O BigQuery é a solução de armazenamento de dados em escala de petabyte do Google. O Looker Studio é integrado de forma nativa ao BigQuery e pode ser usado para analisar e visualizar informações do BigQuery.
Etapas de implementação
Existem várias maneiras de importar seus dados do BigQuery para o Looker Studio:
- Usar o conector nativo do BigQuery na interface do Looker Studio
- Desenvolver e utilizar um conector da comunidade
Usar o conector nativo do BigQuery na interface do Looker Studio
Os usuários podem usar o conector nativo do BigQuery no Looker Studio para visualizar tabelas ou consultas específicas do BigQuery. Você pode buscar tabelas inteiras ou executar consultas personalizadas no BigQuery pelo Looker Studio. Também é possível usar o recurso Explorer do Looker Studio para fazer uma análise exploratória dos seus dados do BigQuery.
Essa abordagem é útil se seus usuários:
- estão fazendo análises exploratórias;
- conhecem o SQL e podem criar as próprias consultas;
- conhecem os dados e sabem como visualizá-los do zero.
Exemplo: consultar dados sobre taxa de natalidade do BigQuery
[Este guia][Visualizing BigQuery Data Using Looker Studio] mostra como um usuário final pode usar o conector nativo do BigQuery no Looker Studio pela interface para visualizar dados do BigQuery. Este exemplo consulta a tabela de exemplo natality do BigQuery e busca a tabela inteira no Looker Studio.
Exemplo: criar um painel de BI com o BigQuery, o App Engine e o Looker Studio
[Como criar um painel de BI com o Looker Studio e o BigQuery] mostra como usar o App Engine para pré-agregar dados do BigQuery e visualizá-los com o Looker Studio.
Desenvolver e utilizar um conector da comunidade
Você pode desenvolver um conector da comunidade que busca dados do BigQuery. Essa abordagem tem mais benefícios do que a utilização do conector nativo:
- É possível incorporar consultas existentes ao seu conector. Os usuários não precisarão criar o próprio SQL nem copiar/colar snippets de SQL para obter a consulta exata. Além disso, você pode adicionar parâmetros às suas consultas e permitir que os usuários enviem informações por meio da configuração do conector para personalizar as consultas.
- Você pode utilizar contas de serviço para centralizar o faturamento. Os usuários não precisarão acessar uma conta de faturamento do GCP.
- Os usuários podem começar com relatórios de modelos predefinidos com os próprios dados.
- É possível implementar sua própria camada de armazenamento em cache para controlar os custos do BigQuery.
Em um conector da comunidade, você pode acessar os dados do BigQuery de três maneiras diferentes:
- [Advanced Services do Looker Studio]
- Serviço do BigQuery no Apps Script
- API REST do BigQuery
A tabela a seguir resume os pontos positivos e negativos:
| Advanced Services do Looker Studio | Serviço do BigQuery no Apps Script | API REST do BigQuery | |
|---|---|---|---|
| Referência | [Serviços avançados do Looker Studio] | Serviço do BigQuery no Apps Script | API REST do BigQuery |
| Fluxo de dados | BigQuery > Looker Studio | BigQuery > Apps Script > Looker Studio | BigQuery > Apps Script > Looker Studio |
Campos calculados aceitos via getschema |
Sim | Sim | Sim |
| Pode ser usado com uma conta de serviço ou controle de acesso personalizado | Sim | Não (é preciso utilizar as credenciais do usuário efetivo) | Sim |
| Os filtros são automaticamente deslocados para baixo | Sim | Não | Não |
Transformação de dados adicional necessária em getData |
Não | Sim | Sim |
| Os dados coletados podem ser acessados no Apps Script . Isso permite que você faça uma transformação adicional. |
Não | Sim | Sim |
| Suporte a armazenamento em cache personalizado | Não | Sim | Sim |
| Cota do UrlfetchApp aplicável | Não | Não | Sim |
| Exemplo de implementação | Conector de dados do Banco Mundial | Serviço do BigQuery no Apps Script | Conector da UX do Chrome |
A menos que você precise transformar os dados buscados do BigQuery ou de um armazenamento em cache personalizado, na maioria dos casos de uso, é possível usar o Advanced Services do Looker Studio.