Informações gerais

O BigQuery é um banco de dados de análise NoOps, totalmente gerenciado e de baixo custo desenvolvido pelo Google. Com ele, você pode consultar muitos terabytes de dados sem ter que gerenciar uma infraestrutura nem precisar de um administrador de banco de dados. O BigQuery usa SQL e está disponível no modelo de pagamento por utilização. Assim, você pode se concentrar na análise dos dados para encontrar informações relevantes.

Agora o BigQuery inclui um novo conjunto de dados de e-commerce com milhões de registros do Google Analytics referentes à Google Merchandise Store. Você tem uma cópia do conjunto de dados usado neste laboratório e analisará os campos e linhas disponíveis para extrair insights.

Este laboratório orientará você pela lógica da solução de problemas em consultas. Ele inclui atividades no contexto de uma situação real. Durante o laboratório, imagine que está trabalhando com uma nova analista de dados na sua equipe e que você recebeu dela as consultas abaixo para responder a algumas perguntas sobre o conjunto de dados de comércio eletrônico. Use as respostas para corrigir as consultas e chegar a um resultado significativo.

Atividades deste laboratório

Neste laboratório, você aprenderá a:

• consultar o conjunto de dados público para extrair insights;
• usar o "Editor de consultas" do BigQuery para resolver problemas comuns de SQL;
• usar o validador de consultas;
• corrigir erros de sintaxe e lógica no SQL.

Configuração e requisitos

Para cada laboratório, você recebe um novo projeto do Google Cloud e um conjunto de recursos por um determinado período e sem custos financeiros.

1. Faça login no Qwiklabs em uma janela anônima.

2. Confira o tempo de acesso do laboratório (por exemplo, 1:15:00) e finalize todas as atividades nesse prazo.
   Não é possível pausar o laboratório. Você pode reiniciar o desafio, mas vai precisar refazer todas as etapas.

3. Quando tudo estiver pronto, clique em Começar o laboratório.

4. Anote as credenciais (Nome de usuário e Senha). É com elas que você vai fazer login no Console do Google Cloud.

5. Clique em Abrir Console do Google.

6. Clique em Usar outra conta, depois copie e cole as credenciais deste laboratório nos locais indicados.
   Se você usar outras credenciais, vai receber mensagens de erro ou cobranças.

7. Aceite os termos e pule a página de recursos de recuperação.

Abra o BigQuery e fixe um projeto na árvore de recursos

Nesta seção, você vai adicionar o projeto data-to-insights aos recursos do seu ambiente.

1. Clique no Menu de navegação > BigQuery.

A caixa de mensagem Bem-vindo ao BigQuery no Console do Cloud é aberta.

A caixa de mensagem Bem-vindo ao BigQuery no Console do Cloud fornece um link para o guia de início rápido e atualizações da IU.

2. Clique em Concluído.

Os conjuntos de dados públicos do BigQuery não são exibidos por padrão na IU da Web do BigQuery. Para abrir o projeto de conjuntos de dados públicos

3. Clique em + Add Dados.
4. Selecione Fixar projeto > Insira o nome do projeto.
5. Para o Nome do projeto, insira data-to-insights.
6. Clique em Fixar.

7. No painel esquerdo, em Visualizando projetos fixados, você verá o projeto data-to-insights fixado.

Editor de código do BigQuery

As atividades das próximas seções apresentam consultas com erros comuns para você resolver. Este laboratório indicará o que você precisa observar e dará sugestões de como corrigir a sintaxe e retornar resultados significativos.

Para acompanhar a solução de problemas e as sugestões, copie e cole a consulta no EDITOR do BigQuery. Se houver algum erro, você vai encontrar um ponto de exclamação vermelho na linha que contém o erro e no validador de consultas (canto inferior).

Se você executar a consulta com erro, ela falhará. O erro será especificado nas informações do job.

Se nenhum erro for detectado, o validador de consulta mostrará uma marca de seleção verde. Quando aparecer a marca de seleção verde, clique em EXECUTAR a consulta para acessar o resultado.

