Crear paneles de datos de BigQuery

BigQuery es la solución de almacenamiento de datos de Google en escala de petabytes. Data Studio se integra de forma nativa en BigQuery y se puede usar para analizar y consultar datos de BigQuery.

Pasos de la implementación

Hay varias formas de incluir datos de BigQuery en Data Studio:

  • Usar el conector nativo de BigQuery en la UI de Data Studio.
  • Desarrollar y usar un conector comunitario.

Usar el conector nativo de BigQuery en la UI de Data Studio.

Los usuarios pueden utilizar el conector nativo de BigQuery en Data Studio para ver tablas o consultas específicas de BigQuery. Puedes cargar tablas enteras o ejecutar consultas personalizadas en BigQuery desde Data Studio. También puedes usar la función Explorador de Data Studio para hacer un análisis exploratorio de tus datos de BigQuery.

Este método es útil si tienes usuarios que:

  • Hacen análisis exploratorios de datos.
  • Conocen el lenguaje SQL y pueden escribir consultas.
  • Saben trabajar con datos y cómo visualizarlos desde cero.

Ejemplo: Consulta de datos de BigQuery sobre tasas de natalidad

En esta guía se muestra cómo un usuario final puede utilizar el conector nativo de BigQuery incluido en la UI de Data Studio para ver datos de BigQuery. En este ejemplo se consulta la tabla de ejemplo de BigQuery sobre natalidad, y se carga por completo en Data Studio.

Ejemplo: Crear un panel de inteligencia empresarial con BigQuery, App Engine y Data Studio

En la guía Crear un panel de inteligencia empresarial con Google Data Studio y BigQuery se explica cómo usar App Engine para primero agregar datos de BigQuery y luego visualizarlos con Data Studio.

Desarrollar y usar un conector comunitario.

Puedes desarrollar un conector comunitario que obtenga datos de BigQuery. Este método ofrece ciertas ventajas frente al uso del conector nativo:

  1. Puedes incorporar a tu conector consultas que ya haya. Los usuarios no tendrán que escribir el código SQL, ni copiar y pegar fragmentos de SQL para obtener la consulta exacta. Además, puedes aplicar parámetros a las consultas y permitir que los usuarios proporcionen información a través de la configuración del conector para personalizar las consultas.
  2. Puedes usar cuentas de servicio para centralizar la facturación. Tus usuarios no necesitarán acceso a una cuenta de facturación de GCP.
  3. Los usuarios pueden empezar introduciendo sus propios datos en plantillas de informe predefinidas.
  4. Puedes implementar tu propia capa de almacenamiento en caché para controlar el coste de BigQuery.

En los conectores comunitarios, puedes acceder a los datos de BigQuery de tres maneras distintas:

En esta tabla se resumen las ventajas y las desventajas:

Advanced Services de Data Studio Servicio Apps Script de BigQuery API REST de BigQuery
Referencia Advanced Services de Data Studio Servicio Apps Script de BigQuery API REST de BigQuery
Flujo de datos BigQuery > Data Studio BigQuery > Apps Script > Data Studio BigQuery > Apps Script > Data Studio
Campos calculados compatibles a través de getschema
Se puede usar con una cuenta de servicio o un sistema de control de acceso personalizado No (las credenciales del usuario efectivo son obligatorias)
Los filtros descienden automáticamente No No
Transformación de datos adicional necesaria en getData No
Se puede acceder a los datos recuperados en Apps Script
. Permite realizar transformaciones adicionales.
No
Se admite el almacenamiento en caché personalizado No
Se aplica la cuota de UrlfetchApp No No
Ejemplo de implementación Conector de datos del Banco Mundial Servicio Apps Script de BigQuery Conector de experiencia de usuario de Chrome

A menos que tengas que transformar datos obtenidos de BigQuery o necesites un sistema de almacenamiento en caché personalizado, en la mayoría de los casos prácticos, puedes usar Advanced Services de Data Studio.