BigQuery คือโซลูชันระบบคลังข้อมูลขนาดเพตะไบต์ของ Google Data Studio ผสานรวมกับ BigQuery โดยกำเนิด และสามารถใช้เพื่อวิเคราะห์และแสดงข้อมูล BigQuery เป็นภาพ
ขั้นตอนการติดตั้งใช้งาน
คุณนำข้อมูล BigQuery ไปยัง Data Studio ได้หลายวิธี ดังนี้
- การใช้เครื่องมือเชื่อมต่อ BigQuery แบบเนทีฟใน UI ของ Data Studio
- การพัฒนาและการใช้ปลั๊กอินจากชุมชนสำหรับใช้ลิงก์ข้อมูล
การใช้เครื่องมือเชื่อมต่อ BigQuery แบบเนทีฟใน UI ของ Data Studio
ผู้ใช้สามารถใช้เครื่องมือเชื่อมต่อ BigQuery แบบเนทีฟใน Data Studio เพื่อแสดงตาราง BigQuery หรือการค้นหาที่เฉพาะเจาะจงได้ คุณสามารถดึงข้อมูล ทั้งตารางหรือเรียกใช้การค้นหาที่กำหนดเองใน BigQuery จากภายใน Data Studio ได้ นอกจากนี้ คุณยังใช้ฟีเจอร์สำรวจของ Data Studio เพื่อทําการวิเคราะห์เบื้องต้นของข้อมูล BigQuery ได้ด้วย
แนวทางนี้มีประโยชน์ในกรณีที่ผู้ใช้มีลักษณะดังนี้
- กำลังทำการวิเคราะห์เชิงสํารวจ
- คุ้นเคยกับ SQL และเขียนคําค้นหาของตนเองได้
- คุ้นเคยกับข้อมูลและรู้วิธีสร้างภาพข้อมูลตั้งแต่ต้น
ตัวอย่าง: การค้นหาข้อมูลอัตราการเกิดจาก BigQuery
[คู่มือนี้][Visualizing BigQuery Data Using Data Studio] แสดงวิธีที่ผู้ใช้ปลายทางสามารถใช้เครื่องมือเชื่อมต่อ BigQuery แบบเนทีฟของ Data Studio จาก UI ของ Data Studio เพื่อแสดงข้อมูล BigQuery เป็นภาพ ตัวอย่างนี้จะค้นหาตารางตัวอย่าง natality ของ BigQuery และดึงข้อมูลทั้งตารางไปยัง Data Studio
ตัวอย่าง: การสร้างแดชบอร์ด BI ด้วย BigQuery, App Engine และ Data Studio
[วิธีสร้างแดชบอร์ด BI โดยใช้ Data Studio และ BigQuery] แสดงวิธีใช้ App Engine เพื่อรวมข้อมูล BigQuery ล่วงหน้า แล้วแสดงภาพด้วย Data Studio
การพัฒนาและการใช้ปลั๊กอินจากชุมชนสำหรับใช้ลิงก์ข้อมูล
คุณสามารถพัฒนาเครื่องมือเชื่อมต่อชุมชนที่ดึงข้อมูลจาก BigQuery ได้ วิธีนี้มีประโยชน์มากกว่าการใช้เครื่องมือเชื่อมต่อดั้งเดิม ดังนี้
- คุณสามารถรวมการค้นหาที่มีอยู่เข้ากับตัวเชื่อมต่อได้ ผู้ใช้ของคุณไม่จำเป็นต้องเขียน SQL เองหรือคัดลอก/วางข้อมูลโค้ด SQL เพื่อรับการค้นหาที่แน่นอน นอกจากนี้ คุณยังกำหนดพารามิเตอร์ให้กับการค้นหาและอนุญาตให้ผู้ใช้ ป้อนข้อมูลผ่านการกำหนดค่าตัวเชื่อมต่อเพื่อปรับแต่งการค้นหาได้ด้วย
- คุณใช้บัญชีบริการเพื่อรวมการเรียกเก็บเงินไว้ที่เดียวได้ ผู้ใช้ของคุณไม่จำเป็นต้องมีสิทธิ์เข้าถึงบัญชีสำหรับการเรียกเก็บเงินของ GCP
- ผู้ใช้สามารถเริ่มต้นด้วยรายงานเทมเพลตที่พร้อมใช้งานพร้อมข้อมูลของตนเอง
- คุณสามารถใช้เลเยอร์แคชของคุณเองเพื่อควบคุมค่าใช้จ่ายของ BigQuery ได้
ในเครื่องมือเชื่อมต่อชุมชน คุณสามารถเข้าถึงข้อมูล BigQuery ได้ 3 วิธีแยกกัน ดังนี้
- [บริการขั้นสูงของ Data Studio]
- บริการ BigQuery ของ Apps Script
- BigQuery REST API
ตารางนี้สรุปข้อดีและข้อเสีย
| Data Studio บริการขั้นสูง | Apps Script บริการ BigQuery | BigQuery REST API | |
|---|---|---|---|
| ข้อมูลอ้างอิง | [Data Studio ขั้นสูง บริการ] | Apps Script บริการ BigQuery | BigQuery REST API |
| โฟลว์ของข้อมูล | BigQuery > Data Studio | BigQuery > Apps Script > Data Studio | BigQuery > Apps Script > Data Studio |
ฟิลด์ที่คำนวณแล้ว
ที่รองรับ
ผ่าน getschema |
ใช่ | ได้ | ใช่ |
| ใช้กับบัญชีบริการ/การควบคุมการเข้าถึงที่กำหนดเองได้ | ใช่ | ไม่มี (บังคับใช้ ข้อมูลเข้าสู่ระบบ ของผู้ใช้ ที่มีผล) | ใช่ |
| ระบบจะ ส่ง ตัวกรองลงไปโดยอัตโนมัติ | ใช่ | ไม่ใช่ | ไม่ |
ต้องมีการ
เปลี่ยนรูปแบบ
ข้อมูลเพิ่มเติม
ใน getData |
ไม่ | ได้ | ใช่ |
| เข้าถึงข้อมูลที่ดึงมาได้ใน
Apps Script (ช่วยให้คุณทำการ เปลี่ยนรูปแบบ เพิ่มเติมได้) |
ไม่ | ได้ | ใช่ |
| รองรับการแคชที่กำหนดเอง | ไม่ | ได้ | ใช่ |
| โควต้า UrlfetchApp ที่ใช้ | ไม่ | ไม่ได้ | ใช่ |
| ตัวอย่าง การใช้งาน | เครื่องมือเชื่อมต่อข้อมูลธนาคารโลก | Apps Script บริการ BigQuery | Chrome UX Connector |
ในกรณีการใช้งานส่วนใหญ่ คุณสามารถใช้บริการขั้นสูงของ Data Studio ได้ เว้นแต่คุณจะต้องเปลี่ยนรูปแบบข้อมูลที่ดึงมาจาก BigQuery หรือต้องการแคชที่กำหนดเอง