Encontre mais informações sobre sintaxe em Sintaxe de consultas SQL padrão.

Encontre o número total de clientes que concluíram uma compra

Nesta seção, você criará uma consulta para encontrar o número de visitantes únicos que concluíram uma compra no seu site. Os dados estão na tabela rev_transactions que sua equipe de analistas de dados enviou. A equipe também enviou consultas de exemplo para ajudar na sua análise, mas você não tem certeza se elas estão escritas corretamente.

Resolva os problemas de alias, de vírgulas e apontados pelo validador de consultas

Confira a consulta abaixo e responda à pergunta a seguir:

#standardSQL SELECT FROM `data-to-inghts.ecommerce.rev_transactions` LIMIT 1000

E esta consulta atualizada?

#standardSQL SELECT * FROM [data-to-insights:ecommerce.rev_transactions] LIMIT 1000

E esta consulta que usa SQL padrão?

#standardSQL SELECT FROM `data-to-insights.ecommerce.rev_transactions`

E agora? Esta consulta tem uma coluna.

#standardSQL SELECT fullVisitorId FROM `data-to-insights.ecommerce.rev_transactions`

E agora? A próxima consulta tem um título de página.

#standardSQL SELECT fullVisitorId hits_page_pageTitle FROM `data-to-insights.ecommerce.rev_transactions` LIMIT 1000

E agora? A vírgula que faltava foi corrigida.

#standardSQL SELECT fullVisitorId , hits_page_pageTitle FROM `data-to-insights.ecommerce.rev_transactions` LIMIT 1000

Resposta: a consulta retorna resultados, mas você tem certeza de que os visitantes não foram contabilizados duas vezes? Além disso, retornar apenas uma linha não responde à pergunta sobre quantos visitantes únicos concluíram uma compra. Na próxima seção, você verá uma maneira de agregar os resultados.

Resolva problemas de consultas com erros de lógica, instruções GROUP BY e filtros curinga

Agregue a próxima consulta para saber quantos visitantes únicos concluíram uma compra.

#standardSQL SELECT fullVisitorId , hits_page_pageTitle FROM `data-to-insights.ecommerce.rev_transactions` LIMIT 1000

E esta? A função de agregação COUNT() foi adicionada.

#standardSQL SELECT COUNT(fullVisitorId) AS visitor_count , hits_page_pageTitle FROM `data-to-insights.ecommerce.rev_transactions`

Na próxima consulta, foram adicionadas instruções GROUP BY e DISTINCT.

#standardSQL SELECT COUNT(DISTINCT fullVisitorId) AS visitor_count , hits_page_pageTitle FROM `data-to-insights.ecommerce.rev_transactions` GROUP BY hits_page_pageTitle

Resultados

Ótimo! Os resultados são bons, mas algo não parece correto. Filtre os resultados para acessar apenas aqueles com "Confirmação do pagamento".

#standardSQL SELECT COUNT(DISTINCT fullVisitorId) AS visitor_count , hits_page_pageTitle FROM `data-to-insights.ecommerce.rev_transactions` WHERE hits_page_pageTitle = "Checkout Confirmation" GROUP BY hits_page_pageTitle

Liste as cidades com mais transações no seu site de e-commerce

Resolva erros de pedidos, campos calculados e filtragem após agregação

Complete a consulta parcialmente escrita:

SELECT geoNetwork_city, totals_transactions, COUNT( DISTINCT fullVisitorId) AS distinct_visitors FROM `data-to-insights.ecommerce.rev_transactions` GROUP BY

Possível solução

#standardSQL SELECT geoNetwork_city, SUM(totals_transactions) AS totals_transactions, COUNT( DISTINCT fullVisitorId) AS distinct_visitors FROM `data-to-insights.ecommerce.rev_transactions` GROUP BY geoNetwork_city

Atualize sua consulta anterior para listar as cidades com o maior número de transações primeiro.

