쿼리 결과 시각화

분석 및 비즈니스 인텔리전스 도구는 BigQuery 데이터에서 통계를 발견하는 데 매우 중요합니다. BigQuery 는 다음과 같은 장소 통계 데이터에 대한 쿼리 결과를 분석하는 데 사용할 수 있는 여러 Google 및 서드 파티 데이터 시각화 도구를 지원합니다.

BigQuery Studio의 시각화 탭
Colab 노트북
Looker Studio
Google Earth Engine
BigQuery Geo Viz

아래 예에서는 결과를 시각화하는 방법을 설명합니다.

통합 지리 데이터 뷰어인 BigQuery Studio의 시각화 탭
호스팅된 Jupyter 노트북 서비스인 Colab 노트북
데이터 시각화, 대시보드, 보고서를 빌드하고 사용할 수 있는 플랫폼인 Looker Studio
Google 지도 API를 사용하는 BigQuery의 지리 공간 데이터 시각화 도구인 BigQuery Geo Viz

예에서는 휠체어 접근 가능 레스토랑의 시각화를 보여주지만 어떤 장소 통계 쿼리 및 브랜드 데이터 쿼리도 시각화할 수 있습니다.

다른 도구를 사용하여 데이터를 시각화하는 방법에 관한 자세한 내용은 BigQuery 문서를 참고하세요.

시각화할 데이터 쿼리

아래 시각화 예에서는 다음 쿼리를 사용하여 뉴욕시의 엠파이어 스테이트 빌딩에서 3,000m 이내에 휠체어 접근 가능 입구가 있는 레스토랑 수를 생성합니다. 이 쿼리는 각 지점의 크기가 0.005도인 지리적 지점 당 레스토랑 수의 테이블을 반환합니다.

GEOGRAPHY 지점에서 GROUP BY 작업을 실행할 수 없으므로 이 쿼리는 BigQuery ST_ASTEXT 함수를 사용하여 각 지점을 지점의 STRING WKT 표현으로 변환하고 해당 값을 geo_txt 열에 씁니다. 그런 다음 geo_txt를 사용하여 GROUP BY를 실행합니다.

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
    `PROJECT_NAME.places_insights___us.places`
  WHERE
    'restaurant' IN UNNEST(types)
    AND wheelchair_accessible_entrance = true
    AND ST_DWITHIN(ST_GEOGPOINT(-73.9857, 40.7484), point, 3000)
  GROUP BY
    geo_txt
)

다음 이미지는 이 쿼리의 출력 예시를 보여줍니다. 여기서 count에는 각 지점의 레스토랑 수가 포함됩니다.

뉴욕시에서 휠체어 이용이 가능한 음식점의 쿼리 결과

BigQuery Studio의 시각화 탭을 사용하여 데이터 시각화

다음 이미지는 시각화 탭을 사용하여 BigQuery에 표시된 이 데이터를 보여줍니다. 어두운 원은 해당 위치에 레스토랑이 더 많이 집중되어 있음을 나타냅니다.

BigQuery Studio의 밀도 지도

BigQuery Studio에서 데이터 시각화

시각화할 데이터 쿼리에서 위의 쿼리를 실행합니다.
1. BigQuery 결과에서 시각화 탭을 클릭합니다.
쿼리된 지점을 나타내는 원이 있는 지도가 열립니다.
시각화 구성에서 데이터 열을 count로 설정합니다.
어두운 원은 레스토랑 수가 더 많은 지점을 나타냅니다.
필요에 따라 다른 설정을 업데이트하여 시각화의 모양과 느낌을 변경할 수 있습니다.

구성 옵션에 관한 자세한 내용은 BiqQuery 시각화 문서 를 참고하세요.

Colab 노트북을 사용하여 데이터 시각화

Colab 노트북의 시각화는 BigQuery Studio보다 더 많은 제어 기능과 정교함을 제공하며 Jupyter 노트북 환경을 유지할 수 있습니다.

Colab에서 지리 공간 분석 데이터를 시각화하는 방법에 관한 튜토리얼은 다음 세 가지 형식으로 제공됩니다.

Colab 문서
YouTube 동영상
GitHub 노트북 (Workspaces용 Colab 또는 Colab Enterprise에서 클론하고 사용할 수 있음)

이 튜토리얼에서는 pydeck, deck.gl을 사용하는 4가지 기본 차트 유형에 중점을 둡니다.

산점도 (일반적으로 샘플링용)
GeoJSON (검색용)
단계 구분도 (강도용)
히트맵 (밀도용)

Looker Studio를 사용하여 데이터 시각화

다음 이미지는 Looker Studio에 히트맵으로 표시된 이 데이터를 보여줍니다. 히트맵은 밀도를 낮음 (녹색)에서 높음 (빨간색)으로 보여줍니다.

쿼리 결과가 음영 지도와 히트맵으로 표시됩니다.

Looker Studio로 데이터 가져오기

Looker Studio로 데이터를 가져오려면 다음 안내를 따르세요.

시각화할 데이터 쿼리에서 위의 쿼리를 실행합니다.
BigQuery 결과에서 다음에서 열기 - > Looker Studio 를 클릭합니다. 결과가 Looker Studio로 자동 가져오기됩니다.
Looker Studio는 기본 보고서 페이지를 만들고 제목, 표, 결과의 막대 그래프로 초기화합니다.
페이지의 모든 항목을 선택하고 삭제합니다.
삽입 - > 히트맵을 클릭하여 보고서에 히트맵을 추가합니다.
**차트 유형 - > 설정** 에서 **데이터** 섹션의 항목을 드래그하여 아래와 같이 필드를 구성합니다.
히트맵이 위와 같이 표시됩니다. 필요에 따라 차트 유형 -> 스타일을 선택하여 지도의 모양을 추가로 구성할 수 있습니다.