BigQuery est la solution d'entreposage de données de Google à l'échelle du pétaoctet. Looker Studio s'intègre de manière native à BigQuery et permet d'analyser et de visualiser les données BigQuery.
Procédure d'implémentation
Il existe plusieurs façons d'importer vos données BigQuery dans Looker Studio:
- Utiliser le connecteur BigQuery natif dans l'interface utilisateur de Looker Studio
- Développer et utiliser un connecteur de communauté
Utiliser le connecteur BigQuery natif dans l'interface utilisateur de Looker Studio
Les utilisateurs peuvent utiliser le connecteur BigQuery natif dans Looker Studio pour visualiser les tables BigQuery ou des requêtes spécifiques. Vous pouvez extraire des tables entières ou exécuter des requêtes personnalisées sur BigQuery à partir de Looker Studio. Vous pouvez également utiliser l'explorateur de Looker Studio pour effectuer une analyse exploratoire de vos données BigQuery.
Cette approche est utile si vos utilisateurs:
- effectuent une analyse exploratoire.
- qui connaissent SQL et qui peuvent écrire leurs propres requêtes.
- connaissent les données et savent les visualiser à partir de zéro.
Exemple: Interroger les données sur le taux de natalité depuis BigQuery
Ce guide explique comment un utilisateur final peut visualiser des données BigQuery à l'aide du connecteur BigQuery natif de Looker Studio depuis l'interface utilisateur de Looker Studio. Cet exemple interroge l'exemple de table BigQuery natality et extrait la table entière dans Looker Studio.
Exemple: Créer un tableau de bord d'informatique décisionnelle avec BigQuery, App Engine et Looker Studio
La page Créer un tableau de bord d'informatique décisionnelle à l'aide de Looker Studio et BigQuery montre comment utiliser App Engine pour pré-agréger des données BigQuery, puis les visualiser avec Looker Studio.
Développer et utiliser un connecteur de communauté
Vous pouvez développer un connecteur de communauté qui extrait des données de BigQuery. Cette approche présente des avantages par rapport au connecteur natif:
- Vous pouvez intégrer des requêtes existantes dans votre connecteur. Vos utilisateurs n'auront pas besoin d'écrire leurs propres extraits SQL ni de copier-coller des extraits SQL pour obtenir la requête exacte. Vous pouvez également paramétrer vos requêtes et permettre à vos utilisateurs de personnaliser les requêtes via la configuration du connecteur.
- Vous pouvez utiliser des comptes de service pour centraliser la facturation. Vos utilisateurs n'auront pas besoin d'accéder à un compte de facturation GCP.
- Vos utilisateurs peuvent commencer avec des modèles de rapports prêts à l'emploi, contenant leurs propres données.
- Vous pouvez implémenter votre propre couche de mise en cache pour contrôler les coûts de BigQuery.
Dans un connecteur de communauté, vous pouvez accéder aux données BigQuery de trois manières différentes:
Ce tableau résume les avantages et les inconvénients:
| Services avancés Looker Studio | Service BigQuery Apps Script | API REST BigQuery | |
|---|---|---|---|
| Reference | Services avancés Looker Studio | Service BigQuery Apps Script | API REST BigQuery |
| Flux de données | BigQuery > Looker Studio | BigQuery > Apps Script > Looker Studio | BigQuery > Apps Script > Looker Studio |
Champs calculés compatibles avec getschema |
Oui | Oui | Oui |
| Peut être utilisé avec un compte de service/contrôle d'accès personnalisé | Oui | Non (identifiants de l'utilisateur effectif appliqués) | Oui |
| Les filtres sont automatiquement poussés vers le bas | Oui | Non | Non |
Transformation de données supplémentaire requise dans getData |
Non | Oui | Oui |
| Vous pouvez accéder aux données extraites dans Apps Script (vous permet d'effectuer des transformations supplémentaires) |
Non | Oui | Oui |
| Mise en cache personnalisée prise en charge | Non | Oui | Oui |
| Quota UrlfetchApp appliqué | Non | Non | Oui |
| Exemple de mise en œuvre | Connecteur de données de la Banque mondiale | Service BigQuery Apps Script | Connecteur UX Chrome |
Dans la plupart des cas, vous pouvez utiliser les services avancés Looker Studio, sauf si vous avez besoin de transformer les données extraites de BigQuery ou d'avoir besoin d'une mise en cache personnalisée.