BigQuery est la solution d'entreposage de données de Google à l'échelle du pétaoctet. Data Studio s'intègre nativement à BigQuery et peut être utilisé pour analyser et visualiser les données BigQuery.
Procédure d'implémentation
Il existe plusieurs façons d'importer vos données BigQuery dans Data Studio :
- Utiliser le connecteur BigQuery natif dans l'interface utilisateur Data Studio
- Développer et utiliser un connecteur de communauté
Utiliser le connecteur BigQuery natif dans l'interface utilisateur Data Studio
Les utilisateurs peuvent utiliser le connecteur BigQuery natif dans Data Studio pour visualiser les tables BigQuery ou des requêtes spécifiques. Vous pouvez extraire des tables entières ou exécuter des requêtes personnalisées sur BigQuery depuis Data Studio. Vous pouvez également utiliser la fonctionnalité Explorer de Data Studio pour effectuer une analyse exploratoire de vos données BigQuery.
Cette approche est utile si vos utilisateurs :
- effectuent une analyse exploratoire.
- connaissent le langage SQL et peuvent écrire leurs propres requêtes.
- connaissez bien les données et savez comment les visualiser à partir de zéro.
Exemple : Interroger les données sur le taux de natalité à partir de BigQuery
[Ce guide][Visualizing BigQuery Data Using Data Studio] explique comment un utilisateur final peut utiliser le connecteur BigQuery natif de l'interface utilisateur Data Studio pour visualiser les données BigQuery. Cet exemple interroge la table de démonstration BigQuery natality et récupère l'intégralité de la table dans Data Studio.
Exemple : Créer un tableau de bord de veille stratégique avec BigQuery, App Engine et Data Studio
[Créer un tableau de bord d'informatique décisionnelle à l'aide de Data Studio et BigQuery] explique comment utiliser App Engine pour préagréger les données BigQuery, puis les visualiser avec Data Studio.
Développer et utiliser un connecteur de communauté
Vous pouvez développer un connecteur de communauté qui récupère les données de BigQuery. Cette approche présente des avantages par rapport à l'utilisation du connecteur natif :
- Vous pouvez intégrer des requêtes existantes à votre connecteur. Vos utilisateurs n'auront pas à écrire leur propre code SQL ni à copier/coller des extraits de code SQL pour obtenir la requête exacte. Vous pouvez également paramétrer vos requêtes et permettre à vos utilisateurs de fournir des informations via la configuration du connecteur pour les personnaliser.
- 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 et leurs propres données.
- Vous pouvez implémenter votre propre couche de mise en cache pour contrôler les coûts BigQuery.
Dans un connecteur de communauté, vous pouvez accéder aux données BigQuery de trois manières différentes :
- [Services avancés Data Studio]
- Service BigQuery Apps Script
- API REST BigQuery
Le tableau suivant récapitule les avantages et les inconvénients :
| Services avancés Data Studio | Apps Script Service BigQuery | API REST BigQuery | |
|---|---|---|---|
| Référence | [Services avancés Data Studio] | Service BigQuery Apps Script | API REST BigQuery |
| Flux de données | BigQuery > Data Studio | BigQuery > Apps Script > Data Studio | BigQuery > Apps Script > Data Studio |
Champs calculés acceptés via getschema |
Oui | Oui | Oui |
| Peut être utilisé avec un compte de service/un contrôle d'accès personnalisé | Oui | Non (les identifiants de l'utilisateur effectif sont appliqués) | Oui |
| Les filtres sont automatiquement transférés | Oui | Non | Non |
Transformation de données supplémentaires requise dans getData |
Non | Oui | Oui |
| Les données récupérées sont accessibles dans Apps Script (vous permettant d'effectuer des transformations supplémentaires). |
Non | Oui | Oui |
| Mise en cache personnalisée acceptée | Non | Oui | Oui |
| Quota UrlfetchApp appliqué | Non | Non | Oui |
| Exemple d'implémentation | Connecteur de données de la Banque mondiale | Service BigQuery Apps Script | Connecteur Chrome UX |
Sauf si vous devez transformer les données extraites de BigQuery ou utiliser une mise en cache personnalisée, vous pouvez utiliser les services avancés Data Studio dans la plupart des cas d'utilisation.