BigQuery הוא פתרון של Google לאחסון נתונים (data warehousing) בקנה מידה של פטה-בייט. Data Studio משתלב באופן טבעי עם BigQuery, ואפשר להשתמש בו כדי לנתח ולהציג נתונים של BigQuery.
שלבי ההטמעה
יש כמה דרכים להעביר את נתוני BigQuery ל-Data Studio:
- שימוש במחבר המקורי של BigQuery בממשק המשתמש של Data Studio
- פיתוח של מחבר קהילה ושימוש בו
שימוש במחבר המקורי של BigQuery בממשק המשתמש של Data Studio
משתמשים יכולים להשתמש במחבר BigQuery המובנה ב-Data Studio כדי ליצור תרשימים של טבלאות BigQuery או של שאילתות ספציפיות. אתם יכולים לשלוף טבלאות שלמות או להריץ שאילתות מותאמות אישית ב-BigQuery מתוך Data Studio. אפשר גם להשתמש בתכונה Explorer של Data Studio כדי לבצע ניתוח ראשוני של הנתונים ב-BigQuery.
הגישה הזו מועילה אם המשתמשים שלכם:
- מבצעים ניתוח גישוש.
- מכירים את SQL ויכולים לכתוב שאילתות משלהם.
- מכירים את הנתונים ויודעים איך ליצור ויזואליזציה שלהם מאפס.
דוגמה: הרצת שאילתה על נתוני שיעור הילודה מ-BigQuery
[במדריך הזה][Visualizing BigQuery Data Using Data Studio] מוסבר איך משתמש קצה יכול להשתמש במחבר המקורי של BigQuery מתוך ממשק המשתמש של Data Studio כדי ליצור תרשים של נתוני BigQuery. בדוגמה הזו מריצים שאילתה על טבלת הדוגמה natality ב-BigQuery ומביאים את כל הטבלה אל Data Studio.
דוגמה: יצירת לוח בקרה של BI באמצעות BigQuery, App Engine ו-Data Studio
במאמר [How to build a BI dashboard using Data Studio and BigQuery] מוסבר איך אפשר להשתמש ב-App Engine כדי לבצע צבירה מראש של נתוני BigQuery ואז להציג אותם באופן ויזואלי באמצעות Data Studio.
פיתוח של מחבר קהילה ושימוש בו
אפשר לפתח מחבר קהילתי ששולף נתונים מ-BigQuery. הגישה הזו מציעה יתרונות בהשוואה לשימוש במחבר המקורי:
- אפשר לשלב שאילתות קיימות במחבר. המשתמשים לא יצטרכו לכתוב SQL משלהם או להעתיק ולהדביק קטעי SQL כדי לקבל את השאילתה המדויקת. בנוסף, אתם יכולים להוסיף פרמטרים לשאילתות ולאפשר למשתמשים לספק קלט באמצעות הגדרות המחבר כדי להתאים אישית את השאילתות.
- אפשר להשתמש בחשבונות שירות כדי לרכז את החיוב. המשתמשים שלכם לא יצטרכו גישה לחשבון לחיוב ב-GCP.
- המשתמשים יכולים להתחיל עם דוחות מוכנים מראש שמבוססים על תבניות עם הנתונים שלהם.
- אתם יכולים להטמיע שכבת מטמון משלכם כדי לשלוט בעלויות של BigQuery.
במחבר קהילתי, אפשר לגשת לנתוני BigQuery בשלוש דרכים נפרדות:
- [Data Studio Advanced Services]
- Apps Script BigQuery Service
- BigQuery API בארכיטקטורת REST
בטבלה הבאה מפורטים היתרונות והחסרונות:
| Data Studio שירותים מתקדמים | Apps Script BigQuery Service | BigQuery REST API | |
|---|---|---|---|
| חומרי עזר | [Data Studio Advanced Services] | Apps Script BigQuery Service | BigQuery REST API |
| זרימת הנתונים | BigQuery > Data Studio | BigQuery > Apps Script > Data Studio | BigQuery > Apps Script > Data Studio |
שדות מחושבים נתמכים באמצעות getschema |
כן | כן | כן |
| אפשר להשתמש בו עם חשבון שירות או עם בקרת גישה מותאמת אישית | כן | לא (אין אכיפה של פרטי הכניסה של המשתמש) | כן |
| המסננים מועברים אוטומטית למטה | כן | לא | לא |
נדרש שינוי נוסף של הנתונים ב-getData |
לא | כן | כן |
| אפשר לגשת לנתונים שאוחזרו ב-Apps Script (מאפשר לבצע טרנספורמציה נוספת) |
לא | כן | כן |
| יש תמיכה בשמירה במטמון בהתאמה אישית | לא | כן | כן |
| הוחלה מכסת UrlfetchApp | לא | לא | כן |
| דוגמה להטמעה | מחבר נתונים של הבנק העולמי | Apps Script BigQuery Service | Chrome UX Connector |
אלא אם אתם צריכים לשנות את הנתונים שנשלפו מ-BigQuery או להשתמש במטמון בהתאמה אישית, ברוב תרחישי השימוש תוכלו להשתמש בשירותים המתקדמים של Data Studio.