Places Insights বিভিন্ন ধরণের স্থানের ব্র্যান্ড তথ্য প্রদান করে। উদাহরণস্বরূপ:
- "এটিএম, ব্যাংক এবং ক্রেডিট ইউনিয়ন" বিভাগের জন্য, ব্র্যান্ডের ডেটাতে প্রতিটি ব্র্যান্ডের পিএনসি, ইউবিএস এবং চেজ ব্যাংকের জন্য একটি এন্ট্রি রয়েছে।
- "অটোমোটিভ ভাড়া" বিভাগের জন্য, ডেটাতে বাজেট, হার্টজ এবং থ্রিফটি ব্র্যান্ডের প্রতিটির জন্য একটি এন্ট্রি রয়েছে।
ব্র্যান্ড ডেটাসেট অনুসন্ধানের জন্য একটি সাধারণ ব্যবহারের ক্ষেত্রে হল স্থান ডেটা সম্পর্কিত একটি প্রশ্নের সাথে এটি যুক্ত করা যাতে প্রশ্নের উত্তর দেওয়া যায় যেমন:
- একটি এলাকার ব্র্যান্ড অনুসারে সমস্ত দোকানের সংখ্যা কত?
- এই অঞ্চলে আমার শীর্ষ তিনটি প্রতিযোগী ব্র্যান্ডের সংখ্যা কত?
- "ফিটনেস" বা "পেট্রোল পাম্প" এর মতো নির্দিষ্ট বিভাগের ব্র্যান্ডের সংখ্যা কত?
ব্র্যান্ডের ডেটাসেট সম্পর্কে
মার্কিন যুক্তরাষ্ট্রের ব্র্যান্ড ডেটাসেটের নাম places_insights___us.brands ।
ব্র্যান্ড ডেটাসেট স্কিমা
ব্র্যান্ড ডেটাসেটের স্কিমা তিনটি ক্ষেত্র সংজ্ঞায়িত করে:
-
id: ব্র্যান্ড আইডি। -
name: ব্র্যান্ডের নাম, যেমন "হার্টজ" বা "চেজ"। -
category: ব্র্যান্ডের ধরণ, যেমন "গ্যাস স্টেশন", "খাদ্য ও পানীয়", অথবা "বাসস্থান"। সম্ভাব্য মানগুলির তালিকার জন্য, বিভাগ মান দেখুন।
একটি কোয়েরিতে ব্র্যান্ড ডেটাসেট ব্যবহার করুন
স্থান ডেটাসেট স্কিমা brand_ids ক্ষেত্রটিকে সংজ্ঞায়িত করে। যদি স্থান ডেটাসেটের মধ্যে একটি স্থান একটি ব্র্যান্ডের সাথে সম্পর্কিত হয়, তাহলে স্থানের brand_ids ক্ষেত্রটিতে সংশ্লিষ্ট ব্র্যান্ড আইডি থাকে।
ব্র্যান্ড ডেটাসেটের উল্লেখ করে এমন একটি সাধারণ কোয়েরি brand_ids ক্ষেত্রের উপর ভিত্তি করে স্থান ডেটাসেটের সাথে একটি JOIN সম্পাদন করে।
উদাহরণস্বরূপ, নিউ ইয়র্ক সিটির এম্পায়ার স্টেট বিল্ডিংয়ের ২০০০ মিটারের মধ্যে ম্যাকডোনাল্ডস রেস্তোরাঁর সংখ্যা গণনা করতে:
SELECT WITH AGGREGATION_THRESHOLD COUNT(*) FROM PROJECT_NAME.places_insights___us.places places, UNNEST(brand_ids) AS brand_id LEFT JOIN PROJECT_NAME.places_insights___us.brands ON brand_id = brands.id WHERE ST_DWITHIN(ST_GEOGPOINT(-73.9857, 40.7484), point, 2000) AND brands.name = "McDonald's" AND business_status = "OPERATIONAL"
পরবর্তী কোয়েরিটি নিউ ইয়র্ক সিটিতে ব্র্যান্ডের অন্তর্গত ব্যাংকের সংখ্যা, ব্র্যান্ডের নাম অনুসারে গোষ্ঠীভুক্ত, গণনা করে:
SELECT WITH AGGREGATION_THRESHOLD brands.name, COUNT(*) AS store_count FROM PROJECT_NAME.places_insights___us.places places, UNNEST(brand_ids) AS brand_id LEFT JOIN PROJECT_NAME.places_insights___us.brands ON brand_id = brands.id WHERE brands.category = "ATMs, Banks and Credit Unions" AND "bank" IN UNNEST(places.types) AND business_status = "OPERATIONAL" GROUP BY brands.name ORDER BY store_count DESC;
নিচের ছবিতে ব্র্যান্ড অনুসারে গণনা দেখানো হয়েছে:
বিভাগের মান
একটি ব্র্যান্ডের category ক্ষেত্রে নিম্নলিখিত মানগুলি থাকতে পারে:
| বিভাগের ধরণের মান |
|---|
ATMs, Banks and Credit Unions |
Automotive and Parts Dealers |
Automotive Rentals |
Automotive Services |
Dental |
Electric Vehicle Charging Stations |
Electronics Retailers |
Fitness |
Food and Drink |
Gas Station |
Grocery and Liquor |
Health and Personal Care Retailers |
Hospital |
Lodging |
Merchandise Retail |
Movie Theater |
Parking |
Telecommunications |