Примеры SQL запросов от OWOX: https://goo.gl/nNamUX

Подборка новостей за март:

Google закрывает свой сервис сокращения ссылок goo.gl: https://bit.ly/2H4PfHI

Google запустил новый обучающий курс по Google Analytics 360: https://bit.ly/2GQ2VJ5

Google предоставил публичный набор данных Google Analytics своего Интернет-магазина включая Enhanced ecommerce: https://bit.ly/2q28RnI

Google Optimize запустил автоматическую диагностику на корректность установки: https://bit.ly/2uEVFLr

Пример автоматизации отчетов PDF с помощью App Scripts: https://bit.ly/2GslaVB

Как обрабатывать метеорологические данные в реальном времени в BigQuery: https://bit.ly/2GvucB2

Подключение Tableau к данным Google Analytics BigQuery: https://bit.ly/2Gveh1M

Google Cloud Spanner: обзор возможностей и первые впечатления: https://bit.ly/2EbiDJu

Реальная история о том, как в Uklon внедряли машинное обучение: https://bit.ly/2uBakXG

Нейронки и юмор от Lun.ua: https://bit.ly/2IpxvXh

Определяем мошенничество CPA-сетей с помощью API Google Analytics и R: https://bit.ly/2GR9ATz

На Coursera стартовала серия курсов Data Engineering on Google Cloud Platform: https://bit.ly/2Im6HqF

В сети появился отличный ускоренный курс по Firebase и BigQuery с примерами SQL запросов: https://bit.ly/2Ir7Hdd

Как с помощью SQL можно майнить Bitcoin?
BigQuery на столько сильный инструмент, что позволяет делать и это. Вчера об этом написал инженер Google Uri Shaked: https://bit.ly/2IxMUoe

Готовый шаблон калькулятора А/В тестов в Google таблицах (можно использовать для автоматизации результатов тестирования): https://bit.ly/2JswQWc

Kaggle выложил мини-курсы "Hands-On Data Science Education": Pandas, ML, SQL, R, Data Visualization.
Вроде бы это не видеокурсы, а текстовые с примерами.

https://www.kaggle.com/learn/overview

​​На канале @thisisdata появился новый очень хороший материал о том, как работать с вычисляемыми полями в Google Data Studio + кейсы. Обязательно стоит почитать всем, кто работал и планирует работать с Google Data Studio, как с основной системой для визуализации данных.

https://goo.gl/oeVfKq

Как в BigQuery сделать рекомендательную систему? Пример SQL-запроса с комментариями от Александра Марченко: https://bit.ly/2JFBf8v

Оперативный способ выгрузки данных по брендовым запросам из Search Console по дням: https://bit.ly/2IV9O9t

Как определить влияние оффлайн-рекламы на посещения сайта при помощи R и алгоритма Causal Impact от Google: https://bit.ly/2Hsy31q

BigQuery для SEO вместо excel. Как и зачем использовать рассказал Геннадий Сивашов (SEO Club): https://bit.ly/2H9r8Lu

Как оптимизировать работу с Google Data Studio и BigQuery, отличный материал от Алексея Данилина: https://bit.ly/2vpzTM2

​​Как собирать сырые данные Google Analytics в собственное хранилище данных — готовое решение от Дмитрия Комаровского

Для тех, кто работает с BigQuery в R, Хедли Викхем полностью переписал пакет bigrquery и просит принять участие в тестировании версии: https://bit.ly/2qOCiKJ

​​Не так давно Google предоставил датасет с сырыми данными своего магазина в BigQuery. Роман Романчук подготовил несколько SQL-запросов для примера.

​​Сева Миронович написал инструкцию как передавать и работать с сырыми данными Яндекс Метрики в ClickHouse

​​Рекомендуемые для отслеживания действия пользователей в зависимости от типа бизнеса #шпаргалка #взакладки

​​10 советов по использованию BigQuery помогут новичку сэкономить время и быстрее освоить инструмент

​​Многие уже слышали о том, что Google предоставил публичный набор данных Google Analytics 360. Но мало кто знает, что аналогичные данные есть и от Firebase.
Как с ними работать в BigQuery с большой сцены рассказал Todd Kerpelman. Кстати, стриминг данных Firebase в BigQuery настраивается в несколько кликов, и пока бесплатный, если вы не используете других платных инструментов от Firebase. Примеры SQL-запросов по ссылке.

​​Оказывается, в BigQuery есть набор данных по улучшению юзабилити сайтов Chrome UX Report. А именно метрики, основанные на данных реальных пользователей Chrome, некоторые из них доступны на PageSpeed Insights.
В отчете есть возможность сравнивать сайты между собой и с макротрендами UX по странам. Можно увидеть сильные и слабые стороны сайта, а также отслеживать изменения с течением времени. В сети есть готовые шаблоны SQL-запросов.

​​Почему количество пользователей в BigQuery и GA могут отличаться?
Дело в том, что в интерфейсе GA данные подтягиваются из предварительно сегрегированных таблиц, используя функции приблизительного подсчета уникальных значений (алгоритм HyperLogLog ++). Это позволяет значительно увеличить скорость отображения результатов, но немного уменьшает их точность. Обращаясь к данным в BigQuery можно намеренно использовать приблизительные функции, когда скорость отображения важнее точности результатов.