Bevor Sie sich BigQuery genauer ansehen können, müssen Sie sich in derGoogle Cloud Console anmelden und ein Projekt erstellen. Wenn Sie die Abrechnung in Ihrem Projekt nicht aktivieren, befinden sich alle hochgeladenen Daten in der BigQuery-Sandbox.
Mithilfe der Sandbox können Sie sich kostenlos mit BigQuery vertraut machen, während Sie mit einer begrenzten Anzahl von BigQuery-Features arbeiten. Weitere Informationen finden Sie unter BigQuery-Sandbox aktivieren.
Sign in to your Google Cloud account. If you're new to
Google Cloud,
create an account to evaluate how our products perform in
real-world scenarios. New customers also get $300 in free credits to
run, test, and deploy workloads.
In the Google Cloud console, on the project selector page,
select or create a Google Cloud project.
Optional: Wenn Sie ein vorhandenes Projekt auswählen, müssen Sie die BigQuery API aktivieren. Die BigQuery-API wird in neuen Projekten automatisch aktiviert.
BigQuery-Dataset erstellen
Erstellen Sie mit der Google Cloud Console ein Dataset zum Speichern der Daten. Sie erstellen Ihr Dataset am multiregionalen Standort "US". Informationen zu BigQuery-Regionen und ‑Multiregionen finden Sie unter Standorte.
Öffnen Sie in der Google Cloud Console die Seite „BigQuery“.
Klicken Sie im Bereich Explorer auf den Namen Ihres Projekts.
Klicken Sie auf more_vertAktionen ansehen.
Wählen Sie Dataset erstellen aus.
Führen Sie auf der Seite Dataset erstellen die folgenden Schritte aus:
Geben Sie unter Dataset-IDbabynames ein.
Wählen Sie als Standorttyp die Option Mehrere Regionen und dann USA (mehrere Regionen in den USA) aus. Die öffentlichen Datasets sind am multiregionalen Standort us gespeichert. Der Einfachheit halber sollten Sie Ihr Dataset am selben Speicherort speichern.
Übernehmen Sie die verbleibenden Standardeinstellungen unverändert und klicken Sie auf Dataset erstellen.
Datei mit den Quelldaten herunterladen
Die heruntergeladene Datei enthält ca. 7 MB an Daten zu beliebten Babynamen. Sie wird von der US-amerikanischen Sozialversicherungsbehörde bereitgestellt.
Laden Sie die Daten der US-amerikanischen Sozialversicherungsbehörde herunter. Öffnen Sie dazu die folgende URL in einem neuen Browsertab:
https://www.ssa.gov/OACT/babynames/names.zip
Extrahieren Sie die Datei.
Weitere Informationen zum Dataset-Schema finden Sie in der Datei NationalReadMe.pdf in der ZIP-Datei.
Um sich die Daten anzusehen, öffnen Sie die Datei yob2024.txt. Diese Datei enthält kommagetrennte Werte für den Namen, das bei der Geburt zugewiesene Geschlecht und die Anzahl der Kinder mit diesem Namen. Die Datei hat keine Kopfzeile.
Notieren Sie sich den Speicherort der Datei yob2024.txt, damit Sie sie später wiederfinden.
Daten in eine Tabelle laden
Als Nächstes laden Sie die Daten in eine neue Tabelle.
Maximieren Sie im Bereich Explorer
den Namen Ihres Projekts.
Klicken Sie neben dem Dataset babynames auf more_vertAktionen ansehen und wählen Sie Öffnen aus.
Klicken Sie auf add_boxTabelle erstellen.
Sofern nicht anders angegeben, verwenden Sie für alle Einstellungen die Standardwerte.
Führen Sie auf der Seite Tabelle erstellen die folgenden Schritte aus:
Wählen Sie im Abschnitt Quelle unter Tabelle erstellen aus die Option Hochladen aus der Liste aus.
Klicken Sie im Feld Datei auswählen auf Durchsuchen.
Öffnen Sie Ihre lokale Datei yob2024.txt und klicken Sie auf Öffnen.
Wählen Sie in der Liste Dateiformat die Option CSV aus.
Geben Sie im Abschnitt Ziel im Feld Tabelle den Wert names_2024 ein.
Klicken Sie im Abschnitt Schema auf die Ein/Aus-Schaltfläche Als Text bearbeiten und fügen Sie die folgende Schemadefinition in das Textfeld ein:
Warten Sie, bis BigQuery die Tabelle erstellt und die Daten geladen hat.
Vorschau von Tabellendaten
So lassen Sie die Tabellendaten in der Vorschau anzeigen:
Maximieren Sie im Bereich Explorer Ihr Projekt und das Dataset babynames und wählen Sie die Tabelle names_2024 aus.
