Benard Kiplangat 28 mai 2022
Comprenez les limitations du data blending dans Google Data Studio et apprenez les astuces pour dépasser ces limitations. Vous aurez un impact remarquable et obtiendrez les insights les plus précieux de vos sources de données.
Google Data Studio est sans aucun doute le meilleur outil gratuit pour visualiser vos données provenant de différentes sources. Il vous aide à débloquer des insights inestimables et des possibilités grâce à ses outils puissants et ses fonctionnalités, comme la fonction de data blending. De plus, Data Studio vous offre un avantage concurrentiel inégalé pour votre entreprise, propulsant ainsi votre activité vers un nouveau niveau.
Cependant, comme beaucoup d'autres outils Google, il est facile de s'en sortir — mais très difficile à maîtriser. Des fonctionnalités comme le data blending sont faciles à utiliser pour en tirer des avantages ou des capacités, mais seuls les pros comprennent leurs pièges courants.
Heureusement, nous allons parler des sept limitations du data blending dans Google Data Studio et comment vous pouvez les surmonter. Êtes-vous prêt ? Commençons.
Mais d'abord, les bases :
Qu'est-ce que le Data Blending ?
Fusion de données dans Google Data Studio est le processus de fusion de plusieurs sources de données en un seul ensemble de données pour créer des graphiques, des tableaux et des contrôles pour votre visualisation des données. Pour joindre plusieurs sources de données dans un mélange, vous devez comprendre le concept de jointure de données. Alors, qu'est-ce que c'est ?
Comprendre la jointure de données dans Google Data Studio
Parce que c'est un grand concept de fusion de données, c'est souvent un défi que de nombreux marketeurs trouvent déroutant. Fusionner deux tableaux dans Data Studio nécessite une configuration de jointure avec un opérateur de jointure et une condition de jointure. Voici à quoi ressemble la fenêtre de configuration de jointure dans Data Studio :
Jointure de données est le processus de fusion de deux ensembles de données, côte à côte, avec une colonne de données partagée de chaque ensemble de données. Avant le 17 février 2022, la configuration de jointure était limitée à la configuration de jointure externe gauche.
Les nouvelles configurations de jointure dans Data Studio incluent désormais quatre autres conditions de jointure :
- Jointure interne – renvoie uniquement les lignes correspondantes des deux tables, gauche et droite.
- Jointure externe gauche – renvoie les lignes correspondantes de la table de droite avec les lignes non correspondantes de la table de gauche.
- Jointure externe droite – renvoie les lignes correspondantes de la table de gauche avec les lignes non correspondantes de la table de droite.
- Jointure externe complète – renvoie toutes les lignes correspondantes, que ce soit de la table de gauche ou de la table de droite.
- Jointure croisée – renvoie toutes les combinaisons possibles de lignes de la table de gauche et de la table de droite.
Les six principales limitations du Data Blending dans Google Data Studio
Le Data Blending dans Google Data Studio est limité à cinq sources de données
Une autre limitation du Data Blending dans Google Data Studio est que vous êtes limité à cinq sources. Si vous avez plus de cinq sources à fusionner, vous n'aurez pas cette possibilité avec Google Data Studio.
Par conséquent, vous pourriez passer à côté de rapports avancés ou approfondis qui nécessitent plus de sources pour créer une table détaillée avec trop de colonnes. Si vous avez besoin de plus que cela, envisagez d'utiliser Google Sheets.
- Astuce Pro : Utilisez Dataslayer pour Google Data Studio pour débloquer plus de 40 sources de données pour le Data Blending
Google Data Studio ne gère pas automatiquement les valeurs manquantes ou mal calculées
Bien que Google Data Studio vous indique lorsque votre fusion présente une erreur de configuration, il ne corrigera pas automatiquement ces erreurs. De telles erreurs peuvent résulter d'un calcul défectueux ou d'un champ manquant dans les clés de jointure.
Par exemple, les champs manquants deviendront 'null.' GDS ne les remplacera pas par des zéros '0' ou d'autres valeurs personnalisées pour vous si vous ne le faites pas avant de mélanger les données.
En cas d'erreurs de configuration, vous verrez un champ ‘manquant’ rose dans la condition de jointure ou une boîte rouge autour de la configuration de jointure pour des erreurs dans vos tables.
