Trasforma e carica le risposte dei sondaggi di Moduli Google in BigQuery

1. Introduzione

Esistono molti motivi per condurre sondaggi: valutare la soddisfazione dei clienti, condurre ricerche di mercato, migliorare un prodotto o un servizio o valutare il coinvolgimento dei dipendenti. Tuttavia, se hai già provato a lavorare con i dati dei sondaggi, probabilmente sai che il formato standard è difficile da utilizzare. 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 utilizzando 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. Invierai i dati trasformati a BigQuery, dove potrai porre domande più approfondite con SQL e unirli ad altri set di dati per analisi più efficaci. Al termine, puoi esplorare le dashboard predefinite o connettere 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 trasferire i dati dei sondaggi in BigQuery
  • Come ottenere maggiori informazioni dai dati dei sondaggi

Che cosa ti serve

2. Gestisci le risposte di Moduli Google

Inizieremo esaminando più da vicino le risposte di Moduli Google al nostro sondaggio di esempio.

f3d25efd2cc923f5.png

I risultati del sondaggio possono essere esportati dalla scheda "Risposte" facendo clic sull'icona di Fogli Google e creando un nuovo foglio di lavoro o caricando i risultati in uno esistente. Moduli Google continuerà ad aggiungere risposte al foglio di lavoro man mano che gli utenti le inviano, finché non deselezioni il pulsante "Accetta risposte".

d499e5a4dccdf5fd.png4939332a5d8f9f19.png

Ora esaminiamo ogni tipo di risposta e come viene tradotto nel file di Fogli Google.

3. Trasforma le risposte al sondaggio

Le domande del sondaggio possono essere raggruppate in quattro famiglie che avranno un formato di esportazione specifico. In base al tipo di domanda, dovrai ristrutturare i dati in un certo modo. Qui esaminiamo ciascuno dei gruppi e i tipi di trasformazioni che dobbiamo applicare.

Domande a scelta singola: risposta breve, paragrafo, menu a discesa, scala lineare e così via.

  • Nome della domanda: nome della colonna
  • Risposta: valore della cella
  • Requisiti di trasformazione: non è necessaria alcuna trasformazione; la risposta viene caricata così com'è.

3eeedc50b0fd54fd.png

Domande a scelta multipla: scelta multipla, casella di controllo

  • Nome della domanda: nome della colonna
  • Risposta: elenco di valori con punto e virgola come separatore (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.

cab8a38a96a13ce4.png

Domande con griglia a scelta multipla

Ecco un esempio di domanda a scelta multipla. È necessario selezionare un singolo valore da ogni riga.

c6ea3d47d4dd5e78.png

  • Nome della 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 nella tabella e deve essere suddivisa in due colonne. Una colonna che menziona l'opzione della domanda e l'altra colonna con la risposta.

9223d0271516c58d.png

Domande nella griglia con caselle di controllo a scelta multipla

Ecco un esempio di griglia con caselle di controllo. È possibile selezionare da zero a più valori da ogni riga.

4e3189b8cc2d4a8b.png

  • Nome della 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 elenco di valori separati da un punto e virgola.
  • Requisiti di trasformazione: questi tipi di domande combinano le categorie "Casella di controllo" e "Griglia a scelta multipla" e devono essere risolti 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.

In secondo luogo, ogni singola risposta deve diventare una nuova riga della tabella ed essere suddivisa in due colonne. Una colonna che menziona l'opzione della domanda e l'altra colonna con la risposta.

3c3c2bd098e03003.png

In seguito, mostreremo come vengono gestite queste trasformazioni con Cloud Dataprep.

4. Crea il flusso di Cloud Dataprep

Importa il "Design Pattern per l'analisi di Moduli Google" in Cloud Dataprep

Scarica il pacchetto del flusso Google Forms Analytics Design Pattern (senza decomprimerlo). Nell'applicazione Cloud Dataprep, fai clic sull'icona Flows (Flussi) nella barra di navigazione a sinistra. Poi, nella pagina Flussi, seleziona Importa dal menu contestuale.

ba7c0cb0eec398df.png

Dopo aver importato il flusso, selezionalo per modificarlo. La schermata dovrebbe avere il seguente aspetto:

44978861eb34ec71.png

Collega il foglio di lavoro dei risultati del sondaggio di 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".

55c16f0c04366f0c.png

Poi fai clic sul link "Importa set di dati" nella parte inferiore della finestra modale. Fai clic sull'icona a forma di matita "Modifica percorso".

8afeef260c96277f.png

Da qui, sostituisci il valore corrente con questo link che rimanda a un foglio Google con alcuni risultati di Moduli Google. Puoi utilizzare il nostro esempio o la tua copia: https://docs.google.com/spreadsheets/d/1DgIlvlLceFDqWEJs91F8rt1B-X0PJGLY6shkKGBPWpk/edit?usp=sharing

Fai clic su "Go" (Vai) e poi su "Import & Add to Flow" (Importa e aggiungi al flusso) in basso a destra. Quando torni alla finestra modale, fai clic sul pulsante "Sostituisci" in basso a destra.