Klicken Sie auf den Tab Vorschau. BigQuery zeigt die ersten Zeilen der Tabelle an.
Der Tab Vorschau ist nicht für alle Tabellentypen verfügbar. Beispielsweise wird der Tab Vorschau nicht für externe Tabellen oder Ansichten angezeigt.
Tabellendaten abfragen
Fragen Sie als Nächstes die Tabelle ab.
Klicken Sie neben dem Tab names_2024 auf die Option add_boxSQL-Abfrage. Ein neuer Editor-Tab wird geöffnet.
Fügen Sie die folgende Abfrage in den Abfrageeditor ein. Mit dieser Abfrage werden die fünf beliebtesten Namen für Babys abgerufen, die 2024 in den USA geboren wurden und denen bei der Geburt das männliche Geschlecht zugewiesen wurde.
Klicken Sie auf Ausführen.
Die Ergebnisse werden im Abschnitt Abfrageergebnisse angezeigt.
Sie haben erfolgreich eine Tabelle in einem öffentlichen Dataset abgefragt und dann Ihre Beispieldaten mit der Google Cloud Console in BigQuery geladen.
Bereinigen
Mit den folgenden Schritten vermeiden Sie, dass Ihrem Google Cloud -Konto die auf dieser Seite verwendeten Ressourcen in Rechnung gestellt werden:
Öffnen Sie in der Google Cloud Console die Seite „BigQuery“.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-09-04 (UTC)."],[[["\u003cp\u003eThis guide demonstrates how to use the Google Cloud console to create a BigQuery dataset, using the "babynames" dataset as an example.\u003c/p\u003e\n"],["\u003cp\u003eYou will learn how to download a sample dataset from the US Social Security Administration, containing popular baby names, and then load it into a BigQuery table.\u003c/p\u003e\n"],["\u003cp\u003eThe process includes creating a table named "names_2014," defining its schema, and loading the downloaded CSV data into it.\u003c/p\u003e\n"],["\u003cp\u003eThe guide illustrates how to preview the data within the newly created table and subsequently run a query to retrieve the top five male baby names from the year 2014.\u003c/p\u003e\n"],["\u003cp\u003eInstructions are provided on how to clean up the resources created in the tutorial to avoid incurring additional charges.\u003c/p\u003e\n"]]],[],null,["# Load and query data in BigQuery Studio\n======================================\n\nGet started with BigQuery by using BigQuery Studio to create a\ndataset, load data into a table, and query the table.\n\n*** ** * ** ***\n\nTo follow step-by-step guidance for this task directly in the\nGoogle Cloud console, click **Guide me**:\n\n[Guide me](https://console.cloud.google.com/freetrial?redirectPath=/?walkthrough_id=bigquery--bigquery-quickstart-load-data-console)\n\n*** ** * ** ***\n\nBefore you begin\n----------------\n\nBefore you can explore BigQuery, you must sign in to Google Cloud console and create a project. If you don't enable billing in your project, then all of the data you upload will be in the BigQuery sandbox. The sandbox makes it possible for you to learn BigQuery at no charge while working with a limited set of BigQuery features. For more information, see [Enable the BigQuery sandbox](/bigquery/docs/sandbox).\n\n\u003cbr /\u003e\n\n- Sign in to your Google Cloud account. If you're new to Google Cloud, [create an account](https://console.cloud.google.com/freetrial) to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.\n- In the Google Cloud console, on the project selector page,\n select or create a Google Cloud project.\n\n | **Note**: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.\n\n [Go to project selector](https://console.cloud.google.com/projectselector2/home/dashboard)\n-\n\n\n Enable the BigQuery API.\n\n\n [Enable the API](https://console.cloud.google.com/flows/enableapi?apiid=bigquery)\n\n- In the Google Cloud console, on the project selector page,\n select or create a Google Cloud project.\n\n | **Note**: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.\n\n [Go to project selector](https://console.cloud.google.com/projectselector2/home/dashboard)\n-\n\n\n Enable the BigQuery API.\n\n\n [Enable the API](https://console.cloud.google.com/flows/enableapi?apiid=bigquery)\n\n1. Optional: If you select an existing project, make sure that you [enable\n the BigQuery API](https://console.cloud.google.com/flows/enableapi?apiid=bigquery). The BigQuery API is automatically enabled in new projects.\n\nCreate a BigQuery dataset\n-------------------------\n\nUse the Google Cloud console to create a dataset to store the data. You\ncreate your dataset in the US multi-region location. For information on\nBigQuery regions and multi-regions, see\n[Locations](/bigquery/docs/dataset-locations).\n\n1. In the Google Cloud console, open the BigQuery Studio page.\n[Go to BigQuery Studio](https://console.cloud.google.com/bigquery)\n2. In the **Explorer** pane, click your project name.\n3. Click more_vert **View actions**.\n4. Select **Create dataset**.