O BigQuery é a solução de armazenamento de dados em escala de petabyte do Google. O Looker Studio se integra nativamente ao BigQuery e pode ser usado para analisar e visualizar dados do BigQuery.
Etapas de implementação
Há várias maneiras de transferir seus dados do BigQuery para o Looker Studio:
- Como usar o conector nativo do BigQuery na interface do Looker Studio
- Desenvolver e utilizar um conector da comunidade
Como usar o conector nativo do BigQuery na interface do Looker Studio
Os usuários podem utilizar o conector nativo do BigQuery no Looker Studio para visualizar tabelas ou consultas específicas do BigQuery. É possível buscar tabelas inteiras ou executar consultas personalizadas no BigQuery pelo Looker Studio. Também é possível usar o recurso Explorer do Looker Studio para fazer a análise exploratória dos seus dados do BigQuery.
Essa abordagem é útil se seus usuários:
- estão fazendo análises exploratórias;
- conhecem o SQL e podem criar as próprias consultas;
- conhecem os dados e sabem como visualizá-los do zero.
Exemplo: consultar dados sobre taxa de natalidade do BigQuery
Neste guia, mostramos como um usuário final pode utilizar o conector nativo do BigQuery na IU do Looker Studio para visualizar dados do BigQuery. Este exemplo consulta a tabela de amostra natality do BigQuery e busca a tabela inteira no Looker Studio.
Exemplo: como criar um painel de BI com o BigQuery, o App Engine e o Looker Studio
O artigo Como criar um painel de BI com o Looker Studio e o BigQuery mostra como usar o App Engine para pré-agregar dados do BigQuery e visualizá-los com o Looker Studio.
Desenvolver e utilizar um conector da comunidade
Você pode desenvolver um conector da comunidade que busca dados do BigQuery. Essa abordagem tem mais benefícios do que a utilização do conector nativo:
- É possível incorporar consultas existentes ao seu conector. Os usuários não precisarão criar o próprio SQL nem copiar/colar snippets de SQL para obter a consulta exata. Além disso, você pode adicionar parâmetros às suas consultas e permitir que os usuários enviem informações por meio da configuração do conector para personalizar as consultas.
- Você pode utilizar contas de serviço para centralizar o faturamento. Os usuários não precisarão acessar uma conta de faturamento do GCP.
- Os usuários podem começar com relatórios de modelos predefinidos com os próprios dados.
- É possível implementar sua própria camada de armazenamento em cache para controlar os custos do BigQuery.
Em um conector da comunidade, você pode acessar os dados do BigQuery de três maneiras diferentes:
A tabela a seguir resume os pontos positivos e negativos:
| Serviços avançados do Looker Studio | Serviço do BigQuery no Apps Script | API REST do BigQuery | |
|---|---|---|---|
| Referência | Serviços avançados do Looker Studio | Serviço do BigQuery com o Apps Script | API REST do BigQuery |
| Fluxo de dados | BigQuery > Looker Studio | BigQuery > Apps Script > Looker Studio | BigQuery > Apps Script > Looker Studio |
Campos calculados aceitos pelo getschema |
Sim | Sim | Sim |
| Pode ser usado com uma conta de serviço/controle de acesso personalizado | Sim | Não (credenciais do usuário efetiva aplicadas) | Sim |
| Os filtros são empurrados automaticamente | Sim | Não | Não |
Transformação
adicional dos dados
necessária em
getData |
Não | Sim | Sim |
| Os dados buscados podem
ser acessados no
Apps Script (permite que você faça outras transformações) |
Não | Sim | Sim |
| Suporte a armazenamento em cache personalizado | Não | Sim | Sim |
| Cota do UrlfetchApp aplicada | Não | Não | Sim |
| Exemplo de implementação | Conector de dados do Banco Mundial | Serviço do BigQuery com o Apps Script | Conector de UX do Chrome |
A menos que você precise transformar os dados buscados do BigQuery ou precisar de armazenamento em cache personalizado, na maioria dos casos de uso, é possível utilizar o Advanced Services do Looker Studio.