1. Introduzione
Esistono molti motivi per condurre sondaggi: valutare la soddisfazione del cliente, eseguire ricerche di mercato, migliorare un prodotto o servizio o valutare il coinvolgimento dei dipendenti. Tuttavia, se hai già provato a lavorare con i dati di un sondaggio, probabilmente sai che è difficile utilizzare il formato standard. In questa guida creiamo una pipeline automatizzata che acquisisce i risultati di Moduli Google, prepara i dati per l'analisi con Cloud Dataprep, li carica in BigQuery e consente al tuo team di eseguire analisi visive con strumenti come Looker o Data Studio.
Cosa creerai
In questo codelab, utilizzerai Dataprep per trasformare le risposte del nostro sondaggio di esempio di Moduli Google in un formato utile per l'analisi dei dati. Eseguirai il push dei dati trasformati in BigQuery, dove potrai porre domande più approfondite con SQL e unirle ad altri set di dati per analisi più efficaci. Alla fine, puoi esplorare dashboard predefinite o collegare il tuo strumento di business intelligence a BigQuery per creare nuovi report.
Cosa imparerai a fare
- Come trasformare i dati dei sondaggi utilizzando Dataprep
- Come inviare i dati dei sondaggi in BigQuery
- Come ottenere più informazioni dai dati dei sondaggi
Che cosa ti serve
- Un progetto Google Cloud con fatturazione, BigQuery e Dataprep abilitati
- Una conoscenza di base di Dataprep è utile, ma non obbligatoria.
- Una conoscenza di base di BigQuery e SQL è utile, ma non richiesta
2. Gestisci le risposte di Moduli Google
Inizieremo dando un'occhiata più da vicino alle risposte di Moduli Google al nostro sondaggio di esempio.
I risultati del sondaggio possono essere esportati dalla sezione "Risposte" facendo clic sull'icona di Fogli Google e creando un nuovo foglio di lavoro o caricando i risultati in un foglio di lavoro esistente. Moduli Google continuerà ad aggiungere risposte al foglio di lavoro man mano che gli intervistati le inviano finché non deselezioni l'opzione "Accetta risposte" .
Esaminiamo ora ogni tipo di risposta e come viene tradotto nel file di Fogli Google.
3. Trasforma le risposte del sondaggio
Le domande dei sondaggi possono essere raggruppate in quattro famiglie che avranno un particolare formato di esportazione. In base al tipo di domanda, dovrai modificare i dati in un determinato modo. Qui esaminiamo tutti i gruppi e i tipi di trasformazioni da applicare.
Domande a scelta singola: risposta breve, paragrafo, menu a discesa, scala lineare e così via.
- Question name (Nome domanda): nome della colonna
- Risposta: valore della cella
- Requisiti di trasformazione: non è necessaria alcuna trasformazione. la risposta viene caricata così com'è.
Domande a scelta multipla: scelta multipla, casella di controllo
- Question name (Nome domanda): nome della colonna
- Risposta: elenco di valori con separatore del punto e virgola (ad es. "Resp 1; Resp 4; Resp 6").
- Requisiti di trasformazione: l'elenco di valori deve essere estratto e sottoposto a pivot, in modo che ogni risposta diventi una nuova riga.
Domande a griglia con opzioni multiple
Ecco un esempio di domanda a scelta multipla. È necessario selezionare un singolo valore per ogni riga.
- Question name (Nome domanda): ogni singola domanda diventa un nome di colonna con questo formato "Domanda [Opzione]".
- Risposta: ogni singola risposta nella griglia diventa una colonna con un valore univoco.
- Requisiti di trasformazione: ogni domanda/risposta deve diventare una nuova riga della tabella e suddivisa in due colonne. Una colonna cita la domanda option e l'altra colonna con la risposta.
Domande a griglia con casella di controllo a scelta multipla
Ecco un esempio di griglia di caselle di controllo. In ogni riga è possibile selezionare uno o più valori da nessuno.
- Nome domanda: ogni singola domanda diventa un nome di colonna con il formato "Domanda [Opzione]".
- Risposta: ogni singola risposta nella griglia diventa una colonna con un elenco di valori separati da punto e virgola.
