BigQuery ist die Data Warehouse-Lösung von Google, die für Datenmengen im Petabytebereich ausgelegt ist. Data Studio ist nativ in BigQuery eingebunden und kann zum Analysieren und Visualisieren von BigQuery-Daten verwendet werden.
Implementierungsschritte
Es gibt mehrere Möglichkeiten, Ihre BigQuery-Daten in Data Studio zu importieren:
- Den nativen BigQuery-Connector in der Data Studio-Benutzeroberfläche verwenden
- Community-Connector entwickeln und verwenden
Den nativen BigQuery-Connector in der Data Studio-Benutzeroberfläche verwenden
Nutzer können den nativen BigQuery-Connector in Data Studio verwenden, um BigQuery-Tabellen oder bestimmte Abfragen zu visualisieren. Sie können ganze Tabellen abrufen oder benutzerdefinierte Abfragen für BigQuery aus Data Studio heraus ausführen. Sie können auch die Explorer-Funktion von Data Studio verwenden, um eine explorative Analyse Ihrer BigQuery-Daten durchzuführen.
Dieser Ansatz ist hilfreich, wenn Ihre Nutzer:
- Sie führen eine explorative Analyse durch.
- mit SQL vertraut sind und eigene Abfragen schreiben können.
- mit den Daten vertraut sind und wissen, wie sie von Grund auf visualisiert werden.
Beispiel: Daten zur Geburtenrate aus BigQuery abfragen
[In dieser Anleitung][Visualizing BigQuery Data Using Data Studio] wird beschrieben, wie ein Endnutzer den nativen BigQuery-Connector von Data Studio über die Data Studio-Benutzeroberfläche verwenden kann, um BigQuery-Daten zu visualisieren. In diesem Beispiel wird die BigQuery-Beispieltabelle natality abgefragt und die gesamte Tabelle in Data Studio abgerufen.
Beispiel: BI-Dashboard mit BigQuery, App Engine und Data Studio erstellen
Im Artikel [BI-Dashboard mit Data Studio und BigQuery erstellen] wird beschrieben, wie Sie mit App Engine BigQuery-Daten vorab aggregieren und dann mit Data Studio visualisieren können.
Community-Connector entwickeln und verwenden
Sie können einen Community Connector entwickeln, der Daten aus BigQuery abruft. Dieser Ansatz bietet folgende Vorteile gegenüber der Verwendung des nativen Connectors:
- Sie können vorhandene Abfragen in Ihren Connector einbinden. Ihre Nutzer müssen kein eigenes SQL schreiben oder SQL-Snippets kopieren und einfügen, um die genaue Abfrage zu erhalten. Außerdem können Sie Ihre Abfragen parametrisieren und Nutzern die Möglichkeit geben, über die Connector-Konfiguration Eingaben zu machen, um die Abfragen anzupassen.
- Sie können Dienstkonten verwenden, um die Abrechnung zu zentralisieren. Ihre Nutzer benötigen keinen Zugriff auf ein GCP-Rechnungskonto.
- Ihre Nutzer können mit vorgefertigten Vorlagenberichten mit ihren eigenen Daten beginnen.
- Sie können eine eigene Caching-Ebene implementieren, um die BigQuery-Kosten zu kontrollieren.
In einem Community Connector haben Sie drei Möglichkeiten, auf BigQuery-Daten zuzugreifen:
- [Data Studio Advanced Services]
- Apps Script BigQuery-Dienst
- BigQuery REST API
In dieser Tabelle sind die Vor- und Nachteile zusammengefasst:
| Data Studio Advanced Services | Apps Script BigQuery-Dienst | BigQuery REST API | |
|---|---|---|---|
| Referenz | [Data Studio Advanced Services] | Apps Script BigQuery-Dienst | BigQuery REST API |
| Datenfluss | BigQuery > Data Studio | BigQuery > Apps Script > Data Studio | BigQuery > Apps Script > Data Studio |
Berechnete Felder, die über getschema unterstützt werden |
Ja | Ja | Ja |
| Kann mit einem Dienstkonto/einer benutzerdefinierten Zugriffssteuerung verwendet werden | Ja | Nein (Anmeldedaten des effektiven Nutzers werden erzwungen) | Ja |
| Filter werden automatisch nach unten verschoben | Ja | Nein | Nein |
Zusätzliche Datenumwandlung in getData erforderlich |
Nein | Ja | Ja |
| Abgerufene Daten können in Apps Script aufgerufen werden (ermöglicht zusätzliche Transformationen). |
Nein | Ja | Ja |
| Unterstützung für benutzerdefiniertes Caching | Nein | Ja | Ja |
| UrlfetchApp-Kontingent angewendet | Nein | Nein | Ja |
| Beispielimplementierung | World Bank-Datenconnector | Apps Script BigQuery-Dienst | Chrome UX-Connector |
Sofern Sie die abgerufenen Daten aus BigQuery nicht transformieren oder kein benutzerdefiniertes Caching benötigen, können Sie in den meisten Anwendungsfällen Data Studio Advanced Services verwenden.