BigQuery adalah solusi data warehousing berskala petabyte dari Google. Looker Studio terintegrasi secara native dengan BigQuery serta dapat digunakan untuk menganalisis dan memvisualisasikan data BigQuery.
Langkah-langkah implementasi
Ada beberapa cara untuk memasukkan data BigQuery ke Looker Studio:
- Menggunakan konektor BigQuery native di UI Looker Studio
- Mengembangkan dan menggunakan Konektor Komunitas
Menggunakan konektor BigQuery native di UI Looker Studio
Pengguna dapat menggunakan konektor BigQuery native di Looker Studio untuk memvisualisasikan tabel BigQuery atau kueri tertentu. Anda dapat mengambil seluruh tabel atau menjalankan kueri kustom di BigQuery dari dalam Looker Studio. Anda juga dapat menggunakan fitur Explorer Looker Studio untuk menyelesaikan analisis eksplorasi data BigQuery Anda.
Pendekatan ini berguna jika pengguna Anda:
- melakukan analisis eksploratif.
- terbiasa dengan SQL dan dapat menulis kuerinya sendiri.
- terbiasa dengan data dan tahu cara memvisualisasikannya dari awal.
Contoh: Membuat kueri data tingkat kelahiran dari BigQuery
Panduan ini menunjukkan cara pengguna akhir dapat menggunakan konektor BigQuery native Looker Studio dari UI Looker Studio untuk memvisualisasikan data BigQuery. Contoh ini membuat kueri tabel contoh natality BigQuery dan mengambil seluruh tabel ke Looker Studio.
Contoh: Membuat dasbor BI dengan BigQuery, App Engine, dan Looker Studio
Cara membuat dasbor BI menggunakan Looker Studio dan BigQuery menunjukkan cara menggunakan App Engine untuk mengagregasikan data BigQuery terlebih dahulu, lalu memvisualisasikannya dengan Looker Studio.
Mengembangkan dan menggunakan Konektor Komunitas
Anda dapat mengembangkan Konektor Komunitas yang mengambil data dari BigQuery. Pendekatan ini memberi Anda manfaat dibandingkan dengan penggunaan konektor native:
- Anda dapat menggabungkan kueri yang ada ke Konektor Anda. Pengguna tidak perlu menulis SQL mereka sendiri atau menyalin/menempel cuplikan SQL untuk mendapatkan kueri yang tepat. Selain itu, Anda dapat membuat parameter kueri dan mengizinkan pengguna memberikan input melalui konfigurasi konektor untuk menyesuaikan kueri tersebut.
- Anda dapat menggunakan akun layanan untuk memusatkan penagihan. Pengguna Anda tidak akan memerlukan akses ke akun penagihan GCP.
- Pengguna dapat memulai dengan laporan template siap pakai dengan data mereka sendiri.
- Anda dapat menerapkan lapisan caching Anda sendiri untuk mengontrol biaya BigQuery.
Di Konektor Komunitas, Anda dapat mengakses data BigQuery dengan tiga cara terpisah:
Tabel ini merangkum pro dan kontra:
| Layanan Lanjutan Looker Studio | Layanan BigQuery Apps Script | REST API BigQuery | |
|---|---|---|---|
| Referensi | Layanan Lanjutan Looker Studio | Layanan BigQuery Apps Script | REST API BigQuery |
| Aliran data | BigQuery > Looker Studio | BigQuery > Apps Script > Looker Studio | BigQuery > Apps Script > Looker Studio |
Kolom kalkulasi
didukung
melalui getschema |
Ya | Ya | Ya |
| Dapat digunakan dengan akun layanan/kontrol akses khusus | Ya | Tidak (kredensial pengguna yang efektif diterapkan) | Ya |
| Filter secara otomatis didorong ke bawah | Ya | Tidak | Tidak |
Transformasi data
tambahan
yang diperlukan dalam
getData |
Tidak | Ya | Ya |
| Data yang diambil dapat
diakses di
Apps Script (Memungkinkan Anda melakukan transformasi tambahan) |
Tidak | Ya | Ya |
| Penyimpanan cache kustom didukung | Tidak | Ya | Ya |
| Kuota UrlfetchApp diterapkan | Tidak | Tidak | Ya |
| Contoh implementasi | Konektor data Bank Dunia | Layanan BigQuery Apps Script | Konektor UX Chrome |
Kecuali jika Anda perlu mengubah data yang diambil dari BigQuery atau memerlukan penyimpanan dalam cache kustom, dalam sebagian besar kasus penggunaan, Anda dapat menggunakan Layanan Lanjutan Looker Studio.