最初のモジュールでは、データ アナリストが直面している分析の課題を確認し、オンプレミスと Google Cloud のビッグデータを比較します。次に、Google Cloud のエンタープライズ データ ウェアハウスである BigQuery について説明し、データ分析のニーズに最適な BigQuery の機能を確認します。最後に、Google Cloud での分析を通して変革を実現した企業の実際のユースケースを見ていきます。

このモジュールでは、SQL（構造化クエリ言語）を使用してデータを探索する方法について学びます。簡単な SELECT 文から始めて、さまざまなデータセットを探索できる複雑なクエリへと学習を進めます。

このモジュールでは、データの完全性に関する原則を説明し、その後、SQL を使用してデータをクリーニング、準備、変換する方法を見ていきます。モジュールの最後のセクションでは、データの準備と変換をサポートする他のプロダクト（Dataprep、Cloud Data Fusion、Dataflow、Dataproc、Dataform）についても簡単に紹介します。

このモジュールでは、データを BigQuery のネイティブ ストレージに取り込み、保存する方法について説明します。データを BigQuery に読み込む際に、抽出 / 読み込み、抽出 / 読み込み / 変換、抽出 / 変換 / 読み込みのアプローチをそれぞれいつ使用すべきかについて検討します。また、外部データソース（データが BigQuery 外部でホストされている場合でも、BigQuery から直接クエリできるデータソース）にも触れます。

このモジュールでは、データの取り込み、クリーニング、準備、変換という一連の作業を経てついに、データから得られた有益な分析情報を、洞察に富んだダッシュボードやレポートとして可視化します。まず、可視化の理論とベスト プラクティスについて簡単に説明したうえで、BigQuery に接続して、分析情報を取得して伝えるための効果的な可視化を作成できる Looker Studio やコネクテッド シートなどのツールをご紹介します。SQL は強力なクエリ言語ですが、Python、Java、R などのプログラミング言語では、特定の種類のデータ分析に役立つ使いやすい構文や、さまざまな組み込みの統計関数が提供されています。このモジュールでは、そうしたツールの一種である Jupyter Notebook などのオープンソースのウェブベースのアプリケーションについても説明します。

SQL パイプラインの作成、管理、バージョニングは非常に手間がかかります。多くの場合、データ アナリストはこれを行うために複数のツールを使用しなければなりません。そこで、このモジュールでは、BigQuery で SQL パイプラインの開発、バージョン管理、オーケストレーションを一元的に行う新しいプロダクト Dataform を紹介します。

このモジュールでは、まず BigQuery Studio の概要と、その開発に至った背景について解説します。次に、BigQuery Studio に搭載されている優れた機能について詳しく説明します。最後に、デモを通して魅力的な機能を紹介し、その使い方を解説してモジュールを締めくくります。

このモジュールでは、コースで扱った主要なトピックについて復習します。