Benard Kiplangat 1 juillet 2022
Utiliser les données BigQuery dans Google Data Studio est un moyen facile de créer des rapports ou des tableaux de bord propres, partageables et personnalisés pour vos données. Étant donné que Data Studio se connecte parfaitement à Google BigQuery, vous pouvez créer des rapports puissants qui ne pourraient jamais être possibles ailleurs.
Si vous êtes un analyste de données ou un analyste commercial qui souhaite amener vos rapports de données au niveau supérieur, Data Studio est sans aucun doute un outil parfait. Cet article est idéal pour vous si vous souhaitez un guide complet pour vous aider à apprendre comment charger vos données Google BigQuery dans Google Data Studio.
Alors, continuez à lire !
Pourquoi utiliser Google BigQuery
Aujourd'hui, pour toute entreprise, les données commerciales s'accumulent à un rythme record. Des données de gestion de la relation client (CRM) aux analyses web, toutes les facettes d'une entreprise nécessitent la collecte de données d'une certaine sorte.
Et donc, il y a un besoin croissant de trouver des solutions et des outils qui nous permettent de stocker et d'analyser toutes nos données rapidement sans être submergés par les énormes quantités de celles-ci. Heureusement, Google BigQuery offre cette fonctionnalité pour aider les entreprises à tirer le meilleur parti de leurs ensembles de données tout en permettant une prise de décision basée sur les données pour les entreprises.
Bien que Google BigQuery soit adapté aux Big Datasets et à l'analyse, il est également idéal pour les ensembles de données qui ne changent pas beaucoup. Cela pourrait être du Big Data à la fin d'un pipeline ETL ou des données soigneusement traitées qui nécessitent peu ou pas de manipulation supplémentaire des données.
De plus, BigQuery utilise un moteur BI doté d'un puissant système de cache intégré, ce qui explique pourquoi vous ne devriez pas l'utiliser pour des données qui changent beaucoup plus souvent.
Pourquoi utiliser Google Data Studio
Comme vous le savez, les données sont cruciales pour l'analyse commerciale et une meilleure prise de décision. Cependant, les quantités de données que les entreprises collectent continuent d'augmenter et peuvent submerger même les analystes de données les plus dévoués.
Bien que les entreprises doivent continuer à accumuler des données sur leur marché, leurs clients, leurs concurrents et l'entreprise elle-même, il est essentiel de rechercher des stratégies efficaces pour vous aider à visualiser vos données, les rendant utilisables pour vos besoins.
Google Data Studio est un outil puissant qui vous permet de créer des rapports et des tableaux de bord pour présenter vos données de manière visuelle et esthétique. Ainsi, c'est notre outil idéal pour relever nos défis dans la compréhension de nos données.
Coûts potentiels de l'utilisation de BigQuery
Certaines fonctionnalités de Google Cloud que vous pouvez utiliser pour charger vos données dans Google Data Studio sont facturables, car vous pouvez encourir certains coûts. Ces composants incluent :
BigQuery : Il peut y avoir des coûts de stockage pour les tables que vous créez, alors vérifiez-les.
Moteur BI : Si vous utilisez le BI Engine, vous pourriez encourir des coûts mensuels pour les réservations que vous créez.
Si vous souhaitez estimer les coûts, utilisez le calculateur de prix pour projeter vos coûts d'utilisation potentiels. Vous pouvez également consulter le tarif pour le stockage BigQuery et la page de tarification du BI Engine pour en savoir plus.
Comment Google Data Studio se connecte-t-il à BigQuery ?
Google Data Studio utilise son outil de connexion pour se connecter aux données provenant de sources externes. Pour utiliser cet outil de connexion de source de données afin de charger vos données BigQuery dans Data Studio, suivez les étapes suivantes :
Comment importer des données BigQuery dans Google Data Studio
La première chose à faire pour charger vos données dans Google Data Studio. Ensuite, ouvrez un nouveau rapport ou un rapport existant que vous souhaitez utiliser avec vos données BigQuery. Une fois prêt, sélectionnez la source de données BigQuery. Comment faire cela ? Voici le processus :
- Après avoir créé ou sélectionné un rapport sur lequel vous souhaitez travailler, vous pouvez le renommer et cliquer sur Ajouter des données pour ajouter vos tables depuis BigQuery.
- Dans la Ajouter des données fenêtre, sélectionnez BigQuery dans la liste. Si vous ne pouvez pas le voir, utilisez la barre de recherche pour le trouver.
