Como conectar nuestro Google Sheets con Big Query

Introducción al tema de Bitcoin en BigQuery

Resumen de la sección: En esta sección, el presentador introduce el tema del uso de Google Sheets y BigQuery para manejar grandes cantidades de datos. Explica que aunque las hojas de cálculo son útiles para filtrar y buscar datos, tienen limitaciones en cuanto a la cantidad de filas que pueden manejar. Por lo tanto, se explorará cómo combinar lo mejor de ambos mundos: almacenar grandes cantidades de datos en BigQuery y consultarlos fácilmente desde Google Sheets.

Cómo llevar los datos de Google Sheets a BigQuery

• El presentador menciona que hay varias formas de llevar los datos de Google Sheets a BigQuery.

• Se explicará cómo llevar los datos utilizando dos métodos diferentes.

• Se muestra cómo acceder a BigQuery desde la página cloud.google.com.

• Se explica cómo habilitar BigQuery en caso de ser necesario.

• Se indica cómo crear un nuevo proyecto en BigQuery.

• Se menciona que dentro del proyecto se deben crear conjuntos de datos (datasets).

• El presentador sugiere organizar los conjuntos de datos por categorías como países o productos.

• Se muestra cómo crear un conjunto de datos llamado "ventas".

• Se explica que dentro del conjunto de datos se pueden crear tablas para almacenar los datos.

• El presentador sugiere organizar las tablas por año o producto, dependiendo de las necesidades.

• Se muestra cómo agregar una tabla desde Google Drive a BigQuery utilizando la URL del archivo.

Conclusiones

• La combinación de Google Sheets y BigQuery permite manejar grandes cantidades de datos y realizar consultas fácilmente.

• Es posible llevar los datos de Google Sheets a BigQuery utilizando diferentes métodos.

• En BigQuery, se deben crear proyectos, conjuntos de datos y tablas para organizar los datos de manera eficiente.

Creación de tabla de ventas maestras

Resumen de la sección: En esta sección, se explica cómo crear una tabla llamada "ventas maestras" dentro del proyecto y conjunto de datos seleccionados. Se muestra cómo detectar automáticamente la estructura de la tabla y se menciona la opción de agregar filas de encabezado que se omitirán.

Creación de tabla y estructura

• Seleccionar el proyecto y conjunto de datos.

• Dar un nombre a la tabla, en este caso "ventas maestras".

• Detectar automáticamente la estructura de la tabla.

• Opcionalmente, agregar filas de encabezado que se omitirán.

Visualización del esquema y edición

Resumen de la sección: En esta sección, se muestra cómo visualizar el esquema (campos) de la tabla creada. También se menciona que es posible editar el esquema para crear nuevos campos, pero no modificar los existentes.

Visualización del esquema

• Ir a la tabla "ventas maestras".

• Ver el esquema que muestra los campos y sus tipos.

• Posibilidad de editar el esquema para crear nuevos campos.

Consultas en BigQuery

Resumen de la sección: En esta sección, se introduce el concepto de consultas en BigQuery como una forma de extraer datos específicos desde una tabla. Se menciona que las consultas son útiles cuando no queremos ver toda la tabla completa debido al tamaño grande.

Realización de consultas

• Hay varias maneras de hacer consultas en BigQuery.

• Una forma sencilla es seleccionar la opción "Consultar" en los tres puntos de la tabla.

• Las consultas permiten extraer datos específicos de la tabla.

• El lenguaje utilizado para las consultas se llama SQL.

• Se recomienda no hacer consultas que soliciten grandes cantidades de datos para evitar consumir recursos innecesarios.

Estructura de una consulta en BigQuery

Resumen de la sección: En esta sección, se muestra la estructura básica de una consulta en BigQuery. Se explica que siempre debe incluir el proyecto, conjunto de datos y tabla a consultar entre comillas.

Estructura básica

• La estructura de una consulta en BigQuery incluye el proyecto, conjunto de datos y tabla entre comillas.

• Ejemplo: "proyecto.conjunto_de_datos.tabla".

Ejecución y visualización previa de una consulta

Resumen de la sección: En esta sección, se muestra cómo ejecutar una consulta en BigQuery y obtener una vista previa del resultado. También se destaca que los cambios realizados en los datos son reflejados en tiempo real.

Ejecución y visualización previa

• Ejecutar la consulta para ver el resultado.

• Obtener una vista previa del resultado antes de exportarlo o guardarlo.

• Los cambios realizados en los datos son reflejados en tiempo real.

Ventajas y uso práctico de las consultas

Resumen de la sección: En esta sección, se menciona que las consultas son útiles para trabajar con tablas grandes y evitar la necesidad de abrir y manipular toda la tabla. Se destaca que las consultas permiten filtrar los datos según criterios específicos.

Ventajas y uso práctico

• Las consultas son útiles para trabajar con tablas grandes.

• Evitan la necesidad de abrir y manipular toda la tabla.

• Permite filtrar los datos según criterios específicos, como año, mes o producto.

• Las consultas en BigQuery utilizan el lenguaje SQL.

Consulta y ejecución

Resumen de la sección: En esta sección, el hablante menciona que va a realizar una consulta y ejecutarla.

Consulta y ejecución

• El hablante menciona que solo tiene una fila en su consulta actual.

• Se plantea la pregunta sobre la utilidad de guardar los resultados si no se pueden guardar correctamente.

• Propone hacer una nueva consulta adicional para guardar los resultados en una tabla llamada "ventas junio del 2023".

• Menciona que ahora puede borrar la consulta anterior sin afectar los resultados guardados en la nueva tabla.

• Explica cómo volver a ejecutar la consulta y exportar los resultados cada día o en fechas específicas.

• Sugiere programar las consultas para automatizar el proceso.

Guardar consultas y exportar

Resumen de la sección: En esta sección, el hablante muestra cómo guardar consultas y exportar los resultados.

Guardar consultas y exportar

• El hablante muestra cómo guardar una consulta con un nombre específico, como "exportar sheets del mes".

• Explica que es posible realizar consultas avanzadas con filtros, órdenes y campos calculados.

• Menciona la opción de programar las consultas para ejecutarlas en fechas futuras.

• Propone volver a ejecutar y exportar las consultas guardadas en diferentes meses para acumular datos históricos.

• Sugiere utilizar uniones para consolidar información en una tabla histórica.

Consolidación de información

Resumen de la sección: En esta sección, el hablante menciona la importancia de consolidar información en una base de datos y muestra cómo hacerlo.

Consolidación de información

• El hablante destaca la necesidad de tener una sola tabla que contenga todo el histórico de ventas.

• Menciona que es posible consolidar la información utilizando comandos SQL.

• Explica que esta consolidación permite tener una única tabla con millones de filas sin afectar el rendimiento.

• Señala que mostrará en otro video cómo realizar esta consolidación.

Conclusiones y cierre

Resumen de la sección: En esta sección, el hablante concluye su presentación y menciona temas futuros a tratar.

Conclusiones y cierre

• El hablante agradece por haber seguido el video y espera que haya sido útil.

• Comenta que trabajar con Google Sheets puede ser un poco diferente al principio, pero resalta las ventajas del uso de consultas.

• Anuncia que en futuros videos abordará temas relacionados con Bitcoin y cómo consolidar información en una base de datos.