1. Wprowadzenie
Ankiety można przeprowadzać z wielu powodów: aby ocenić zadowolenie klientów, przeprowadzić badania rynku, ulepszyć produkt lub usługę albo ocenić zaangażowanie pracowników. Jeśli jednak zdarzyło Ci się już pracować z danymi z ankiet, prawdopodobnie wiesz, że standardowy format jest trudny w użyciu. W tym przewodniku utworzymy zautomatyzowany potok, który przechwytuje wyniki z Formularzy Google, przygotowuje dane do analizy za pomocą Cloud Dataprep, wczytuje je do BigQuery i umożliwia zespołowi przeprowadzanie analizy wizualnej za pomocą narzędzi takich jak Looker czy Studio danych.
Co utworzysz
W tym ćwiczeniu nauczysz się używać Dataprep do przekształcania odpowiedzi z naszej przykładowej ankiety w Formularzach Google w format przydatny do analizy danych. Przekształcone dane możesz przesłać do BigQuery, gdzie za pomocą SQL możesz zadawać bardziej szczegółowe pytania i łączyć je z innymi zbiorami danych, aby przeprowadzać bardziej zaawansowane analizy. Na koniec możesz przejrzeć gotowe panele lub połączyć z BigQuery własne narzędzie do analizy biznesowej, aby tworzyć nowe raporty.
Czego się nauczysz
- Jak przekształcać dane z ankiet za pomocą Dataprep
- Przesyłanie danych z ankiety do BigQuery
- Jak uzyskać więcej informacji z danych ankiety
Czego potrzebujesz
- Projekt w chmurze Google z włączonymi rozliczeniami, BigQuery i Dataprep.
- Podstawowa znajomość Dataprep jest przydatna, ale nie jest wymagana.
- Podstawowa znajomość BigQuery i SQL jest pomocna, ale nie jest wymagana.
2. Zarządzanie odpowiedziami w Formularzach Google
Zacznijmy od przyjrzenia się bliżej odpowiedziom na naszą przykładową ankietę w Formularzach Google.
Wyniki ankiety można wyeksportować z karty „Odpowiedzi”, klikając ikonę Arkuszy Google i tworząc nowy arkusz kalkulacyjny lub wczytując wyniki do istniejącego arkusza. Formularze Google będą dodawać odpowiedzi do arkusza kalkulacyjnego, dopóki nie odznaczysz przycisku „Akceptowanie odpowiedzi”.
Przyjrzyjmy się teraz każdemu typowi odpowiedzi i sposobowi, w jaki jest on przekształcany w pliku Arkuszy Google.
3. Przekształcanie odpowiedzi na pytania z ankiety
Pytania w ankiecie można podzielić na 4 grupy, które będą miały określony format eksportu. W zależności od typu pytania musisz przekształcić dane w określony sposób. Przyjrzyjmy się teraz każdej grupie i typom przekształceń, które musimy zastosować.
Pytania jednokrotnego wyboru: krótka odpowiedź, akapit, lista rozwijana, skala liniowa itp.
- Nazwa pytania: nazwa kolumny
- Odpowiedź: wartość komórki
- Wymagania dotyczące przekształcenia: nie jest wymagane żadne przekształcenie. Odpowiedź jest wczytywana w niezmienionej postaci.
Pytania wielokrotnego wyboru: wielokrotny wybór, pole wyboru
- Nazwa pytania: nazwa kolumny
- Odpowiedź: lista wartości oddzielonych średnikami (np. „Odpowiedź 1; Odpowiedź 4; Odpowiedź 6”).
- Wymagania dotyczące przekształcenia: należy wyodrębnić i przekształcić listę wartości, aby każda odpowiedź stała się nowym wierszem.
Pytania z siatką jednokrotnego wyboru
Oto przykład pytania wielokrotnego wyboru. W każdym wierszu należy wybrać jedną wartość.
- Nazwa pytania: każde pytanie staje się nazwą kolumny w formacie „Pytanie [Opcja]”.
- Odpowiedź: każda poszczególna odpowiedź w siatce staje się kolumną z unikalną wartością.
- Wymagania dotyczące przekształcenia: każde pytanie i każda odpowiedź muszą stać się nowym wierszem w tabeli i zostać podzielone na 2 kolumny. Jedna kolumna zawiera opcję pytania, a druga – odpowiedź.
