BigQuery è la soluzione di data warehousing di Google nell'ordine di petabyte. Looker Studio si integra in modo nativo con BigQuery e può essere utilizzato per analizzare e visualizzare i dati di BigQuery.
Procedura di implementazione
Esistono diversi modi per importare i dati BigQuery in Looker Studio:
- Utilizzare il connettore BigQuery nativo nell'interfaccia utente di Looker Studio
- Sviluppare e utilizzare un connettore della community
Utilizzare il connettore BigQuery nativo nell'interfaccia utente di Looker Studio
Gli utenti possono utilizzare il connettore BigQuery nativo in Looker Studio per visualizzare tabelle BigQuery o query specifiche. Puoi recuperare intere tabelle o eseguire query personalizzate su BigQuery da Looker Studio. Inoltre, è possibile utilizzare la funzionalità Explorer di Looker Studio per completare l'analisi esplorativa dei dati di BigQuery.
Questo approccio è utile se i tuoi utenti:
- stanno conducendo analisi esplorative.
- hanno familiarità con l'SQL e possono scrivere le proprie query.
- conoscono i dati e sanno come visualizzarli da zero.
Esempio: eseguire query sui dati sul tasso di natalità da BigQuery
Questa guida mostra come un utente finale può utilizzare il connettore BigQuery nativo di Looker Studio dall'interfaccia utente di Looker Studio per visualizzare i dati di BigQuery. Questo esempio esegue una query sulla tabella di esempio della natality di BigQuery e recupera l'intera tabella in Looker Studio.
Esempio: creare una dashboard BI con BigQuery, App Engine e Looker Studio
Come creare una dashboard BI utilizzando Looker Studio e BigQuery mostra come utilizzare App Engine per preaggregare i dati di BigQuery e poi visualizzarli con Looker Studio.
Sviluppare e utilizzare un connettore della community
Puoi sviluppare un connettore della community che recuperi i dati da BigQuery. Questo approccio offre vantaggi rispetto all'utilizzo del connettore nativo:
- Puoi incorporare query esistenti nel tuo connettore. Gli utenti non dovranno scrivere i propri codici SQL o copiare e incollare snippet SQL per ottenere la query esatta. Inoltre, puoi parametrizzare le query e consentire agli utenti di fornire input tramite la configurazione del connettore per personalizzarle.
- Puoi utilizzare gli account di servizio per centralizzare la fatturazione. I tuoi utenti non avranno bisogno di accedere a un account di fatturazione Google Cloud.
- Gli utenti possono iniziare con report sui modelli già pronti con i propri dati.
- Puoi implementare il tuo livello di memorizzazione nella cache per controllare i costi di BigQuery.
In un connettore della community puoi accedere ai dati di BigQuery in tre modi diversi:
Questa tabella riassume i pro e i contro:
| Looker Studio Servizi avanzati | Servizio BigQuery Apps Script | API REST BigQuery | |
|---|---|---|---|
| Riferimento | Servizi avanzati di Looker Studio | Servizio BigQuery di Apps Script | API REST di BigQuery |
| Flusso di dati | BigQuery > Looker Studio | BigQuery > Apps Script > Looker Studio | BigQuery > Apps Script > Looker Studio |
Campi calcolati supportati tramite getschema |
Sì | Sì | Sì |
| Utilizzabile con un account di servizio/controllo dell'accesso personalizzato | Sì | No (credenziali dell'utente effettive applicate) | Sì |
| I filtri vengono spinti automaticamente verso il basso | Sì | No | No |
Ulteriore trasformazione dei dati necessaria in getData |
No | Sì | Sì |
| È possibile accedere ai dati recuperati in Apps Script (consente di eseguire un'ulteriore trasformazione) |
No | Sì | Sì |
| Memorizzazione nella cache personalizzata | No | Sì | Sì |
| Quota UrlfetchApp applicata | No | No | Sì |
| Esempio di implementazione | Connettore dati Banca mondiale | Servizio BigQuery di Apps Script | Connettore UX di Chrome |
A meno che tu non abbia bisogno di trasformare i dati recuperati da BigQuery o di avere bisogno di una memorizzazione nella cache personalizzata, nella maggior parte dei casi d'uso puoi utilizzare i servizi avanzati di Looker Studio.