1. Wprowadzenie
Ankiety można przeprowadzać z wielu powodów: aby ocenić zadowolenie klientów, przeprowadzić badania rynkowe, ulepszyć produkt lub usługę albo ocenić zaangażowanie pracowników. Jeśli jednak wcześniej pracowałeś(-aś) z danymi ankiet, wiesz pewnie, że standardowy format jest trudny w użyciu. W tym przewodniku tworzymy zautomatyzowaną ścieżkę, która rejestruje wyniki Google Forms, przygotowuje dane do analizy za pomocą Cloud Dataprep, ładuje je do BigQuery i pozwala zespołowi wykonywać analizy wizualne za pomocą narzędzi takich jak Looker czy Data Studio.
Co utworzysz
W tym laboratorium kodu użyjesz Dataprep do przekształcenia odpowiedzi z naszego przykładowego ankiety w Google Forms do formatu przydatnego do analizy danych. Przesyłasz przekształcone dane do BigQuery, gdzie możesz zadawać bardziej szczegółowe pytania za pomocą języka SQL i złączać je z innymi zbiorami danych, aby przeprowadzać bardziej zaawansowane analizy. Na koniec możesz zapoznać się z gotowymi panelami lub połączyć z BigQuery własne narzędzie do analizy biznesowej, aby tworzyć nowe raporty.
Czego się nauczysz
- Jak przekształcać dane ankiety za pomocą Dataprep
- Przesyłanie danych ankiety do BigQuery
- Jak uzyskać więcej statystyk na podstawie danych z ankiety
Czego potrzebujesz
- projekt Google Cloud z włączonymi funkcjami rozliczeń, BigQuery i Dataprep.
- Podstawowa znajomość Dataprep jest przydatna, ale nie jest wymagana.
- Podstawowa znajomość BigQuery i SQL jest przydatna, ale nie jest wymagana.
2. Zarządzanie odpowiedziami w Formularzach Google
Na początek przyjrzymy się odpowiedziom w Google Forms na nasz przykładowy kwestionariusz.
Wyniki ankiety można wyeksportować z karty „Odpowiedzi”. Aby to zrobić, kliknij ikonę Arkuszy Google i utwórz nowy arkusz kalkulacyjny lub zaimportuj wyniki do istniejącego. Formularz Google będzie dodawać odpowiedzi do arkusza kalkulacyjnego, gdy użytkownicy będą przesyłać odpowiedzi, dopóki nie odznaczysz przycisku „Akceptowanie odpowiedzi”.
Przyjrzyjmy się teraz poszczególnym typom odpowiedzi i temu, jak są one przekształcane w pliku Arkuszy Google.
3. Przekształcanie odpowiedzi na pytania ankiety
Pytania ankiety można grupować w 4 rodziny, które będą miały określony format eksportu. W zależności od rodzaju pytania musisz odpowiednio zmienić strukturę danych. Tutaj sprawdzamy poszczególne grupy i typy przekształceń, które musimy zastosować.
Pytania jednokrotnego wyboru: krótka odpowiedź, akapit, menu, skala liniowa itp.
- Nazwa pytania: nazwa kolumny
- Odpowiedź: wartość komórki
- Wymagania dotyczące transformacji: nie jest wymagana żadna transformacja; odpowiedź jest wczytywana w postaci pierwotnej.
Pytania jednokrotnego wyboru: wiele opcji, pole wyboru
- Nazwa pytania: nazwa kolumny
- Odpowiedź: lista wartości oddzielonych średnikami (np. „Odp. 1; Odp. 4; Odp. 6”).
- Wymagania dotyczące przekształcania: listę wartości trzeba wyodrębnić i przekształcić, aby każda odpowiedź stała się nowym wierszem.
Pytania z siatką jednokrotnego wyboru
Oto przykład pytania jednokrotnego wyboru. Z każdego wiersza należy wybrać jedną wartość.
- Nazwa pytania: każde pojedyncze pytanie staje się nazwą kolumny w formacie „Pytanie [Opcja]”.
- Odpowiedź: każda odpowiedź w kratce staje się kolumną z unikalną wartością.
- Wymagania dotyczące przekształcania: każde pytanie i odpowiedź muszą stać się nowym wierszem w tabeli i podzielone na 2 kolumny. Jedna kolumna zawiera opcję pytania, a druga – odpowiedź.