- Requisiti di trasformazione: questi tipi di domande combinano la "casella di controllo" e la "Griglia a scelta multipla" categorie e devono essere risolte in questo ordine.
Innanzitutto, l'elenco di valori di ogni risposta deve essere estratto e sottoposto a pivot, in modo che ogni risposta diventi una nuova riga per la domanda specifica.
Secondo: ogni singola risposta deve diventare una nuova riga della tabella e suddivisa in due colonne. Una colonna cita la domanda option e l'altra colonna con la risposta.
A seguire, mostreremo come vengono gestite queste trasformazioni con Cloud Dataprep.
4. Crea il flusso Cloud Dataprep
Importa il "Pattern di progettazione di Analytics per Moduli Google" in Cloud Dataprep
Scarica il pacchetto di flusso Pattern di progettazione di Analytics per Moduli Google (senza decomprimerlo). Nell'applicazione Cloud Dataprep, fai clic sull'icona Flows nella barra di navigazione a sinistra. Quindi, nella pagina Flussi, seleziona Importa dal menu contestuale.
Dopo aver importato il flusso, selezionalo per modificarlo. La schermata dovrebbe avere il seguente aspetto:
Collegare il foglio di lavoro dei risultati del sondaggio su Fogli Google
Sul lato sinistro del flusso, l'origine dati deve essere ricollegata a un foglio Google contenente i risultati di Moduli Google. Fai clic con il tasto destro del mouse sull'oggetto dei set di dati di Fogli Google e seleziona "Sostituisci".
Quindi fai clic su "Import Datasets" nella parte inferiore della finestra modale. Fai clic su "Modifica percorso". a forma di matita.
Poi sostituisci il valore con questo link che rimanda a Fogli Google con alcuni risultati di Moduli Google. Puoi usare il nostro esempio o la tua copia: https://docs.google.com/spreadsheets/d/1DgIlvlLceFDqWEJs91F8rt1B-X0PJGLY6shkKGBPWpk/edit?usp=sharing
Fai clic su "Vai". e poi su "Importa e Aggiungi al flusso" in basso a destra. Quando torni nella finestra modale, fai clic sul pulsante "Sostituisci". pulsante in basso a destra.
Connettere le tabelle BigQuery
Sul lato destro del flusso, devi connettere gli output alla tua istanza BigQuery. Per ogni output, fai clic sull'icona e modifica le sue proprietà come segue.
Innanzitutto, modifica il campo "Destinazioni manuali"
Nella sezione "Impostazioni di pubblicazione" fai clic sul pulsante Modifica
Quando viene visualizzata l'opzione "Azione di pubblicazione" , devi modificare le impostazioni di connessione facendo clic sulla connessione BigQuery e modificando le relative proprietà.
Seleziona il set di dati BigQuery in cui vuoi caricare i risultati di Moduli Google. Puoi selezionare "predefinita" se non hai ancora creato un set di dati BigQuery.
Dopo aver modificato le "Destinazioni manuali", procedi allo stesso modo per le "Destinazioni pianificate" come output.
Esegui l'iterazione su ogni output seguendo gli stessi passaggi. In totale devi modificare 8 destinazioni.
5. Spiegazione del flusso di Cloud Dataprep
L'idea di base del "Pattern di progettazione per l'analisi di Moduli Google" consiste nell'eseguire le trasformazioni sulle risposte al sondaggio, come descritto in precedenza, suddividendo ogni categoria di domanda in una specifica formula di trasformazione dei dati di Cloud Dataprep.
Questo flusso suddivide le domande in 4 tabelle (corrispondenti alle 4 categorie di domande, per motivi di semplicità)
Ti consigliamo di esplorare ciascuna delle ricette una per una iniziando con "Pulisci intestazioni". e poi "SingleChoiceSELECT-Questions" seguiti da altre ricette in basso.
Vengono commentate tutte le ricette per spiegare i vari passaggi della trasformazione. Quando ti trovi in una formula, puoi modificare un passaggio e visualizzare l'anteprima dello stato prima/dopo di una determinata colonna.
6. esegui il flusso Cloud Dataprep
Ora che l'origine e le destinazioni sono configurate correttamente, puoi eseguire il flusso per trasformare e caricare le risposte in BigQuery. Selezionare ciascuno degli output e fare clic sul pulsante "Esegui" . Se la tabella BigQuery specificata esiste, Dataprep aggiungerà nuove righe, altrimenti creerà una nuova tabella.