- S'il s'agit de votre première connexion de Data Studio avec BigQuery, vous serez invité à donner des autorisations à Google Data Studio. Donc, cliquez sur Autoriser pour autoriser Data Studio à accéder à vos projets Google Cloud et Autoriser dans la boîte de dialogue de demande d'autorisation pour partager les autorisations afin qu'elle puisse voir vos données.
- Une fois que vous avez sélectionné BigQuery, choisissez le projet BigQuery contenant les tables que vous souhaitez utiliser dans Data Studio. Ensuite, sélectionnez l'ensemble de données et enfin la table.
Utilisez les projets BigQuery pour charger vos tables dans Google Data Studio.
Il existe quatre options pour obtenir des données de Google BigQuery sur Google Data Studio. Vous pouvez les obtenir directement à partir de vos projets répertoriés, de projets partagés, d'une requête personnalisée ou d'ensembles de données publics. Donc, choisissez en conséquence.
Répétez le processus ci-dessus pour chaque table si vous en avez plusieurs que vous souhaitez charger depuis BigQuery.
Visualiser vos données dans Google Data Studio
Maintenant que vous avez importé vos données BigQuery dans Google Data Studio automatiquement, vous pouvez choisir de mélanger vos données avec d'autres sources de données et de les visualiser dans des graphiques. Alors, essayons de visualiser la table BigQuery que nous venons de créer !
Plus sur le data blending : 7 limitations du data blending dans Google Data Studio (et comment les surmonter) | Dataslayer
Nous allons créer un graphique à barres pour afficher la distribution de la population par pays, suivez donc le processus suivant :
Pour créer un graphique à barres qui affiche la distribution de la population par pays :
- Dans votre éditeur de rapport, cliquez sur Insérer un graphique à barres.
- Vous pouvez agrandir la taille du graphique à la taille idéale en utilisant ses poignées.
- Assurez-vous d'utiliser les bonnes métriques et dimensions pour vos graphiques. Nous avons utilisé country_name comme dimension, l'année comme Dimension de Répartition, et la taille de la population comme métrique pour notre exemple.
- Ensuite, nous devons sélectionner seulement quelques pays dans la liste, donc nous allons ajouter une clause de filtre pour choisir ceux que nous voulons. Nous voulons inclure les pays ayant une taille de population à mi-année supérieure ou égale à 200 000 000 et l'année entre 2040 et 2044.
- Clic Ajouter filtre sur le Données onglet, puis Ajouter une option de filtre ou Créer un filtre si vous avez déjà d'autres filtres. Vous pouvez nommer votre filtre si vous en avez besoin, puis, choisissez Inclure. Sélectionnez le champ comme population à mi-année et la condition comme Supérieur à ou Égal à (>=), et utilisez la valeur 200 000 000.
- Ensuite, utilisez le ET condition, utilisez ensuite Inclure, année, Entre (>=&&<=), 2040 et 2044 respectivement. Enfin, cliquez Enregistrer pour appliquer le filtre.
- Après avoir appliqué votre filtre, votre graphique devrait ressembler à ceci :
Prêt à visualiser vos données BigQuery dans Google Data Studio ?
Créer des rapports à partir des données BigQuery dans Google Data Studio n'est pas aussi complexe que vous l'avez vu. Cependant, étant donné que vous traitez de grands ensembles de données, la complexité peut rapidement s'installer. Donc, gardez vos rapports propres et organisés pour maximiser la valeur de votre reporting de données.
De plus, Data Studio met en cache vos données lors de la connexion à BigQuery, donc utilisez des données qui changent moins souvent. De plus, interroger le BigQuery BI Engine plus souvent pour d'énormes ensembles de données peut augmenter inutilement vos coûts.
Quels autres outils de connecteurs pouvez-vous utiliser pour récupérer vos données de BigQuery ou de toute autre source de données ?
Si vous souhaitez un outil personnalisé pour simplifier votre transfert de données de Google BigQuery vers Google Data Studio, envisagez d'utiliser Dataslayer.ai. Nous proposons également des connecteurs personnalisés pour plus de 40 sources de données vers Google Sheets, Google Data Studio et d'autres outils BI.
De plus, si vous souhaitez transférer vos données vers BigQuery, Dataslayer BigQuery sera un outil parfait pour vous. Voulez-vous l'essayer gratuitement ? Inscrivez-vous aujourd'hui pour obtenir votre essai gratuit !
