valeurs des tags : vrai, Géolocalisation, Ingénieurs

Ensuite, cliquez sur Enregistrer.

data-catalog-6-2

  1. Ajoutez le tag des informations personnelles de géolocalisation, puis assurez-vous qu'il s'affiche lorsque vous cliquez sur le nom du modèle.

data-catalog-7

Cliquez sur Vérifier ma progression pour valider l'objectif. Créer un modèle et des tags datacatalog

Rechercher des ensembles de données par tag et clé de tag

Maintenant que vous avez ajouté des tags, vous pouvez faire des recherches dans votre catalogue à partir de ces tags.

Dans la barre de recherche, copiez et collez tag:qwiklabs-VOTRE-PROJET-ICI.new_york_datasets.contient_des_infos_perso, puis remplacez le préfixe de l'ID de projet par l'ID de votre projet Qwiklabs en cours.

recherche par clé de tag

Pour obtenir d'autres exemples de recherche rapide dans le catalogue, consultez ce guide de recherche.

Félicitations !

Vous savez désormais explorer et rechercher des données, et leur ajouter des tags dans un projet à l'aide de Data Catalog. Vous en savez également plus sur l'intérêt de restreindre l'accès aux ensembles de données et de signaler les champs dotés d'informations personnelles pour mieux informer vos équipes.

BigQueryBasicsforWarehousing.png BigQueryBasicsforMarketingAnalysists.png.png Badge de quête Data Catalog

Terminer votre quête

Cet atelier d'auto-formation fait partie des quêtes Qwiklabs BigQuery for Marketing Analysts et Data Catalog Fundamentals. Une quête est une série d'ateliers associés qui constituent un parcours de formation. Si vous terminez une quête, vous obtenez un badge attestant de votre réussite. Vous pouvez rendre publics les badges que vous recevez et ajouter leur lien dans votre CV en ligne ou sur vos comptes de réseaux sociaux. Inscrivez-vous à cette quête pour obtenir immédiatement les crédits associés à cet atelier si vous l'avez suivi. Découvrez les autres quêtes Qwiklabs disponibles.

Sujets abordés

  • Examiner un environnement d'entreprise simulé associé à deux projets, deux ensembles de données et deux comptes utilisateur

  • Exécuter des requêtes pour mieux comprendre les colonnes de données sensibles auxquelles ajouter ensuite des tags

  • Utiliser Data Catalog pour rechercher des ensembles de données dans un projet

  • Utiliser les modèles de tags Data Catalog pour ajouter des tags de métadonnées enrichies aux éléments

Étapes suivantes et informations supplémentaires

Terminer l'atelier

Une fois l'atelier terminé, cliquez sur End Lab (Terminer l'atelier). Qwiklabs supprime les ressources que vous avez utilisées, puis efface le compte.

Vous avez alors la possibilité de noter votre expérience au cours de l'atelier. Sélectionnez le nombre d'étoiles correspondant à votre note, saisissez un commentaire, puis cliquez sur Submit (Envoyer).

Voici à quoi correspond le nombre d'étoiles que vous pouvez attribuer à un atelier :

  • 1 étoile = très insatisfait(e)
  • 2 étoiles = insatisfait(e)
  • 3 étoiles = ni insatisfait(e), ni satisfait(e)
  • 4 étoiles = satisfait(e)
  • 5 étoiles = très satisfait(e)

Si vous ne souhaitez pas donner votre avis, vous pouvez fermer la boîte de dialogue.

Pour soumettre des commentaires, suggestions ou corrections, veuillez utiliser l'onglet Support.

Google Cloud Training & Certification

...helps you make the most of Google Cloud technologies. Our classes include technical skills and best practices to help you get up to speed quickly and continue your learning journey. We offer fundamental to advanced level training, with on-demand, live, and virtual options to suit your busy schedule. Certifications help you validate and prove your skill and expertise in Google Cloud technologies.

Dernière mise à jour du manuel : 27 novembre 2021
Dernier test de l'atelier : 27 novembre 2021

Copyright 2020 Google LLC Tous droits réservés. Google et le logo Google sont des marques de Google LLC. Tous les autres noms d'entreprises et de produits peuvent être des marques des entreprises auxquelles ils sont associés.