Envisagez d'utiliser des filtres pré-blend et de calculer vos champs avec précision, ou appliquez la correction manuellement pour garantir que toutes les clés de jointure sont valides et correspondantes.
Le mélange peut créer des ensembles de données inutilement volumineux
Dans Google Data Studio, sans un contrôle strict sur les données à inclure dans votre mélange, celui-ci peut rapidement générer un ensemble de données volumineux avec trop de champs. Ces ensembles de données inutiles ralentissent souvent les performances et réduisent votre productivité. De plus, vous pourriez encourir des coûts considérables si vous interrogez de plus en plus de données via vos connexions payantes ou services API.
Par conséquent, vos mélanges ne devraient inclure que les champs que vous souhaitez visualiser, qui peuvent n'être qu'un sous-ensemble de vos données. De plus, méfiez-vous des opérations de jointure croisée, car cela peut entraîner trop de données dans un mélange.
Les graphiques de mélange calculent toutes les lignes même si elles ne sont pas utilisées
Lorsque vous travaillez avec des mélanges, vous rencontrerez souvent l'erreur 'Ce graphique a demandé trop de données.' Comme nous l'avons mentionné, si vous avez généré trop de données dans votre mélange, vous pourriez avoir des problèmes pour les visualiser dans des graphiques. Mais pourquoi ?
Cette limitation se produit parce qu'un graphique dans un mélange calculera toutes les lignes disponibles même s'il ne les utilisera jamais. Cela signifie que Google Data Studio calculera tous les champs de vos données et n'utilisera que ceux que vous avez sélectionnés.
Par conséquent, réfléchissez davantage avant d'utiliser des opérateurs de jointure comme la jointure croisée et incluez uniquement les champs dont vous avez besoin pour vos mélanges afin d'éviter ces erreurs.
Les données de mélange peuvent être incorrectes
Il est courant de constater que les résultats de vos données de mélange ne sont pas ceux que vous attendiez. Cette inexactitude peut être très difficile à remarquer si vous travaillez avec des données complexes. Ce problème résulte souvent de la manière dont Google Data Studio crée les tables pour votre mélange.
Data Studio interrogera les données de chaque table avant de les joindre dans un mélange final avec votre condition de jointure préférée. Si vous avez appliqué des plages de dates, des filtres ou des champs calculés sur vos tables avant de les joindre, cela peut expliquer les résultats différents pour votre mélange.
Cela pourrait typiquement en être la raison. Sinon, Data Studio le fait en arrière-plan, donc vous êtes limité à voir la logique de ce qui aurait probablement pu mal tourner.
Vous pouvez essayer de petites quantités de données avant de mélanger vos ensembles de données complexes. Assurez-vous également que toutes vos tables et filtres pré-calculés sont exacts.
L'utilisabilité des connecteurs dépend du schéma de la base de données interne.
Bien que Google Data Studio propose plusieurs connecteurs à utiliser pour le data blending, chaque connexion fournit souvent un seul lien pour chacune de vos propriétés. Par conséquent, vos sources de données préférées peuvent ne pas offrir plus de choix de propriétés de connexion pour différents segments de données.
Vous pouvez intégrer vos sources de données directement avec les APIs au lieu des connecteurs pour obtenir plus de flexibilité et éviter ces limitations. Ainsi, vous pouvez personnaliser la structure de vos sources de données comme vous le souhaitez.
Comment surmonter les limitations du data blending dans Google Data Studio
Google Data Studio est puissant pour la visualisation des données. Bien que le blending dans Data Studio ait certains inconvénients, ils sont faciles à contourner. Et fondamentalement, il existe des astuces pour en contourner certaines dans Google Data Studio. D'autres solutions complexes nécessitent l'utilisation de Google Sheets, un excellent outil pour la manipulation des données.
Donc, Google Sheets sera notre outil de prédilection pour gérer toutes les limitations de Google Data Studio. Commençons par les conseils.
Conseils généraux à suivre lors du blending de données sur Google Data Studio :
- Choisissez des données échantillonnées bien comprises pour tester et renforcer votre compréhension du blending.
- Assurez-vous que tous vos tableaux sont dans l'ordre exact que vous souhaitez.
- Assurez-vous que le nombre de dimensions dans chacun de vos tableaux est minimal, si possible.
- Assurez-vous que vous utilisez les bons filtres et champs calculés.
- Commencez avec moins de tableaux, comme deux, puis continuez à en ajouter d'autres tout en surveillant les résultats.
