Делюсь полезным каналом по работе с данными в Google Таблицах - @google_sheets. Автора канала пишут о Google Таблицах лучше чем Google. Вы найдете интересные кейсы и примеры решения задач, научитесь автоматизировать отчетность и более эффективно работать с данными в простом и популярном инструменте.

Напомню, недавно Google на NEXT'18 анонсировал новые возможности Google Таблиц:
- 5 миллионов ячеек в документе
- Фильтры в графиках и таблицах
- Новый функционал диаграмм и сводных таблиц
- Интеграция с BigQuery и другими сервисами

​​Еще одна порция полезных примеров SQL-запросов к данным Firebase в BigQuery по новой схеме

В этом видео (en) объясняют структуру обновленной схемы данных, а затем показывают несколько важных советов по работе с этими данными на примере игрового мобильного приложения:
- Как работать со вложенными полями
- Как посчитать корреляцию между параметрами
- Как узнать какие события предшествуют оплате

via @BigQuery

​​Макс Гапчук в своем блоге рассказал, как c помощью R автоматически импортировать в Google Analytics данные о расходах на рекламу. В статье приведен пример импорта затрат с Facebook Ads, но сам подход можно использовать для импорта любых данных.

Если вы не хотите использовать R для этой задачи — вот тоже хорошее решение, как автоматически загружать данные о расходах из Google Sheets в Google Analytics используя Apps Script.

via @webanalyst

​​11 чатов и каналов об инструментах аналитики:

@BigQuery - Google BigQuery
@WebAnalyst - Google Analytics
@googleappsnoscriptrc - AppsScript
@tableau_chat - Tableau
@PowerBIChannel - Power BI
@yandexmetrika - Яндекс.Метрика
@appmetrica_chat - AppMetrica
@clickhouse_ru - ClickHouse
@rlang_ru - Язык R
@pydata_chat - Язык Python
@google_spreadsheets_chat - GoogleSheets

via @BigQuery

​​Еще одна отличная визуализация пути пользователей сайта при помощи R и BigQuery с примером кода и описанием (en).

via @BigQuery

​​Новые возможности в Google Data Studio

Data Studio Explorer - совсем новый функционал для быстрой визуализации данных из любых источников, а также результатов SQL-запросов прямо в интерфейсе BigQuery. E-Nor подготовили инструкцию по использованию (en).

Напомню, недавно в Google Data Studio стало возможным объединение данных из разных источников.

via @BigQuery

​​Совсем недавно в BigQuery появилась возможность создавать Clustered tables - таблицы, которые можно разбивать на кластеры по значениям полей таблиц. Это позволяет, по аналогии с партиционированием, при обращении к данным обрабатывать только их часть в рамках выбранного кластера. Другими словами - позволяет быстрее и дешевле получить результат.

Стоимость обработки данных в BigQuery довольно низкая но, если планируете работать с большими данными постоянно, то подобная оптимизация поможет уменьшить затраты в будущем, иначе они могут расти в геометрической прогрессии.

via @BigQuery

​​Если при анализе A/B тестов вы руководствуетесь только калькуляторами, предварительно не исследуя распределение величины, то вы рискуете допустить серьезную ошибку в принятии решений. Виталий Черемисинов, руководитель отдела аналитики AIC, написал заметку о том, какие могут быть риски, если предварительно не изучать данные и не подбирать критерий, который будет релевантен особенностям данных в эксперименте.

via @webanalyst

​​Что такое закрытая воронка и как ее построить в BigQuery с примерами SQL-запросов рассказал Todd Kerpelman (en)

via @BigQuery

​​Отличная возможность прокачаться в аналитике

Недавно стартовал бесплатный практический Tableau марафон. Команда из DataYoga ежедневно публикует хороший материал для освоения навыков работы с данными в одном из лучших в мире инструментов визуализации: теория и практика, задания и решения, а также полезные ссылки для вдохновения.

via @BigQuery

​​Сергей Брыль в своем блоге поделился отличным решением (en) с примерами кода на R, которое поможет максимально точно прогнозировать LTV и отток клиентов, позволит качественно моделировать бизнес при минимальном количестве исторических данных.

via @BigQuery

OWOX выложили на Github скрипты для импорта данных в Google BigQuery из mysql, ftp, https, intercom. Написаны на Python для Google Cloud Functions. То есть отдельный сервер для запуска не нужен и проблем с ресурсами как у App Script нет. Все инструкции на русском языке.

via @BigQuery

​​Бывает, пользователь начинает свой путь на одной платформе, а завершает на другой. Пример (en) cross device аналитики при помощи Google BigQuery. Построение воронки с шаблонами SQL-запросов.

via @BigQuery

​​100 ссылок по игровой аналитике

Полезная информация по метрикам, аналитике привлечения пользователей, примерам сегментации, AB-тестам и многое другое.

via @BigQuery

​​Полезная видео-инструкция (en) о работе со вложенными полями в BigQuery. Поможет разобраться в структуре данных стандартного экспорта GA 360 и Firebase.

via @BigQuery

​​Google запустил «песочницу» для BigQuery

Вы можете протестировать BigQuery без кредитной карты, используя BigQuery sandbox

via @BigQuery

​​Зачем запускать SQL-запросы по расписанию?

Совсем недавно Google запустил новый функционал Scheduling Queries, позволяющий автоматизировать запуск SQL-запросов по расписанию прямо в интерфейсе BigQuery. Какую пользу от этого можно извлечь, описал в статье с примером и пошаговой реализацией.

via @BigQuery

​​О машинном обучении сейчас говорят все больше и больше людей. Рекламные системы постоянно внедряют и улучшают алгоритмы машинного обучения для максимизации эффекта от рекламных кампаний. Если вы слабо понимаете, как работает исскуственный интелект — прочитайте большое введение в эту тему. Статья интересно написана очень простым языком, без формул-теорем, зато с примерами реальных задач и их решений.

via @webanalyst

​​Алексей Селезнев, автор популярных R-пакетов для обработки данных из рекламных систем и систем аналитики завел свой Telegram-канал — @R4marketing. На канале будут появляться обновления пакетов и новые интересные статьи по применению языка R в интернет-маркетинге.

via @webanalyst

​​Funnel Based Attribution - модель атрибуции на основе воронки, рассчитывает влияние рекламных каналов на основании ценности прохождения шагов воронки, автор Владислав Флакс.

В сети появилось решение с примером SQL-запроса.

via @BigQuery

​​Интересный пример (en) решения задачи прогнозирования с использованием BigQuery ML на публичных данных с шаблонами SQL-запросов.
Есть интерактивный дашборд в Data Studio, который отвечает на вопрос: Как долго ожидать ответ на Stack Overflow в зависимости от вопроса?

via @BigQuery