Pytania z siatką pól wyboru
Oto przykład siatki pól wyboru. W każdym wierszu można wybrać od 0 do kilku wartości.
- Nazwa pytania: każde pytanie staje się nazwą kolumny w formacie „Pytanie [Opcja]”.
- Odpowiedź: każda poszczególna odpowiedź w siatce staje się kolumną z listą wartości rozdzielonych średnikami.
- Wymagania dotyczące przekształcenia: te typy pytań łączą kategorie „pole wyboru” i „siatka wielokrotnego wyboru” i muszą być rozwiązywane w tej kolejności.
Najpierw należy wyodrębnić i przekształcić listę wartości z każdej odpowiedzi, aby każda odpowiedź stała się nowym wierszem dla danego pytania.
Po drugie: każda odpowiedź musi stać się nowym wierszem w tabeli i zostać podzielona na 2 kolumny. Jedna kolumna z opcją pytania, a druga z odpowiedzią.
Następnie pokażemy, jak te przekształcenia są obsługiwane w Cloud Dataprep.
4. Tworzenie przepływu Cloud Dataprep
Importowanie wzorca projektu „Analityka Formularzy Google” w Cloud Dataprep
Pobierz pakiet przepływu Google Forms Analytics Design Pattern (bez rozpakowywania). W aplikacji Cloud Dataprep kliknij ikonę przepływów na pasku nawigacyjnym po lewej stronie. Następnie na stronie Przepływy wybierz Importuj z menu kontekstowego.
Po zaimportowaniu automatyzacji wybierz ją, aby ją edytować. Ekran powinien wyglądać tak:
Łączenie arkusza kalkulacyjnego z wynikami ankiety w Arkuszach Google
Po lewej stronie przepływu należy ponownie połączyć źródło danych z arkuszem Google zawierającym wyniki Formularzy Google. Kliknij prawym przyciskiem myszy obiekt zbiorów danych Arkuszy Google i wybierz „Zastąp”.
Następnie kliknij link „Import Datasets” (Importuj zbiory danych) u dołu okna. Kliknij ołówek „Edytuj ścieżkę”.
Następnie zastąp bieżącą wartość tym linkiem do Arkuszy Google z wynikami Formularzy Google. Możesz użyć naszego przykładu lub własnej kopii: https://docs.google.com/spreadsheets/d/1DgIlvlLceFDqWEJs91F8rt1B-X0PJGLY6shkKGBPWpk/edit?usp=sharing
Kliknij „Go” (Dalej), a potem „Import & Add to Flow” (Zaimportuj i dodaj do przepływu) w prawym dolnym rogu. Gdy wrócisz do okna modalnego, kliknij przycisk „Zastąp” w prawym dolnym rogu.
Łączenie tabel BigQuery
Po prawej stronie przepływu musisz połączyć dane wyjściowe z własną instancją BigQuery. Przy każdym wyjściu kliknij ikonę, a potem edytuj jego właściwości w ten sposób:
Najpierw zacznij od edytowania „Miejsc docelowych określonych ręcznie”.
Na kolejnym ekranie „Ustawienia publikowania” kliknij przycisk edycji.
Gdy zobaczysz ekran „Działanie publikowania”, musisz zmienić ustawienia połączenia, klikając połączenie z BigQuery i edytując jego właściwości.
Wybierz zbiór danych BigQuery, do którego chcesz wczytać wyniki z Formularzy Google. Jeśli nie masz jeszcze utworzonego zbioru danych BigQuery, możesz wybrać „domyślny”.
Po edytowaniu „Miejsc docelowych ustawionych ręcznie” wykonaj te same czynności w przypadku danych wyjściowych „Zaplanowane miejsca docelowe”.
Wykonuj iterację dla każdego wyniku, postępując zgodnie z tymi samymi krokami. Musisz edytować łącznie 8 miejsc docelowych.
5. Wyjaśnienie przepływu Cloud Dataprep
Podstawowa idea przepływu „Wzorzec projektowy Analytics w Formularzach Google” polega na przekształcaniu odpowiedzi na ankiety w sposób opisany wcześniej – przez podzielenie każdej kategorii pytań na konkretny przepis przekształcania danych w Cloud Dataprep.
Ten proces dzieli pytania na 4 tabele (odpowiadające 4 kategoriom pytań, dla uproszczenia).
