Transformacja danych

Wprowadzenie do Databricks SQL

Kevin Barlow

Data Manager

Motywacja

Schemat Lakehouse – pozyskiwanie danych

Transformacja w lakehouse

Schemat Lakeflow – transformacja

Czyszczenie i transformacja danych

Czyszczenie danych z warstwy Bronze (surowe) do warstwy Silver (gotowe do analizy)
Ważny krok dla downstream'owych tabel danych
Typowe działania
- Usuwanie wartości NULL
- Standaryzacja wartości
- Dostosowanie typów danych

CREATE TABLE silver_layer AS (
SELECT DISTINCT c.id, 
    c.last_name || ', ' || c.first_name 
        AS name, 
    format(s.date,'YYYY-mm-dd') 
        AS sale_date, 
    round(s.price, 2) 
        AS sale_price
    s.item_name
FROM sales_data s
LEFT JOIN contacts c on c.id = s.id)

Agregowanie danych

Łączenie i upraszczanie danych z warstwy Silver do warstwy Gold (gotowe do BI)
Przeznaczone dla konkretnych potrzeb business intelligence
- Dobry kandydat na widoki
Typowe działania
- Usuwanie zbędnych kolumn
- Agregowanie po wymiarach
- Obliczanie metryk / KPI

CREATE VIEW q3_revenue AS (
SELECT sum(revenue) AS total_rev,
  count(*) AS total_count,
  total_rev / total_count AS avg_sale,
  category,
  item
FROM silver_layer
WHERE date BETWEEN '2024-07-01' 
  AND '2024-09-30'
GROUP BY category, item)

Automatyzacja zadań

GIF – przepływy pracy

Czas na ćwiczenia!

Wprowadzenie do Databricks SQL