SQL for Data Analytics with BigQuery

Section 1: Lab: เริ่มต้นกับ BigQuery

• BigQuery คืออะไร และต่างจากการวิเคราะห์ข้อมูลใน Excel อย่างไร

• เปิดใช้ BigQuery Sandbox และรู้จัก Project, Dataset และ Table

• สำรวจ Schema, Preview และ Public Dataset จากหน้า Console

• Lab: รัน Query แรกและดูปริมาณข้อมูลที่ Query จะสแกนก่อนกด Run

Section 2: Lab: ดึง กรอง และเรียงข้อมูล

• SELECT, Alias, DISTINCT และ LIMIT

• กรองด้วย WHERE: เปรียบเทียบ AND, OR, IN, BETWEEN และ LIKE

• เรียงผลลัพธ์ด้วย ORDER BY และจัดการค่า NULL

• ชนิดข้อมูลใน BigQuery และการแปลงชนิดอย่างปลอดภัยด้วย SAFE_CAST

Section 3: สรุปข้อมูลด้วย Aggregate และ GROUP BY

• COUNT, SUM, AVG, MIN, MAX และ COUNT DISTINCT

• GROUP BY หลายคอลัมน์ และกรองผลสรุปด้วย HAVING

• ความต่างของ WHERE กับ HAVING และลำดับการทำงานของ Query

• Lab: สรุปยอดขาย จำนวนออร์เดอร์ และยอดเฉลี่ยต่อบิลตามเดือนและหมวดสินค้า

Section 4: Lab: เชื่อมตารางด้วย JOIN

• INNER, LEFT และ FULL OUTER JOIN ใช้เมื่อไร

• ปัญหาแถวซ้ำจาก JOIN ที่ทำให้ยอดรวมเกินจริง และวิธีตรวจสอบ

• ข้อมูลแบบ Nested และ Repeated ใน BigQuery และการใช้ UNNEST

• Lab: รวมออร์เดอร์ ลูกค้า และสินค้าเพื่อหายอดขายตามกลุ่มลูกค้า

Section 5: CASE วันที่ และข้อความ

• แบ่งกลุ่มข้อมูลด้วย CASE WHEN และนับแบบมีเงื่อนไข

• DATE_TRUNC, EXTRACT, DATE_DIFF และ Time Zone ของประเทศไทย

• ฟังก์ชันข้อความและ REGEXP สำหรับทำความสะอาดข้อมูล

• จัดการค่าว่างด้วย IFNULL และ COALESCE และหารอย่างปลอดภัยด้วย SAFE_DIVIDE

• Lab: แบ่งลูกค้าตามยอดซื้อและสรุปยอดขายรายสัปดาห์

Section 6: Lab: CTE และ Subquery

• Subquery ใน WHERE และ FROM

• แตก Query ยาวเป็นขั้นตอนด้วย WITH (CTE) ให้อ่านและตรวจง่าย

• เทคนิคตรวจผลทีละขั้นก่อนต่อ Query ขั้นถัดไป

• Lab: หาสินค้าขายดี 10 อันดับแรกของแต่ละหมวดที่ยอดขายสูงกว่าค่าเฉลี่ย

Section 7: Window Function: จัดอันดับข้อมูล

• แนวคิด OVER, PARTITION BY และ ORDER BY

• ROW_NUMBER, RANK และ DENSE_RANK ต่างกันอย่างไร

• กรองผลจาก Window Function ด้วย QUALIFY

• Lab: หาออร์เดอร์แรกของลูกค้าแต่ละคน และสินค้าขายดีอันดับต้นของแต่ละสาขา

Section 8: Lab: ยอดสะสมและเทียบช่วงเวลา

• ยอดสะสม (Running Total) และค่าเฉลี่ยเคลื่อนที่ด้วย Window Frame

• LAG และ LEAD สำหรับเทียบเดือนก่อนหน้าและปีก่อน

• สัดส่วนต่อยอดรวม (Share of Total) และอัตราการเติบโต

• Lab: รายงานยอดขายรายเดือนพร้อม MoM และ YoY

Section 9: Lab: Cohort, Retention และ Funnel

• จัดกลุ่มลูกค้าตามเดือนที่ซื้อครั้งแรกเพื่อทำ Cohort

• คำนวณ Retention รายเดือนและจัดเป็นตาราง Cohort

• Funnel จากข้อมูล Event: เข้าชม ใส่ตะกร้า และชำระเงิน

• อ่านผลเพื่อหาจุดที่ลูกค้าหลุด และข้อควรระวังในการตีความ

Section 10: เขียน Query ให้ประหยัดค่าใช้จ่าย

• BigQuery คิดค่าใช้จ่ายอย่างไร และทำไมปริมาณข้อมูลที่สแกนจึงสำคัญ

• หลีกเลี่ยง SELECT * และเลือกเฉพาะคอลัมน์ที่ใช้

• Partitioned และ Clustered Table และการกรองให้ตรง Partition

• Query Cache, Dry Run และการจำกัด Maximum Bytes Billed

• Lab: เทียบปริมาณข้อมูลที่สแกนก่อนและหลังปรับ Query

Section 11: บันทึกผล ส่งต่อ และใช้ Gemini ช่วยเขียน SQL

• บันทึก Query, สร้าง View และตั้ง Scheduled Query

• ส่งผลลัพธ์ไป Google Sheets และเชื่อมต่อกับ Data Studio

• ใช้ Gemini ใน BigQuery ร่างและอธิบาย SQL จากภาษาธรรมชาติ

• ตรวจ SQL ที่ AI เขียน: ตรรกะ ตัวเลข และค่าใช้จ่ายก่อนใช้จริง

Section 12: Workshop: Capstone วิเคราะห์ธุรกิจ

• รับโจทย์ธุรกิจจากผู้บริหารสมมุติ และแปลงเป็นคำถามที่ตอบด้วย SQL

• เขียน Query วิเคราะห์ยอดขาย ลูกค้า และ Retention ด้วยเทคนิคที่เรียนมา

• บันทึกเป็น View แล้วต่อ Data Studio เพื่อสรุปผลเป็นภาพ

• นำเสนอข้อค้นพบ รีวิว SQL ร่วมกัน และสรุป Checklist การเขียน Query