Connetti 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 proprietà come segue.

Per prima cosa, inizia modificando le "Destinazioni manuali"

a3fc2cb80153ec25.png

Nella schermata "Impostazioni di pubblicazione" successiva, fai clic sul pulsante di modifica

85791e6162a370de.png

Quando viene visualizzata la schermata "Azione di pubblicazione", devi modificare le impostazioni di connessione facendo clic sulla connessione BigQuery e modificandone le proprietà.

1f3e4887baaeaffd.png

Seleziona il set di dati BigQuery in cui vuoi caricare i risultati di Moduli Google. Puoi selezionare "Predefinito" se non hai ancora creato un set di dati BigQuery.

f4eaa05ecf9de162.png

Dopo aver modificato le "Destinazioni manuali", procedi allo stesso modo per l'output "Destinazioni pianificate".

46edea1b8ca63270.png

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 flusso "Google Forms Analytics Design Pattern" è eseguire le trasformazioni sulle risposte al sondaggio come descritto in precedenza, suddividendo ogni categoria di domande 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 semplicità)

afa421849b1bd398.png

Ti suggeriamo di esplorare ogni formula una per una, iniziando con "Clean Headers" (Intestazioni pulite) e poi "SingleChoiceSELECT-Questions" (Domande con scelta singola), seguite dalle altre formule sottostanti.

Tutte le formule sono commentate per spiegare i vari passaggi di trasformazione. In una ricetta, puoi modificare un passaggio e visualizzare l'anteprima dello stato prima/dopo di una determinata colonna.

449da06d96cd520e.png4ac6e14f578d0707.png

6. Esegui il flusso di Cloud Dataprep

Ora che l'origine e le destinazioni sono configurate correttamente, puoi eseguire il flusso per trasformare e caricare le risposte in BigQuery. Seleziona ciascuno degli output e fai clic sul pulsante "Esegui". Se la tabella BigQuery specificata esiste, Dataprep aggiungerà nuove righe, altrimenti creerà una nuova tabella.

47cf50f6d17a5b1e.png

Fai clic sull'icona "Cronologia job" nel riquadro a sinistra per monitorare i job. Il caricamento delle tabelle BigQuery dovrebbe richiedere alcuni minuti.

afc79eeb27202fb4.png

Al termine di tutti i job, i risultati del sondaggio verranno caricati in BigQuery in un formato pulito, strutturato e normalizzato, pronto per l'analisi.

7. Analizza i dati del sondaggio in BigQuery

Nella console Google per BigQuery, dovresti essere in grado di visualizzare i dettagli di ciascuna delle nuove tabelle

df370873572511ac.png

Con i dati del sondaggio in BigQuery, puoi facilmente porre domande più complete per comprendere meglio le risposte al sondaggio. Ad esempio, supponiamo che tu voglia capire quale linguaggio di programmazione è più comunemente utilizzato da persone con titoli professionali diversi. Puoi scrivere una query come questa:

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 del CRM per vedere se i partecipanti corrispondono ad account già inclusi nel tuo data warehouse. In questo modo, la tua attività può prendere decisioni più informate sull'assistenza clienti o sul targeting degli utenti per i nuovi lanci.

Qui mostriamo come unire i dati del sondaggio a una tabella dell'account in base al dominio di chi ha risposto e al sito web dell'account. Ora puoi vedere la distribuzione delle risposte per tipo di account, il che ti aiuta a capire quanti rispondenti appartengono ad account di 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 visive

Ora che i dati del sondaggio 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 in Looker.

Looker

Se hai già un'istanza di Looker, puoi utilizzare il LookML in questa cartella per iniziare ad analizzare i dati del sondaggio e del CRM di esempio per questo pattern. Basta creare un nuovo progetto Looker, aggiungere il codice 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 fissare una demo qui.

129db05d6f85f484.png

Data Studio

In alternativa, per creare un report in Data Studio, fai clic sul frame con la croce di Google "Report vuoto" e connettiti a BigQuery. Segui tutte le istruzioni di Data Studio. Se vuoi saperne di più, qui puoi trovare una guida rapida e un'introduzione alle funzionalità principali di Data Studio. Puoi anche trovare le nostre dashboard di Data Studio predefinite qui.

5e744869e3fe3f8f.png

9. Pulizia

Il modo più semplice per eliminare la fatturazione è eliminare il progetto Cloud creato per il tutorial. In alternativa, puoi eliminare le singole risorse.

  1. Nella console Cloud, vai a Gestisci risorse
  2. Nell'elenco dei progetti, seleziona il progetto che vuoi eliminare, quindi fai clic su Elimina.
  3. Nella finestra di dialogo, digita l'ID progetto, quindi fai clic su Chiudi per eliminare il progetto.