Zalecamy zapoznanie się z każdym przepisem po kolei, zaczynając od „Clean Headers”, a potem „SingleChoiceSELECT-Questions” i kolejnych przepisów poniżej.
Wszystkie przepisy są opatrzone komentarzami wyjaśniającymi poszczególne etapy przekształcania. W przepisie możesz edytować krok i wyświetlać podgląd stanu konkretnej kolumny przed i po zmianach.
6. Uruchamianie przepływu Cloud Dataprep
Teraz, gdy źródło i miejsca docelowe są prawidłowo skonfigurowane, możesz uruchomić przepływ, aby przekształcić odpowiedzi i wczytać je do BigQuery. Wybierz poszczególne dane wyjściowe i kliknij przycisk „Uruchom”. Jeśli określona tabela BigQuery istnieje, Dataprep dołączy do niej nowe wiersze. W przeciwnym razie utworzy nową tabelę.
Aby monitorować zadania, w lewym panelu kliknij ikonę „Historia zadań”. Przetwarzanie i wczytywanie tabel BigQuery powinno zająć kilka minut.
Po zakończeniu wszystkich zadań wyniki ankiety zostaną wczytane do BigQuery w czystym, uporządkowanym i znormalizowanym formacie gotowym do analizy.
7. Analizowanie danych z ankiety w BigQuery
W konsoli Google BigQuery powinny być widoczne szczegóły każdej z nowych tabel.
Dzięki danym z ankiet w BigQuery możesz łatwo zadawać bardziej złożone pytania, aby lepiej zrozumieć odpowiedzi na ankiety. Załóżmy na przykład, że chcesz dowiedzieć się, jakiego języka programowania najczęściej używają osoby na różnych stanowiskach. Możesz napisać takie zapytanie:
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
Aby jeszcze bardziej zwiększyć skuteczność analiz, możesz połączyć odpowiedzi na ankietę z danymi z systemu zarządzania relacjami z klientami (CRM) i sprawdzić, czy uczestnicy są powiązani z kontami, które są już uwzględnione w Twojej hurtowni danych. Może to pomóc Twojej firmie podejmować bardziej świadome decyzje dotyczące obsługi klienta lub kierowania reklam na użytkowników w przypadku nowych produktów.
Poniżej pokazujemy, jak połączyć dane z ankiety z tabelą kont na podstawie domeny respondenta i witryny konta. Teraz możesz zobaczyć rozkład odpowiedzi według rodzaju konta, co pomoże Ci określić, ilu respondentów ma konta obecnych klientów.
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. Przeprowadzanie analizy wizualnej
Teraz, gdy dane z ankiet są scentralizowane w hurtowni danych, możesz je łatwo analizować za pomocą narzędzia do analizy biznesowej. Utworzyliśmy kilka przykładowych raportów w Studio danych i w Lookerze.
Looker
Jeśli masz już instancję Lookera, możesz użyć LookML w tym folderze , aby rozpocząć analizowanie przykładowych danych z ankiety i systemu CRM pod kątem tego wzorca. Wystarczy utworzyć nowy projekt Looker, dodać LookML i zastąpić nazwy połączeń i tabel w pliku, aby dopasować je do konfiguracji BigQuery. Jeśli nie masz instancji Lookera, ale chcesz dowiedzieć się więcej, możesz zaplanować sesję demonstracyjną tutaj.
Studio danych
Aby utworzyć raport w Studio danych, kliknij ramkę z krzyżykiem Google „Pusty raport” i połącz się z BigQuery. Postępuj zgodnie ze wszystkimi instrukcjami w Studio danych. Jeśli chcesz dowiedzieć się więcej, szybki przewodnik i wprowadzenie do głównych funkcji Data Studio znajdziesz tutaj. Znajdziesz tu również gotowe panele Studio danych.
9. Czyszczenie
Najprostszym sposobem na uniknięcie płatności jest usunięcie projektu w chmurze utworzonego na potrzeby tego samouczka. Zamiast tego możesz usunąć poszczególne zasoby.
- W Cloud Console otwórz stronę zarządzania zasobami.
- Z listy projektów wybierz projekt do usunięcia, a potem kliknij Usuń.
- W oknie wpisz identyfikator projektu i kliknij Wyłącz, aby usunąć projekt.