הצגה חזותית של תוצאות השאילתות

כדי להפיק תובנות מהנתונים ב-BigQuery, חשוב להשתמש בכלי ניתוח ובינה עסקית. ‫BigQuery תומך בכמה כלים להמחשה ויזואלית של נתונים של Google ושל צד שלישי, שבהם אפשר להשתמש כדי לנתח את תוצאות השאילתות על נתוני 'תובנות לגבי מקומות', כולל:

• Looker Studio
• BigQuery Geo Viz
• קובצי notebook של Colab
• Google Earth Engine

בדוגמה הבאה אפשר לראות איך להציג את התוצאות ב:

• ‫Looker Studio, פלטפורמה שמאפשרת ליצור נתונים חזותיים, מרכזי בקרה ודוחות ולעיין בהם.
• ‫BigQuery Geo Viz, כלי להמחשת נתונים גיאוגרפיים ב-BigQuery באמצעות ממשקי Google Maps API.

למידע נוסף על ויזואליזציה של הנתונים באמצעות כלים אחרים, אפשר לעיין במסמכי BigQuery.

שאילתת נתונים להצגה חזותית

בדוגמאות להמחשה שבהמשך נעשה שימוש בשאילתה הבאה כדי ליצור ספירה של מסעדות בניו יורק עם כניסה לכיסא גלגלים. השאילתה הזו מחזירה טבלה של ספירת מסעדות לכל נקודה גיאוגרפית, כאשר הגודל של כל נקודה הוא 0.005 מעלות.

מכיוון שאי אפשר לבצע פעולת GROUP BY על נקודה GEOGRAPHY, השאילתה הזו משתמשת בפונקציה ST_ASTEXT של BigQuery כדי להמיר כל נקודה לייצוג STRING WKT של הנקודה, וכותבת את הערך הזה בעמודה geo_txt. לאחר מכן הוא מבצע את GROUP BY באמצעות geo_txt.

SELECT
  geo_txt, -- STRING WKT geometry value.
  ST_GEOGFROMTEXT(geo_txt) AS geo, -- Convert STRING to GEOGRAPHY value.
  count
FROM (
  -- Create STRING WKT representation of each GEOGRAPHY point to
  -- GROUP BY the STRING value.
  SELECT WITH AGGREGATION_THRESHOLD
    ST_ASTEXT(ST_SNAPTOGRID(point, 0.005)) AS geo_txt,
    COUNT(*) AS count
  FROM
    `places_insights___us___sample.places_sample`
  WHERE
    'restaurant' IN UNNEST(types)
    AND wheelchair_accessible_entrance = true
  GROUP BY
    geo_txt
)

התמונה הבאה מציגה פלט לדוגמה של השאילתה הזו, שבו count מכיל את מספר המסעדות לכל נקודה:

המחשה ויזואלית של נתונים באמצעות Looker Studio

בתמונות הבאות מוצגים הנתונים האלה ב-Looker Studio כמפת חום. מפת החום מציגה את הצפיפות מרמה נמוכה (ירוק) לרמה גבוהה (אדום).

ייבוא של הנתונים אל Looker Studio

כדי לייבא את הנתונים ל-Looker Studio:

1. מריצים את השאילתה שלמעלה בשאילתת נתונים להצגה חזותית.

2. בתוצאות של BigQuery, לוחצים על Open in -> Looker Studio (פתיחה ב-Looker Studio). התוצאות מיובאות אוטומטית ל-Looker Studio.

3. מערכת Looker Studio יוצרת דף דוח שמוגדר כברירת מחדל ומאכלסת אותו בכותרת, בטבלה ובתרשים עמודות של התוצאות.

   

4. בוחרים את כל מה שבדף ומוחקים אותו.

5. כדי להוסיף מפת חום לדוח, לוחצים על הוספה -> מפת חום.

6. בקטע Chart types -> Setup (סוגי תרשימים -> הגדרה), מגדירים את השדות כמו שמוצג בהמשך::

   

7. מפת החום מופיעה כמו בדוגמה שלמעלה. אפשר גם לבחור באפשרות סוגי תרשימים -> סגנונות כדי להגדיר עוד את המראה של המפה.

הדמיה של נתונים באמצעות BigQuery Geo Viz

בתמונות הבאות מוצגים הנתונים האלה ב-BigQuery Geo Viz כמפה עם מילוי. במפה המלאה מוצגת צפיפות המסעדות לפי תא נקודתי, כאשר הנקודה הגדולה יותר מייצגת צפיפות גבוהה יותר.

ייבוא הנתונים אל BigQuery Geo Viz

כדי לייבא את הנתונים ל-BigQuery Geo Viz:

1. מריצים את השאילתה שלמעלה בשאילתת נתונים להצגה חזותית.

2. בתוצאות של BigQuery, לוחצים על Open in -> GeoViz (פתיחה ב-GeoViz).

3. התצוגה תיפתח בשלב שאילתה.

4. לוחצים על הלחצן Run כדי להריץ את השאילתה. הנקודות יופיעו במפה באופן אוטומטי.

5. בוחרים באפשרות נתונים כדי לראות את הנתונים.

6. בקטע נתונים, לוחצים על הלחצן הוספת סגנונות.

7. בוחרים באפשרות fillColor ומשתמשים בסרגל ההזזה כדי להפעיל את האפשרות Data-driven styling.

8. מגדירים את שאר השדות כמו שמופיע בהמשך:

   

9. לוחצים על החלת סגנון כדי להחיל את הסגנונות על המפה.