첫 번째 모듈에서는 데이터 분석가가 겪는 분석 문제를 살펴보고 온프레미스와 Cloud의 빅데이터를 비교합니다. 그런 다음 Google Cloud의 기업 데이터 웨어하우스인 BigQuery를 소개하고 데이터 분석 작업을 위한 BigQuery의 훌륭한 기능을 살펴봅니다. 마지막으로 Cloud 기반 분석을 통해 혁신에 성공한 회사의 실제 사용 사례를 알아봅니다.

이 모듈에서는 SQL, 즉 구조화된 쿼리 언어를 사용하여 데이터를 탐색하는 방법을 알아봅니다. 매우 간단한 SELECT 문에서 다양한 데이터 세트를 탐색하는 보다 복잡한 쿼리까지 살펴봅니다.

이 모듈에서는 데이터 무결성에 대한 원칙을 살펴본 후에 SQL을 사용하여 데이터를 정리, 준비, 변환하는 방법을 알아봅니다. 이 모듈의 마지막 섹션에서는 데이터 준비와 변환에 도움이 될 수 있는 Dataprep, Cloud Data Fusion, Dataflow, Dataproc, Dataform 등의 다른 제품도 간단히 소개합니다.

이 모듈에서는 BigQuery 네이티브 스토리지에 데이터를 수집하고 저장하는 방법을 설명합니다. BigQuery에 데이터를 로드할 때 추출하여 로드하는 방식, 추출 및 로드하여 변환하는 방식, 추출 및 변환하여 로드하는 방식을 비교하여 각각 어떤 경우에 사용할지 알아봅니다. 또한 BigQuery에서 쿼리를 실행할 수 있지만 데이터가 BigQuery 외부에 호스팅되는 외부 데이터 소스에 대해서도 알아봅니다.

이 모듈에서는 인사이트를 제공하는 대시보드와 보고서를 만들어 데이터에서 도출한 인사이트를 시각화함으로써 데이터의 수집, 정리, 준비, 변환과 관련된 모든 작업의 결과물을 살펴봅니다. 먼저 시각화 이론과 몇 가지 권장사항을 간단히 살펴본 다음 BigQuery에 연결하여 인사이트를 포착하고 전달하는 유용한 시각화를 만드는 데 도움이 되는 Looker Studio, 연결된 시트 등의 도구를 살펴봅니다. SQL은 강력한 쿼리 언어이지만, 특정 데이터 분석 유형의 경우 데이터 분석가가 사용하기에 Python, Java, R과 같은 프로그래밍 언어의 문법과 기본적으로 제공되는 다양한 통계 함수가 더 직관적이고 쉬울 수 있습니다. 이러한 도구에는 Jupyter Notebooks 등의 웹 기반 오픈소스 애플리케이션이 포함되므로 이러한 내용도 다룹니다.

SQL 파이프라인을 만들고 유지관리하고 버전을 관리하는 데 큰 노력이 필요합니다. 대부분의 경우 데이터 분석가는 이를 위해 여러 도구를 사용해야 합니다. 이 모듈에서는 BigQuery에서 SQL 파이프라인을 개발, 버전 제어, 조정할 수 있도록 통합된 엔드 투 엔드 환경을 제공하는 새로운 제품인 Dataform을 소개합니다.

이 모듈에서는 먼저 BigQuery Studio에 관해 소개하고 BigQuery Studio를 빌드한 이유에 대해 이야기합니다. 다음으로 BigQuery Studio에서 제공하는 모든 훌륭한 기능을 보다 자세히 설명합니다. 마지막으로 유용한 기능을 함께 살펴보고 사용 방법을 보여주는 데모로 모듈을 마무리합니다.

이 모듈에서는 과정에서 다룬 핵심 주제를 요약합니다.