BigQuery es la solución de almacenamiento de datos de Google a escala de petabytes. Looker Studio se integra de forma nativa en BigQuery y se puede usar para analizar y visualizar datos de BigQuery.
Pasos de implementación
Existen varias formas de transferir tus datos de BigQuery a Looker Studio:
- Usa el conector nativo de BigQuery en la IU de Looker Studio
- Desarrollar y usar un conector de comunidad
Usa el conector nativo de BigQuery en la IU de Looker Studio
Los usuarios pueden usar el conector de BigQuery nativo en Looker Studio para visualizar tablas de BigQuery o consultas específicas. Puedes recuperar tablas completas o ejecutar consultas personalizadas en BigQuery desde Looker Studio. También es posible usar la función Explorador de Looker Studio para completar el análisis exploratorio de tus datos de BigQuery.
Este enfoque es útil si tus usuarios hacen lo siguiente:
- realizan análisis exploratorios.
- están familiarizados con SQL y pueden escribir sus propias consultas.
- estén familiarizados con los datos y sepan cómo visualizarlos desde cero.
Ejemplo: consulta datos de tasa de natalidad de BigQuery
En esta guía, se muestra cómo un usuario final puede usar el conector de BigQuery nativo de Looker Studio desde la IU de Looker Studio para visualizar datos de BigQuery. En este ejemplo, se consulta la tabla de muestra de natality de BigQuery y recupera la tabla completa en Looker Studio.
Ejemplo: Compila un panel de IE con BigQuery, App Engine y Looker Studio
En Cómo crear un panel de IE con Looker Studio y BigQuery, se muestra cómo puedes usar App Engine para agregar previamente datos de BigQuery y, luego, visualizarlos con Looker Studio.
Desarrollar y usar un conector de comunidad
Puedes desarrollar un Conector de la comunidad que recupere datos de BigQuery. Este enfoque te brinda beneficios en comparación con el uso del conector nativo:
- Puedes incorporar consultas existentes a tu conector. Los usuarios no tendrán que escribir su propio SQL ni copiar y pegar fragmentos de SQL para obtener la consulta exacta. Además, puedes parametrizar tus consultas y permitir que los usuarios proporcionen entradas a través de la configuración del conector para personalizar las consultas.
- Puedes usar cuentas de servicio para centralizar la facturación. Tus usuarios no necesitarán acceso a una cuenta de facturación de GCP.
- Tus usuarios pueden comenzar con informes de plantillas ya preparados con sus propios datos.
- Puedes implementar tu propia capa de almacenamiento en caché para controlar el costo de BigQuery.
En el Conector de comunidades, puedes acceder a los datos de BigQuery de tres maneras distintas:
En esta tabla, se resumen las ventajas y desventajas:
| Looker Studio Servicios avanzados | Servicio de BigQuery de Apps Script | API de REST de BigQuery | |
|---|---|---|---|
| Reference | Servicios avanzados de Looker Studio | Servicio BigQuery de Apps Script | API de REST de BigQuery |
| Flujo de datos | BigQuery > Looker Studio | BigQuery > Apps Script > Looker Studio | BigQuery > Apps Script > Looker Studio |
Campos calculados admitidos a través de getschema |
Sí | Sí | Sí |
| Se puede usar con una cuenta de servicio/control de acceso personalizado | Sí | No (se aplican las credenciales efectivas del usuario) | Sí |
| Los filtros se envían automáticamente hacia abajo | Sí | No | No |
Se necesita una transformación de datos adicional en getData |
No | Sí | Sí |
| Se puede acceder a los datos obtenidos en Apps Script (te permite realizar una transformación adicional) |
No | Sí | Sí |
| Compatibilidad con almacenamiento en caché personalizado | No | Sí | Sí |
| Se aplicó la cuota de UrlfetchApp | No | No | Sí |
| Ejemplo de implementación | Conector de datos del Banco Mundial | Servicio BigQuery de Apps Script | Conector de UX de Chrome |
En la mayoría de los casos de uso, puedes usar los servicios avanzados de Looker Studio, a menos que necesites transformar los datos recuperados de BigQuery o necesites almacenamiento en caché personalizado.