Pytania z siatką pól wyboru z wieloma odpowiedziami
Oto przykład siatki z polem wyboru. Można wybrać od 0 do wielu wartości z każdego wiersza.
- Nazwa pytania: każde pojedyncze pytanie staje się nazwą kolumny w formacie „Pytanie [Opcja]”.
- Odpowiedź: każda odpowiedź w siatce staje się kolumną z listą wartości oddzielonych średnikami.
- Wymagania dotyczące przekształcania: te typy pytań łączą kategorie „Pole wyboru” i „Tablica z wielokrotnie wybieranymi odpowiedziami” i muszą być rozwiązywane w tej kolejności.
Najpierw należy wyodrębnić i przekształcić listę wartości w każdej odpowiedzi, aby każda odpowiedź stała się nowym wierszem w przypadku danego pytania.
Po drugie: każda odpowiedź musi być nowym wierszem w tabeli i podzielona na 2 kolumny. Jedna kolumna z opcją dotyczącą pytania i druga kolumna z odpowiedzią.
Następnie pokażemy, jak te przekształcenia są obsługiwane w Cloud Dataprep.
4. Tworzenie przepływu Cloud Dataprep
Importowanie w Cloud Dataprep szablonu projektowania analizy Google Forms
Pobierz pakiet wzorców projektowych Google Forms Analytics (bez rozpakowywania). W aplikacji Cloud Dataprep kliknij ikonę Przepływy na pasku nawigacyjnym po lewej stronie. Następnie na stronie Przepływy w menu kliknij Importuj.
Po zaimportowaniu procesu wybierz go, aby go edytować. Ekran powinien wyglądać tak:
Połącz arkusz kalkulacyjny z wynikami ankiety w Arkuszach Google
Po lewej stronie procesu źródło danych musi zostać ponownie połączone z Arkuszami Google zawierającymi wyniki z formularzy Google. Kliknij prawym przyciskiem myszy obiekt Zbiory danych w Arkuszach Google i wybierz „Zastąp”.
Następnie kliknij link „Importuj zbiory danych” u dołu okna. Kliknij ikonę ołówka „Edytuj ścieżkę”.
Następnie zastąp bieżącą wartość linkiem do Arkuszy Google z niektórymi wynikami z Google Forms. Możesz użyć naszego przykładu lub swojej kopii: https://docs.google.com/spreadsheets/d/1DgIlvlLceFDqWEJs91F8rt1B-X0PJGLY6shkKGBPWpk/edit?usp=sharing
W prawym dolnym rogu kliknij „Dalej”, a potem „Importuj i dodaj do przepływu”. Gdy wrócisz do okna modalnego, w prawym dolnym rogu kliknij przycisk „Zastąp”.
Łączenie tabel BigQuery
Po prawej stronie przepływu musisz połączyć dane wyjściowe z własną instancją BigQuery. W przypadku każdego wyjścia kliknij ikonę, a następnie w odpowiedni sposób edytuj jego właściwości.
Najpierw edytuj „Manual destinations” (Manual destinations)
Na kolejnym ekranie „Ustawienia publikacji” kliknij przycisk edycji.
Gdy pojawi się ekran „Działanie publikowania”, musisz zmienić ustawienia połączenia, klikając połączenie BigQuery i edytując jego właściwości.
Wybierz zbiór danych BigQuery, do którego chcesz załadować wyniki Google Forms. Jeśli nie masz jeszcze utworzonego żadnego zbioru danych BigQuery, możesz wybrać „domyślny”.
Po zmodyfikowaniu danych „Manual destinations” (Miejsca docelowe ręczne) postępuj w taki sam sposób w przypadku danych „Scheduled destinations” (Miejsca docelowe o zdefiniowanym harmonogramie).
Powtarzaj te same czynności dla każdego wyniku. W ogóle musisz edytować 8 miejsc docelowych.
5. Objaśnienie przepływu danych w Cloud Dataprep
Podstawowym założeniem przepływu „Google Forms Analytics Design Pattern” jest przeprowadzenie przekształceń odpowiedzi na pytania w sposób opisany wcześniej – poprzez rozbicie każdej kategorii pytań na konkretne reguły przetwarzania danych w Cloud Dataprep.