\n5. On the **Create dataset** page, do the following:\n 1. For **Dataset ID** , enter `babynames`.\n 2. For **Location type** , select **Multi-region** , and then choose **US (multiple regions in United States)** . The public datasets are stored in the `us` multi-region location. For simplicity, store your dataset in the same location.\n 3. Leave the remaining default settings as they are, and click **Create dataset**.\n\nDownload the file that contains the source data\n-----------------------------------------------\n\nThe file that you're downloading contains approximately 7 MB of data about popular baby names. It's provided by the US Social Security Administration.\n\n\u003cbr /\u003e\n\nFor more information about the data, see the Social Security Administration's\n[Background information for popular names](http://www.ssa.gov/OACT/babynames/background.html).\n\n1. Download the US Social Security Administration's data by opening the\n following URL in a new browser tab:\n\n https://www.ssa.gov/OACT/babynames/names.zip\n\n2. Extract the file.\n\n For more information about the dataset schema, see the zip file's\n `NationalReadMe.pdf` file.\n3. To see what the data looks like, open the `yob2024.txt` file. This file\n contains comma-separated values for name, assigned sex at birth, and number\n of children with that name. The file has no header row.\n\n4. Note the location of the `yob2024.txt` file so that you can find it later.\n\nLoad data into a table\n----------------------\n\nNext, load the data into a new table.\n\n1. In the **Explorer** pane, expand your project name.\n2. Next to the **babynames** dataset, click more_vert **View\n actions** and select **Open**.\n3. Click add_box **Create\n table** .\n\n Unless otherwise indicated, use the default values for all settings.\n4. On the **Create table** page, do the following:\n 1. In the **Source** section, for **Create table\n from**, choose **Upload** from the list.\n 2. In the **Select file** field, click **Browse**.\n 3. Navigate to and open your local `yob2024.txt` file, and click **Open**.\n 4. From the **File\n format** list, choose **CSV**.\n 5. In the **Destination** section, in the **Table** field, enter `names_2024`.\n 6. In the **Schema** section, click the **Edit\n as text** toggle, and paste the following schema definition into the text field: \n\n name:string,assigned_sex_at_birth:string,count:integer\n\n 7. Click **Create\n table**.\n\n Wait for BigQuery to create the table and load the data.\n\nPreview table data\n------------------\n\nTo preview the table data, follow these steps:\n\n1. In the **Explorer** pane, expand your project and `babynames` dataset, and then select the `names_2024` table.\n2. Click the **Preview** tab. BigQuery displays the first few rows of the table.\n\nThe **Preview** tab is not available for all table types. For example, the **Preview** tab is not displayed for external tables or views.\n\nQuery table data\n----------------\n\nNext, query the table.\n\n1. Next to the **names_2024** tab, click the add_box **SQL query** option. A new editor tab opens.\n2. In the query editor, paste the following query. This query retrieves the top five names for babies born in the US that were assigned male at birth in 2024. \n\n\n SELECT\n name,\n count\n FROM\n `babynames.names_2024`\n WHERE\n assigned_sex_at_birth = 'M'\n ORDER BY\n count DESC\n LIMIT\n 5;\n \n3. Click **Run**. The results are displayed in the **Query results** section. \n\nYou have successfully queried a table in a public dataset and then loaded your\nsample data into BigQuery using the Google Cloud console.\n\nClean up\n--------\n\n\nTo avoid incurring charges to your Google Cloud account for\nthe resources used on this page, follow these steps.\n\n1. In the Google Cloud console, open the BigQuery page.\n[Go to BigQuery](https://console.cloud.google.com/bigquery)\n2. In the **Explorer** pane, click the `babynames` dataset that you created.\n3. Expand the more_vert **View actions** option and click **Delete**.\n4. In the **Delete dataset** dialog, confirm the delete command: type the word `delete` and then click **Delete**.\n\nWhat's next\n-----------\n\n- To learn more about loading data into BigQuery, see [Introduction to loading data](/bigquery/docs/loading-data).\n- To learn more about querying data, see [Overview of BigQuery analytics](/bigquery/docs/query-overview).\n- To learn how to load a JSON file with nested and repeated data, see [Loading nested and repeated JSON data](/bigquery/docs/loading-data-cloud-storage-json#loading_nested_and_repeated_json_data).\n- To learn more about accessing BigQuery programmatically, see the [REST API](/bigquery/docs/reference/rest/v2) reference or the [BigQuery client libraries](/bigquery/docs/reference/libraries) page."]]
