No primeiro módulo, conhecemos os desafios de análise enfrentados pelos analistas de dados e comparamos o big data no local e na nuvem. Depois disso, conhecemos o BigQuery, o data warehouse empresarial do Google Cloud, e analisamos os recursos que o tornam uma ótima opção para a análise de dados. Por fim, aprendemos com casos reais de empresas pela análise na nuvem.

Neste módulo, você vai analisar seus dados com SQL (linguagem de consulta estruturada). Passamos por instruções selecionadas muito simples até consultas mais complexas que analisam vários conjuntos de dados.

Neste módulo, abordamos os princípios de integridade de dados e aprendemos a usar o SQL para limpar, preparar e transformar dados. A última seção deste módulo também apresenta outros produtos, como Dataprep, Cloud Data Fusion, Dataflow, Dataproc e Dataform, que podem ajudar na preparação e transformação de dados.

Neste módulo, aprendemos como ingerir e armazenar dados no armazenamento nativo do BigQuery. Falamos sobre quando aplicar as abordagens de Extrair e carregar, Extrair, carregar e transformar ou Extrair, transformar e carregar para carregar dados no BigQuery. Também aprendemos como é possível executar sua consulta no BigQuery com fontes de dados externas, mas que esses dados serão hospedados fora dele.

É neste módulo que todo o trabalho árduo de ingestão, limpeza, preparação e transformação dos seus dados dá frutos, porque você consegue visualizar insights dos dados criando painéis e relatórios úteis. Começamos com uma teoria de visualizações e algumas práticas recomendadas. Depois analisamos as ferramentas, como Looker Studio e Páginas Conectadas, que se conectam ao BigQuery e ajudam a criar visualizações de impacto para capturar e transmitir seus insights. Embora o SQL seja uma linguagem de consulta poderosa, linguagens de programação como Python, Java ou R fornecem sintaxes e uma grande matriz de funções estatísticas incorporadas que os analistas de dados podem achar mais expressivas e fáceis de manipular para certos tipos de análise de dados. Essas ferramentas incluem aplicativos de código aberto baseados na Web, como notebooks Jupyter, então também vamos falar sobre isso.

Criar, manter e controlar versões de pipelines de SQL é difícil. E, muitas vezes, os analistas de dados precisam usar várias ferramentas para isso. Por isso, neste módulo, apresentamos o Dataform, um novo produto que oferece uma experiência unificada de ponta a ponta para desenvolver, controlar versões e orquestrar pipelines de SQL no BigQuery.

Neste módulo, vamos começar abordando o que é o BigQuery Studio e por que ele foi criado. Também vamos aprender mais sobre todos os excelentes recursos do BigQuery Studio. Ao final do módulo, é possível conferir uma demonstração sobre esses recursos e como usá-los.

Neste módulo, vamos recapitular os principais temas abordados no curso.