使用 BigQuery 进行数据探索与准备 — 清洗、转换和分析数据以获取业务洞察的实用指南：http://amzn.to/4b0Ucz7 由 @PacktDataML 推荐 — 主要特点： 利用 BigQuery 理解和准备数据，确保数据准确、可靠，并准备好进行分析和建模 使用模拟数据集，通过 BigQuery Web 界面、bq CLI 和 Cloud 控制台中的 BigQuery API 探索数据 掌握 BigQuery 中存储和查询性能的优化技术 参与关于广告、运输和客户支持数据的数据探索与准备案例研究 购买印刷版或 Kindle 版图书，可免费获得 PDF 电子书

使用 BigQuery 进行数据探索与准备：清洗、转换和分析数据以获取业务洞察的实用指南：9781805125266：计算机科学书籍 @ Amazon.com

来源：https://www.amazon.com/Data-Exploration-Preparation-BigQuery-practical/dp/1805125265?&linkCode=sl1&tag=kirkdborne-20&linkId=5202fbb9fe8334c4ade16bd2025e03c2&language=en_US&ref_=as_li_ss_tl 书籍简介：数据专业人员面临诸多挑战，例如处理海量数据、应对数据孤岛以及缺乏合适的工具。数据集通常以不同的条件和格式到达，需要分析师、工程师和科学家花费大量时间进行处理和挖掘洞察。数据生命周期的复杂性常常阻碍团队和组织从其数据资产中提取预期价值。《使用 BigQuery 进行数据探索与准备》为这些挑战提供了整体解决方案。

本书从 BigQuery 的基础知识开始，同时涵盖数据探索与准备的基本原理。接着，它进一步演示如何使用 BigQuery 执行这些任务，并探索 Google Cloud 生态系统中可供您使用的一系列大数据工具。

本书不仅提供理论见解，更是一个实践指南，引导您正确构建表结构以提高效率，并确保遵守数据准备的最佳实践。您还将了解何时使用 Dataflow、BigQuery 和 Dataprep 进行 ETL 和 ELT 工作流程。本书将熟练地指导您完成各种案例研究，展示如何使用 BigQuery 解决实际数据问题。

通过本书，您将掌握使用 SQL 在 BigQuery 中探索和准备数据集的技能，从而从数据中挖掘更深入的洞察。

您将学到什么

• 评估数据集质量并学习数据清洗的最佳实践
• 准备数据以用于数据分析、可视化和机器学习
• 探索在 BigQuery 中可视化数据的方法
• 将所学知识应用于真实场景和设计模式
• 设置和组织 BigQuery 资源
• 使用 SQL 和其他工具浏览数据集
• 实施查询 BigQuery 数据集的最佳实践
• 熟练使用数据准备工具、技术和策略

本书涵盖内容 第1章，介绍 BigQuery 及其组件，了解 BigQuery 的运作方式以更有效地使用它。深入探讨支撑 BigQuery 的技术。理解数据探索与准备的目标。

第2章，BigQuery 组织与设计，了解如何构建安全且协作的 BigQuery 环境。深入理解除 SQL 查询之外提供 BigQuery 服务的所有服务。了解部署 BigQuery 资源的设计模式。

第3章，在 BigQuery 中探索数据，回顾在 BigQuery 中探索数据的各种方式，并审视数据探索的过程和步骤。学习访问 BigQuery 数据的不同方法以及入门最佳实践。

第4章，加载与转换，探索将数据加载到 BigQuery 的技术和最佳实践。回顾使用 BigQuery 转换和处理数据的工具与方法。本章包含动手练习——在 BigQuery 中进行数据加载和转换。

第5章，查询 BigQuery 数据，本章将使您熟悉查询的结构，并为编写查询打下坚实基础。还将复习更复杂的查询实践。本章将赋予您开始编写查询的技能。

第6章，使用笔记本探索数据，理解使用笔记本进行数据探索的价值。更好地了解 Google Cloud 中的笔记本选项。本章包含动手练习——在 Workbench 中分析 Google Trends 数据。

第7章，进一步探索与可视化数据，更好地理解数据属性、发现模式并有效传达发现。学习探索数据的常见实践，并回顾分析和可视化数据的技术与工具。本章包含动手练习——使用 Looker Studio 创建可视化。

第8章，数据准备工具，探索可与 BigQuery 结合使用的数据准备任务的方法和工具，以提高数据质量。

第9章，清洗与转换数据，详细回顾数据清洗和转换，以优化加载和初步探索后的表数据。学习处理在完善查询结果和报告准确性时遇到的各种情况的技能。

第10章，数据准备、优化和成本控制的最佳实践，介绍 BigQuery 的成本控制和优化功能。学习如何以经济高效的方式使用 BigQuery。

第11章，动手练习——分析广告数据，本动手练习将提供一个包含销售、营销和广告数据的用例。跟随练习学习如何分析和准备广告数据，并将这些步骤作为可重复的过程应用于您的真实数据。

第12章，动手练习——分析运输数据，本动手练习将提供一个包含车辆数据的用例。跟随练习学习如何分析和准备运输数据，所提供的步骤可复制到真实数据中。

第13章，动手练习——分析客户支持数据，本动手练习将提供一个包含客户支持数据的用例。将使用两个不同的客户支持数据源，并利用 BigQuery ML 情感分析来更好地理解客户服务数据。

第14章，关键要点总结与未来方向，回顾全书讨论的关键点。展望未来，了解将塑造 BigQuery 数据探索、准备和分析格局的新兴趋势和变革方向。

Mike Kahn 是一位数据和基础设施爱好者，目前领导 Google Cloud 的客户工程团队。在加入 Google 之前，Mike 在解决方案架构岗位工作了五年，并在数据中心行业担任过运营和领导职务。他拥有超过 15 年的经验，对数据和基础设施工程、运营、战略和领导力有着深刻的理解。Mike 持有多项 Google Cloud 认证，并且终身学习。他居住在美国佛罗里达州博卡拉顿，拥有中佛罗里达大学管理信息系统（MIS）学士学位和佛罗里达国际大学 MIS 硕士学位。