Einführung

  • 2 Minuten

Mit der Kusto-Abfragesprache (KQL) können Sie Ihre Daten untersuchen, um Muster zu erkennen, Anomalien und Ausreißer zu identifizieren und statistische Modelle zu erstellen. Eine Kusto-Abfrage ist eine schreibgeschützte Anforderung zur Verarbeitung von Daten und zur Rückgabe der Ergebnisse. KQL bietet eine Vielzahl von Funktionen, die Ihre Daten auf unterschiedliche Weise analysieren.

Beispielszenario

Angenommen, Sie arbeiten bei einem Einzelhandelsunternehmen, das eine Vielzahl von Produkten verkauft. Sie sind Datenanalyst*in im Vertriebsteam und für die Bereitstellung von Erkenntnissen verantwortlich, die dem Team helfen, das Bewusstsein für seine Produkte zu fördern und den Umsatz zu steigern. Sie möchten die gewünschten Erkenntnisse bereitstellen, dazu sind jedoch Daten erforderlich, die auf mehrere Tabellen verteilt sind. Sie möchten KQL verwenden, um Erkenntnisse zu gewinnen, indem Sie Daten aus mehreren Tabellen abfragen.

Wie werden wir vorgehen?

Sie schreiben Abfragen in Kusto Query Language (KQL), um zunächst Daten anzureichern, indem Sie mehrere Tabellen kombinieren und diese Daten dann analysieren, um tiefere Einblicke zu erhalten. In diesem Modul lernen Sie Folgendes:

  • Erweitern einer Faktentabelle mit Dimensionstabellendaten mithilfe der Operatoren join oder lookup
  • Zusammenführen oder Anfügen von Zeilen aus mehreren Tabellen oder tabellarischen Ausdrücken mithilfe des union-Operators
  • Optimieren von Unterabfragen mithilfe der materialize()-Funktion und vorübergehender Tabellen mit dem as-Operator
  • Analysieren von Daten mithilfe der Aggregationsfunktionen arg_min() und arg_max() des summarize-Operators

Voraussetzungen

  • Fähigkeit zum Schreiben von Kusto-Abfragen auf Anfänger- und Fortgeschrittenenniveau
  • Vertrautheit mit der let-Anweisung, dem summarize-Operator und Aggregationsfunktionen

Was ist das Hauptziel?

Am Ende dieser Sitzung können Sie optimierte Kusto-Abfragen schreiben, die Daten aus mehreren Tabellen kombinieren, und durch Anreicherung der Daten weitere Erkenntnisse gewinnen.