Ten proces dzieli pytania na 4 tabele (odpowiadające 4 kategoriom pytań, dla uproszczenia)
Zalecamy, abyś po kolei przejrzał wszystkie przepisy, zaczynając od „Czyste nagłówki”, a potem „Pytania z jednym wyborem SELECT”. Pozostałe przepisy znajdują się poniżej.
Wszystkie przepisy są opatrzone komentarzami, które wyjaśniają różne etapy przekształcania. W ramach przepisu możesz edytować krok i wyświetlić stan danej kolumny przed i po zmianie.
6. Uruchamianie przepływu Cloud Dataprep
Teraz, gdy źródło i miejsca docelowe są prawidłowo skonfigurowane, możesz uruchomić przepływ danych, aby przekształcić odpowiedzi i wczytać je do BigQuery. Wybierz poszczególne dane wyjściowe i kliknij przycisk „Uruchom”. Jeśli określona tabela BigQuery istnieje, Dataprep doda do niej nowe wiersze, w przeciwnym razie utworzy nową tabelę.
Aby monitorować zadania, w lewym panelu kliknij ikonę „historia zadań”. Przejście do tej opcji i wczytanie tabel BigQuery powinno zająć kilka minut.
Gdy wszystkie zadania zostaną ukończone, wyniki ankiety zostaną załadowane do BigQuery w czystym, uporządkowanym i znormalizowanym formacie, gotowym do analizy.
7. Analizowanie danych ankiety w BigQuery
W konsoli Google dla BigQuery powinny być widoczne szczegóły każdej nowej tabeli.
Dzięki danym z ankiet w BigQuery możesz łatwo zadawać bardziej szczegółowe pytania, aby lepiej zrozumieć odpowiedzi. Załóżmy np., że chcesz się dowiedzieć, jakiego języka programowania najczęściej używają osoby o różnych tytułach zawodowych. Możesz wtedy utworzyć 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 rozszerzyć możliwości analiz, możesz złączyć odpowiedzi na ankietę z danymi z systemu CRM, aby sprawdzić, czy uczestnicy są przypisani do kont, które są już uwzględnione w Twoim magazynie danych. Pomoże Ci to podejmować świadome decyzje dotyczące obsługi klienta lub kierowania reklam na użytkowników w przypadku nowych produktów.
Poniżej pokazujemy, jak złączyć dane ankiety z tabelą kont na podstawie domeny respondenta i witryny konta. Możesz teraz sprawdzić rozkład odpowiedzi według typu konta, co pomoże Ci określić, ilu respondentów należy do dotychczasowych kont 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
Dane z ankiety są teraz scentralizowane w hurtowni danych, dzięki czemu możesz je łatwo analizować w narzędziu analityki biznesowej. Utworzyliśmy kilka przykładowych raportów w Studiu danych i Looker.
Looker
Jeśli masz już instancję Lookera, możesz użyć pliku LookML w tym folderze , aby rozpocząć analizowanie przykładowych danych ankiety i CRM dla tego wzorca. Wystarczy utworzyć nowy projekt Looker, dodać plik LookML i zastąpić w nim nazwy połączeń i tabel, aby pasowały do konfiguracji BigQuery. Jeśli nie masz instancji Lookera, ale chcesz dowiedzieć się więcej, zaplanuj tutaj demonstrację.
Studio danych
Aby utworzyć raport w Studiu danych, kliknij ramkę z krzyżykiem Google „Pusty raport” i połącz się z BigQuery. Postępuj zgodnie ze wszystkimi instrukcjami w Studiu danych. Jeśli chcesz dowiedzieć się więcej, tutaj znajdziesz krótkie wprowadzenie do głównych funkcji Data Studio. Tutaj znajdziesz też gotowe panele Studia danych.
9. Czyszczenie
Najprostszym sposobem na uniknięcie płatności jest usunięcie projektu Cloud utworzonego na potrzeby tego samouczka. Możesz też usunąć poszczególne zasoby.
- W Cloud Console otwórz stronę Zarządzanie zasobami.
- Na liście projektów wybierz projekt do usunięcia, a potem kliknij Usuń.
- W oknie wpisz identyfikator projektu i kliknij Wyłącz, aby usunąć projekt.