BigQuery for Data Warehousing: Managed Data Analysis in the Google Cloud

ویرایش: 1st ed. 
نویسندگان: Mark Mucchetti  
سری:  
ISBN (شابک) : 9781484261859, 9781484261866 
ناشر: Apress 
سال نشر: 2020 
تعداد صفحات: 539 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 9 مگابایت 

قیمت کتاب (تومان) : 53,000



با استفاده از فناوری BigQuery Google، یک انبار داده با گزارش‌دهی و داشبورد کامل ایجاد کنید. این کتاب شما را از مفاهیم اولیه انبار داده در مراحل طراحی، ساخت، بارگیری و نگهداری می برد. شما قابلیت هایی را برای گرفتن داده ها از محیط عملیاتی ایجاد خواهید کرد و سپس آن داده ها را استخراج و تجزیه و تحلیل خواهید کرد تا بینش در موفقیت بیشتر کسب و کار خود داشته باشید. دانش عملی در مورد نحوه استفاده از BigQuery برای حل چالش‌های داده در سازمان خود کسب خواهید کرد.
BigQuery یک پلت فرم ابری مدیریت شده از Google است که قابلیت‌های ذخیره‌سازی داده‌های سازمانی و گزارش‌دهی را ارائه می‌دهد. قسمت اول این کتاب به شما نشان می دهد که چگونه یک انبار داده را در پلتفرم BigQuery طراحی و ارائه دهید. بخش دوم به شما می آموزد که چگونه داده های عملیاتی خود را در انبار بارگیری و جریان دهید تا آن را برای تجزیه و تحلیل و گزارش آماده کنید. بخش‌های III و IV پرس‌وجو و نگهداری را پوشش می‌دهند و به شما کمک می‌کنند اطلاعات خود را با سایر سرویس‌های Google Cloud Platform و BigQuery پیشرفته مرتبط نگه دارید. بخش پنجم با نشان دادن نحوه ایجاد داشبوردهایی برای ارائه نمایش تصویری در یک نگاه از وضعیت کسب و کار خود، گزارش را به سطح بعدی می برد. بخش ششم مقدمه‌ای بر علم داده با BigQuery ارائه می‌کند که یادگیری ماشین و نوت‌بوک‌های Jupyter را پوشش می‌دهد.

آنچه یاد خواهید گرفت

• طراحی انبار داده برای پروژه یا سازمان شما
• بارگیری داده ها از انواع منابع خارجی و داخلی
• ادغام سایر سرویس های Google Cloud Platform برای گردش های کاری پیچیده تر
• نگهداری و با رشد سازمانتان، انبار داده خود را مقیاس بندی کنید
• تجزیه و تحلیل، گزارش و ایجاد داشبورد بر روی اطلاعات موجود در انبار
• با تکنیک های یادگیری ماشینی با استفاده از BigQuery ML آشنا شوید
</ ul>
این کتاب برای چه کسی است
توسعه دهندگانی که می خواهند به کاربران تجاری تجزیه و تحلیل سریع، قابل اعتماد و روشنگری از داده های عملیاتی ارائه دهند، و تحلیلگران داده علاقه مند به راه حل های مبتنی بر ابر از دردسر تهیه سرورهای خود جلوگیری می کند.

Create a data warehouse, complete with reporting and dashboards using Google’s BigQuery technology. This book takes you from the basic concepts of data warehousing through the design, build, load, and maintenance phases. You will build capabilities to capture data from the operational environment, and then mine and analyze that data for insight into making your business more successful. You will gain practical knowledge about how to use BigQuery to solve data challenges in your organization.
BigQuery is a managed cloud platform from Google that provides enterprise data warehousing and reporting capabilities. Part I of this book shows you how to design and provision a data warehouse in the BigQuery platform. Part II teaches you how to load and stream your operational data into the warehouse to make it ready for analysis and reporting. Parts III and IV cover querying and maintaining, helping you keep your information relevant with other Google Cloud Platform services and advanced BigQuery. Part V takes reporting to the next level by showing you how to create dashboards to provide at-a-glance visual representations of your business situation. Part VI provides an introduction to data science with BigQuery, covering machine learning and Jupyter notebooks.

What You Will Learn

• Design a data warehouse for your project or organization
• Load data from a variety of external and internal sources
• Integrate other Google Cloud Platform services for more complex workflows
• Maintain and scale your data warehouse as your organization grows
• Analyze, report, and create dashboards on the information in the warehouse
• Become familiar with machine learning techniques using BigQuery ML

Who This Book Is For
Developers who want to provide business users with fast, reliable, and insightful analysis from operational data, and data analysts interested in a cloud-based solution that avoids the pain of provisioning their own servers.

Front Matter ....Pages i-xxxv
Front Matter ....Pages 1-1
 Settling into BigQuery  (Mark Mucchetti)....Pages 3-21
 Starting Your Warehouse Project  (Mark Mucchetti)....Pages 23-43
 All My Data  (Mark Mucchetti)....Pages 45-60
 Managing BigQuery Costs  (Mark Mucchetti)....Pages 61-71
Front Matter ....Pages 73-73
 Loading Data into the Warehouse  (Mark Mucchetti)....Pages 75-103
 Streaming Data into the Warehouse  (Mark Mucchetti)....Pages 105-121
 Dataflow  (Mark Mucchetti)....Pages 123-152
Front Matter ....Pages 153-153
 Care and Feeding of Your Warehouse  (Mark Mucchetti)....Pages 155-172
 Querying the Warehouse  (Mark Mucchetti)....Pages 173-207
 Scheduling Jobs  (Mark Mucchetti)....Pages 209-230
 Serverless Functions with GCP  (Mark Mucchetti)....Pages 231-251
 Cloud Logging  (Mark Mucchetti)....Pages 253-269
Front Matter ....Pages 271-271
 Advanced BigQuery  (Mark Mucchetti)....Pages 273-303
 Data Governance  (Mark Mucchetti)....Pages 305-332
 Adapting to Long-Term Change  (Mark Mucchetti)....Pages 333-351
Front Matter ....Pages 353-353
 Reporting  (Mark Mucchetti)....Pages 355-378
 Dashboards and Visualization  (Mark Mucchetti)....Pages 379-400
 Google Data Studio  (Mark Mucchetti)....Pages 401-416
Front Matter ....Pages 417-417
 BigQuery ML  (Mark Mucchetti)....Pages 419-468
 Jupyter Notebooks and Public Datasets  (Mark Mucchetti)....Pages 469-496
 Conclusion  (Mark Mucchetti)....Pages 497-498
 Cloud Shell and Cloud SDK  (Mark Mucchetti)....Pages 499-508
 Sample Project Charter  (Mark Mucchetti)....Pages 509-513
Back Matter ....Pages 515-525