Possível solução

#standardSQL SELECT geoNetwork_city, SUM(totals_transactions) AS totals_transactions, COUNT( DISTINCT fullVisitorId) AS distinct_visitors FROM `data-to-insights.ecommerce.rev_transactions` GROUP BY geoNetwork_city ORDER BY distinct_visitors DESC

Atualize sua consulta e crie um novo campo calculado para retornar o número médio de produtos por pedido em cada cidade.

Possível solução

#standardSQL SELECT geoNetwork_city, SUM(totals_transactions) AS total_products_ordered, COUNT( DISTINCT fullVisitorId) AS distinct_visitors, SUM(totals_transactions) / COUNT( DISTINCT fullVisitorId) AS avg_products_ordered FROM `data-to-insights.ecommerce.rev_transactions` GROUP BY geoNetwork_city ORDER BY avg_products_ordered DESC

Resultados

Filtre seus resultados agregados para retornar somente cidades com o campo avg_products_ordered superior a 20.

Onde está o erro na consulta abaixo?

#standardSQL SELECT geoNetwork_city, SUM(totals_transactions) AS total_products_ordered, COUNT( DISTINCT fullVisitorId) AS distinct_visitors, SUM(totals_transactions) / COUNT( DISTINCT fullVisitorId) AS avg_products_ordered FROM `data-to-insights.ecommerce.rev_transactions` WHERE avg_products_ordered > 20 GROUP BY geoNetwork_city ORDER BY avg_products_ordered DESC

Possível solução

#standardSQL SELECT geoNetwork_city, SUM(totals_transactions) AS total_products_ordered, COUNT( DISTINCT fullVisitorId) AS distinct_visitors, SUM(totals_transactions) / COUNT( DISTINCT fullVisitorId) AS avg_products_ordered FROM `data-to-insights.ecommerce.rev_transactions` GROUP BY geoNetwork_city HAVING avg_products_ordered > 20 ORDER BY avg_products_ordered DESC

Encontre o número total de produtos em cada categoria

Encontre os produtos mais vendidos filtrando por valores NULL

Onde está o erro na consulta abaixo? Como você pode corrigi-lo?

#standardSQL SELECT hits_product_v2ProductName, hits_product_v2ProductCategory FROM `data-to-insights.ecommerce.rev_transactions` GROUP BY 1,2

Onde está o erro na consulta abaixo?

#standardSQL SELECT COUNT(hits_product_v2ProductName) as number_of_products, hits_product_v2ProductCategory FROM `data-to-insights.ecommerce.rev_transactions` WHERE hits_product_v2ProductName IS NOT NULL GROUP BY hits_product_v2ProductCategory ORDER BY number_of_products DESC

Atualize a consulta anterior para contabilizar apenas produtos diferentes de cada categoria de produto.

Possível solução

#standardSQL SELECT COUNT(DISTINCT hits_product_v2ProductName) as number_of_products, hits_product_v2ProductCategory FROM `data-to-insights.ecommerce.rev_transactions` WHERE hits_product_v2ProductName IS NOT NULL GROUP BY hits_product_v2ProductCategory ORDER BY number_of_products DESC LIMIT 5

Parabéns!

Você solucionou problemas e corrigiu erros de consultas usando o SQL padrão no BigQuery. Use o validador de consultas para corrigir sintaxes e conferir os resultados da consulta, mesmo que ela não apresente erros.

Finalize o laboratório

Clique em Terminar o laboratório após a conclusão. O Google Cloud Ensina remove os recursos usados e limpa a conta por você.

Você vai poder avaliar sua experiência no laboratório. Basta selecionar o número de estrelas, digitar um comentário e clicar em Enviar.

O número de estrelas indica o seguinte:

• 1 estrela = muito insatisfeito
• 2 estrelas = insatisfeito
• 3 estrelas = neutro
• 4 estrelas = satisfeito
• 5 estrelas = muito satisfeito

Feche a caixa de diálogo se não quiser enviar feedback.

Para enviar seu feedback, fazer sugestões ou correções, use a guia Suporte.

Copyright 2020 Google LLC. Todos os direitos reservados. Google e o logotipo do Google são marcas registradas da Google LLC. Todos os outros nomes de produtos e empresas podem ser marcas registradas das respectivas empresas a que estão associados.