Fai clic su "Cronologia offerte di lavoro" sulla panoramica a sinistra per monitorare i job. Potrebbero essere necessari alcuni minuti per procedere e caricare le tabelle BigQuery.
Una volta completati tutti i job, i risultati del sondaggio verranno caricati in BigQuery in un formato chiaro, strutturato e normalizzato, pronto per l'analisi.
7. Analizza i dati dei sondaggi in BigQuery
Nella console Google per BigQuery dovresti essere in grado di visualizzare i dettagli di ogni nuova tabella
Con i dati dei sondaggi in BigQuery, puoi porre facilmente domande più complete per comprendere le risposte al sondaggio in modo più approfondito. Ad esempio, se stai cercando di capire qual è il linguaggio di programmazione più utilizzato da persone con titoli professionali diversi, puoi scrivere una query come la seguente:
SELECT
programming_answers.Language AS programming_answers_language,
project_answers.Title AS project_answers_title,
AVG((case when programming_answers.Level='None' then 0
when programming_answers.Level='beginner' then 1
when programming_answers.Level='competent' then 2
when programming_answers.Level='proficient' then 3
when programming_answers.Level='expert' then 4
else null end) ) AS programming_answers_average_level_value
FROM `my-project.DesignPattern.A000111_ProjectAnswers` AS project_answers
INNER JOIN `my-project.A000111_ProgrammingAnswers` AS programming_answers
ON programming_answers.RESPONSE_ID = project_answers.RESPONSE_ID
GROUP BY 1,2
ORDER BY 3 DESC
Per rendere le tue analisi ancora più efficaci, puoi unire le risposte al sondaggio ai dati CRM per vedere se i partecipanti sono mappati a account già inclusi nel tuo data warehouse. Ciò può aiutare la tua attività a prendere decisioni più consapevoli sull'assistenza clienti o sul targeting degli utenti per i nuovi lanci.
Qui, ti mostriamo come unire i dati del sondaggio a una tabella di account basata sul dominio e sul sito web dell'account. Ora puoi vedere la distribuzione delle risposte per tipo di account, in modo da capire quanti utenti possono rispondere agli account dei clienti esistenti.
SELECT
account.TYPE AS account_type,
COUNT(DISTINCT project_answers.Domainname) AS project_answers_count_domains
FROM `my-project.A000111_ProjectAnswers` AS project_answers
LEFT JOIN `my-project.testing.account` AS account
ON project_answers.Domainname=account.website
GROUP BY 1
8. Esegui analisi visiva
Ora che i dati dei sondaggi sono centralizzati in un data warehouse, puoi analizzarli facilmente in uno strumento di business intelligence. Abbiamo creato alcuni report di esempio in Data Studio e Looker.
Looker
Se hai già un'istanza di Looker, puoi utilizzare LookML in questa cartella per iniziare ad analizzare il sondaggio di esempio e i dati CRM per questo pattern. Basta creare un nuovo progetto Looker, aggiungere il LookML e sostituire i nomi delle connessioni e delle tabelle nel file in modo che corrispondano alla configurazione di BigQuery. Se non hai un'istanza di Looker, ma ti interessa saperne di più, puoi pianificare una demo qui.
Data Studio
In alternativa, per creare un report in Data Studio, fai clic sul frame con la dicitura "Report vuoto" incrociato di Google. e connetterti a BigQuery. Segui tutte le istruzioni di Data Studio. Per saperne di più, puoi consultare un riepilogo rapido e un'introduzione alle funzionalità principali di Data Studio qui. Qui puoi anche trovare le nostre dashboard predefinite di Data Studio.
9. Pulizia
Il modo più semplice per eliminare la fatturazione è eliminare il progetto Cloud che hai creato per il tutorial. In alternativa, puoi eliminare le singole risorse.
- In Cloud Console, vai alla pagina Gestisci risorse
- Nell'elenco dei progetti, seleziona il progetto che vuoi eliminare, quindi fai clic su Elimina.
- Nella finestra di dialogo, digita l'ID progetto, quindi fai clic su Chiudi per eliminare il progetto.