前導文章：Martech 必看！手把手教學帶您正確的建立行銷資料倉儲 (一)
轉換
本節介紹如何準備分析用的資料，包含清理和重新整理格式以達到資料集的一致性。您希望分析人員能夠在幾乎沒有程式撰寫的情況下清理資料，例如：可自動擴充的分散式環境。
您可以使用 BigQuery 從一個表移轉到另一個表或使用 View 進行批量轉換 。但是對於更進階的轉換，您可能會更喜歡視覺化工具，它以最少的程式需求來處理 pipeline 中數 TB 的資料。
假設您有一個字串 key，例如 Other_data 導出到 Campaign Manager 活動表中的字串：
key1=value1&key2=value2&...keyN=valueN
您希望將字串們轉換成表，拆分成數個欄 (column) 和相對應的值。
key1 | key2 | … | keyN
----------------------
val1 | val2 | … | valN
讓 Key 的名稱變成欄 (column) 有助於與其他現存的表連接。這些 key 可以包含自定義信息，例如您的 CRM 用戶 ID，產品列表或追蹤網址成效 (UTM) 資料。
Cloud Dataprep by Trifacta 提供了一個名為 recipes (方案) 的功能，可用於定義轉換。recipes 是一系列在分散式環境執行的工作。
分析
集中保存清理過的資料後，您可以開始分析它。資料存放在 BigQuery 有以下優點：
- 您可以對此範例 (如：Google 廣告管理系統報告 API 或用戶界面可以處理的內容) 進行更大量的資料查詢。
- 您可以得到更細微的資料，這些資料不一定能從 UI 或者報表 API 中得到。
- 您可以將多個來源的資料進行結合運用。
本節的其餘部分介紹了可以使用可用資料執行的操作。該部份分為兩部分：
- 標準分析需要一些 SQL 的基本知識，主要關注兩種類型的分析：
- 描述性分析，可查看您的業務中發生的事情。
- 診斷分析，了解它為什麼會發生。
- 基於機器學習的分析 (可能需要資料分析師或資料科學家) 可以開啟新的分析，例如：
- 預測分析，藉由歷史資料預測結果。
- 指導分析，預測結果並準備您的策略。
標準分析
與廣告相關的產品每天可以產生 GB 等級或者甚至 TB 等級的日誌資料，這可能很難分析。制式的報告工具
