Valider les totaux calculés dans une requête en vérifiant si le montant total enregistré correspond à ce qu'il devrait être en fonction de la quantité et du prix unitaire. L'objectif est d'identifier les enregistrements incorrects en recalculant le total attendu et en filtrant les divergences. Le but final est de retourner uniquement les lignes où le total stocké est erroné, afin de garantir l'exactitude des données dans les ensembles de données transactionnelles.

La requête doit retourner **trois lignes spécifiques**, qui représentent les enregistrements où les totaux ne correspondent pas correctement.


La logique principale de validation est la suivante :

$$
\text{Quantity} × \text{Unit Price} = \text{Correct Total}
$$

Comparer cette valeur calculée à la colonne existante **Total Amount**.


Une **nouvelle colonne calculée** est créée pour représenter le total correct (quantité multipliée par le prix unitaire). Cela rend la comparaison explicite et plus facile à comprendre.


La requête filtre ensuite les résultats pour inclure uniquement les lignes où :

$$
\text{Total Amount} ≠ \text{Quantity} × \text{Unit Price}
$$

Cette approche permet de :

- Identifier les enregistrements transactionnels incorrects ou incohérents ;
- Déboguer les problèmes de tarification ou de saisie de données ;
- Valider la logique métier directement dans SQL plutôt qu'en externe.

Le défi à résoudre ne concerne pas les agrégations, mais la validation au niveau de la ligne, afin de garantir que chaque transaction est cohérente en interne.



Plongez dans les fondamentaux de la plateforme BigQuery et transformez votre gestion des données cloud. Maîtrisez les compétences nécessaires pour naviguer dans la console, gérer les projets et optimiser les coûts des requêtes. Acquérez une expérience pratique avec des fonctionnalités spécifiques à BigQuery telles que les opérations sur les tableaux, les données géographiques et les fonctions de date. Explorez des techniques d’optimisation avancées et découvrez les secrets de la création de modèles de machine learning directement dans l’entrepôt grâce à BigQuery ML.

Acquérir une compréhension approfondie de l'environnement BigQuery, distinct des bases de données traditionnelles. Apprendre à naviguer dans la console, à gérer les projets et les ensembles de données, et à analyser les coûts de manière efficace. Développer la confiance dans la configuration de votre espace de travail pour une analyse de données efficiente.

Explorez les principes fondamentaux du moteur de requête pour extraire efficacement des données. Maîtrise des techniques de sélection de données et analyse de métriques spécifiques aux produits. Découverte des fonctionnalités de performance et des méthodes de test de requêtes pour garantir une analyse rapide et précise.

Élevez vos connaissances en maîtrisant les types de données spécifiques à BigQuery. Apprenez à gérer des opérations complexes sur les tableaux et à manipuler les fonctions de date et d'heure. Explorez les fonctionnalités géographiques pour résoudre des problématiques liées à la localisation, telles que le calcul des distances entre villes.

Optimisez votre flux de travail en gérant de grandes tables et en améliorant les performances des requêtes. Découvrez les secrets d'une gestion efficace des erreurs pour résoudre rapidement les problèmes. Maîtrisez les compétences nécessaires pour maintenir un environnement de base de données haute performance.

Appliquez vos connaissances à des scénarios réels. Découvrez comment élaborer des rapports complets et intégrer BigQuery avec des outils externes. Transformez des données brutes en informations exploitables pour l'entreprise grâce à des stratégies pratiques d'application et de reporting.

Plongez dans les fondamentaux de BigQuery ML. Découvrez comment créer et exécuter des modèles d'apprentissage automatique à l'aide du SQL standard sans déplacer les données. Acquérez une expérience pratique grâce à des démonstrations de modèles pour prédire des résultats directement sur la plateforme.

Défi : Test de Requête

Tâche