আপনার BigQuery ডেটা থেকে অন্তর্দৃষ্টি আবিষ্কার করতে আপনাকে সাহায্য করার জন্য বিশ্লেষণ এবং ব্যবসায়িক বুদ্ধিমত্তার সরঞ্জামগুলি অত্যন্ত গুরুত্বপূর্ণ৷ BigQuery বেশ কয়েকটি Google এবং তৃতীয় পক্ষের ডেটা ভিজ্যুয়ালাইজেশন টুলকে সমর্থন করে যেগুলি আপনি Places Insights ডেটাতে আপনার প্রশ্নের ফলাফল বিশ্লেষণ করতে ব্যবহার করতে পারেন, যার মধ্যে রয়েছে:
- লুকার স্টুডিও
- BigQuery জিও ভিজ
- Colab নোটবুক
- গুগল আর্থ ইঞ্জিন
নীচের উদাহরণে আপনার ফলাফলগুলি কীভাবে কল্পনা করা যায় তা বর্ণনা করে:
- লুকার স্টুডিও, এমন একটি প্ল্যাটফর্ম যা আপনাকে ডেটা ভিজ্যুয়ালাইজেশন, ড্যাশবোর্ড এবং রিপোর্ট তৈরি এবং ব্যবহার করতে দেয়।
- BigQuery জিও ভিজ, Google Maps API ব্যবহার করে BigQuery-এ একটি ভূ-স্থানিক ডেটা ভিজ্যুয়ালাইজেশন টুল।
অন্যান্য টুল ব্যবহার করে আপনার ডেটা ভিজ্যুয়ালাইজ করার বিষয়ে আরও তথ্যের জন্য BigQuery ডকুমেন্টেশন দেখুন।
ভিজ্যুয়ালাইজ করার জন্য ডেটা কোয়েরি করুন
নীচের ভিজ্যুয়ালাইজেশন উদাহরণগুলি নিউ ইয়র্ক সিটিতে হুইলচেয়ার অ্যাক্সেসযোগ্য প্রবেশদ্বার সহ রেস্তোরাঁর গণনা তৈরি করতে নিম্নলিখিত ক্যোয়ারী ব্যবহার করে৷ এই ক্যোয়ারীটি প্রতি ভৌগলিক পয়েন্টে রেস্টুরেন্টের গণনার একটি সারণী প্রদান করে যেখানে প্রতিটি পয়েন্টের আকার 0.005 ডিগ্রি।
যেহেতু আপনি একটি GEOGRAPHY পয়েন্টে GROUP BY অপারেশন করতে পারবেন না, তাই এই ক্যোয়ারীটি BigQuery ST_ASTEXT ফাংশন ব্যবহার করে প্রতিটি পয়েন্টকে পয়েন্টের STRING WKT উপস্থাপনায় রূপান্তর করে এবং সেই মানটিকে geo_txt কলামে লেখে। এটি তারপর geo_txt ব্যবহার করে GROUP BY সম্পাদন করে।
SELECT geo_txt, -- STRING WKT geometry value. ST_GEOGFROMTEXT(geo_txt) AS geo, -- Convert STRING to GEOGRAPHY value. count FROM ( -- Create STRING WKT representation of each GEOGRAPHY point to -- GROUP BY the STRING value. SELECT WITH AGGREGATION_THRESHOLD ST_ASTEXT(ST_SNAPTOGRID(point, 0.005)) AS geo_txt, COUNT(*) AS count FROM `places_insights___us___sample.places_sample` WHERE 'restaurant' IN UNNEST(types) AND wheelchair_accessible_entrance = true GROUP BY geo_txt )
নিম্নলিখিত চিত্রটি এই প্রশ্নের একটি উদাহরণ আউটপুট দেখায় যেখানে count প্রতিটি পয়েন্টের জন্য রেস্তোরাঁর সংখ্যা রয়েছে:
লুকার স্টুডিও ব্যবহার করে ডেটা ভিজ্যুয়ালাইজ করুন
নিম্নলিখিত চিত্রগুলি হিটম্যাপ হিসাবে লুকার স্টুডিওতে প্রদর্শিত এই ডেটা দেখায়৷ হিটম্যাপ কম (সবুজ) থেকে উচ্চ (লাল) পর্যন্ত ঘনত্ব দেখায়।
লুকার স্টুডিওতে আপনার ডেটা আমদানি করুন
লুকার স্টুডিওতে আপনার ডেটা আমদানি করতে:
ভিজ্যুয়ালাইজ করতে কোয়েরি ডেটাতে উপরের ক্যোয়ারীটি চালান।
BigQuery ফলাফলে, Open in -> Looker Studio-তে ক্লিক করুন। আপনার ফলাফল স্বয়ংক্রিয়ভাবে লুকার স্টুডিওতে আমদানি করা হয়।
লুকার স্টুডিও একটি ডিফল্ট রিপোর্ট পৃষ্ঠা তৈরি করে এবং ফলাফলের একটি শিরোনাম, টেবিল এবং বার গ্রাফ দিয়ে এটি শুরু করে।
পৃষ্ঠায় সবকিছু নির্বাচন করুন এবং এটি মুছুন।
আপনার রিপোর্টে একটি হিটম্যাপ যোগ করতে সন্নিবেশ -> হিটম্যাপ ক্লিক করুন।
চার্টের প্রকারের অধীনে -> সেটআপ নীচে দেখানো ক্ষেত্রগুলি কনফিগার করুন::
হিটম্যাপ উপরের মত প্রদর্শিত হবে. মানচিত্রের চেহারা আরও কনফিগার করতে আপনি ঐচ্ছিকভাবে চার্ট প্রকার -> শৈলী নির্বাচন করতে পারেন।
BigQuery জিও ভিজ ব্যবহার করে ডেটা ভিজ্যুয়ালাইজ করুন
নিম্নলিখিত চিত্রগুলি এই ডেটাটিকে BigQuery জিও ভিজে একটি ভরা মানচিত্র হিসাবে প্রদর্শন করে৷ ভরা মানচিত্রটি পয়েন্ট সেল দ্বারা রেস্তোরাঁর ঘনত্ব দেখায়, যেখানে বিন্দুটি যত বড় হয় তত বেশি ঘনত্বের সাথে মিলে যায়।
BigQuery জিও ভিজে আপনার ডেটা আমদানি করুন
BigQuery জিও ভিজে আপনার ডেটা আমদানি করতে:
ভিজ্যুয়ালাইজ করতে কোয়েরি ডেটাতে উপরের ক্যোয়ারীটি চালান।
BigQuery ফলাফলে, Open in -> GeoViz-এ ক্লিক করুন।
ডিসপ্লে কোয়েরি ধাপে খোলে।
কোয়েরি চালানোর জন্য রান বোতামটি নির্বাচন করুন। মানচিত্র স্বয়ংক্রিয়ভাবে মানচিত্রের পয়েন্টগুলি দেখায়।
ডেটা দেখতে ডেটা নির্বাচন করুন।
ডেটা বিভাগে, শৈলী যোগ করুন বোতামে ক্লিক করুন।
ফিল কালার নির্বাচন করুন এবং তারপরে ডেটা-চালিত স্টাইলিং সক্ষম করতে স্লাইডারটি ব্যবহার করুন।
নীচে দেখানো হিসাবে অবশিষ্ট ক্ষেত্র সেট করুন:
মানচিত্রে শৈলী প্রয়োগ করতে স্টাইল প্রয়োগ করুন ক্লিক করুন।