- N'utilisez pas de condition de jointure complexe au début, en particulier celle qui entraîne le moins de champs possible.
Comment utiliser Google Sheets pour surmonter les limitations de l'intégration dans Data Studio
La plupart, sinon toutes, des limitations de Google Data Studio pour l'intégration des données peuvent être facilement corrigées avec Google Sheets. Cela peut être un processus complexe, mais cela en vaut la peine.
De cette façon, il serait utile pour vous d'intégrer vos données dans Google Sheets, puis de les ramener dans Data Studio pour le reporting. Dans Google Sheets, vous aurez plus de flexibilité et de contrôle sur vos données qu'il n'aurait été dans Data Studio.
De plus, le chargement des données est plus facile, plus rapide et plus gérable dans Google Sheets. Google Sheets offre d'excellentes formules pour manipuler vos données automatiquement sans trop de tracas.
Alors retroussons nos manches et découvrons quelques fonctions utiles pour la jointure de données dans Google Sheets. Maintenant, vous pouvez analyser vos données dans un tableau unique et obtenir des insights significatifs.
En savoir plus : Pourquoi Google Data Studio est si lent et comment le réparer
Comprendre les fonctions de Data Blending dans Google Sheets
Après avoir extrait vos données de vos sources préférées avec Dataslayer, ce que vous devez faire ensuite est de travailler sur vos données. Voici quelques-unes des puissantes fonctions pour vous aider dans Google Sheets :
VLOOKUP
Rechercher des informations dans un grand ensemble de données peut être décourageant. Heureusement, la fonction VLOOKUP de Google Sheets est disponible pour vous aider à rechercher vos données. Cette fonction est particulièrement utile lorsque vous traitez plusieurs sources de données — elle est plus efficace, peu importe le nombre de lignes dans vos données.
VLOOKUP est une fonction de recherche verticale, ce qui signifie qu'elle recherche des valeurs spécifiques dans des colonnes verticales. Pour utiliser cette fonction efficacement, utilisez des colonnes comme vos champs. De plus, VLOOKUP est uniquement pour des correspondances exactes, donc ne pensez pas à l'utiliser pour des valeurs approximatives.
La syntaxe pour VLOOKUP est :
VLOOKUP(clé_de_recherche, plage, index, [est_tri])
Ici, le searck_key est la valeur que vous souhaitez rechercher. La plage est l'endroit d'où vous souhaitez effectuer la recherche, et l'index est l'indice de colonne de la valeur qui sera renvoyée. Ensuite, le dernier paramètre indique si vous souhaitez une correspondance exacte (définie sur false ou '0') ou une correspondance approximative (définie sur true ou omise).
- Astuce Pro : Utilisez une référence absolue pour rechercher la valeur et faites glisser la formule sur d'autres cellules pour réutiliser la fonction.
Voici le meilleur article pour vous aider à apprendre Comment utiliser VLOOKUP.
INDEX ET MATCH
Utilisez le MATCH fonction pour trouver des cellules avec des valeurs approximatives, et le INDEX fonction pour obtenir la valeur d'une cellule avec un index spécifié. Par conséquent, vous pouvez obtenir de meilleurs résultats là où le VLOOKUP ne pouvait pas efficacement rechercher des valeurs approximatives.
La syntaxe pour INDEX est :
INDEX(référence, [ligne], [colonne])
La syntaxe pour MATCH est :
MATCH(search_key, plage, [type_de_recherche])
La syntaxe pour utiliser à la fois INDEX et MATCH est :
INDEX(référence, MATCH(search_key, plage, [type_de_recherche]), [colonne])
Voici le meilleur article pour vous aider à apprendre Comment utiliser INDEX et MATCH
Macros
L'automatisation est reine de nos jours. Les macros peuvent vous aider à définir des fonctions personnalisées pour automatiser vos actions de reporting répétitives. Cette fonctionnalité vous fera gagner des heures sur des tâches répétitives, en particulier sur des tâches quotidiennes plus importantes. Vous gagnerez du temps et de l'énergie tout en minimisant les erreurs lors de votre travail sur vos données.
La configuration des macros est simple ; vous pouvez les écrire ou enregistrer vos actions pour obtenir plus de contrôle et de flexibilité dans votre analyse de données.
Si vous avez besoin d'un guide complet pour configurer des macros dans Google Sheets, consultez cet article : Macros Google Sheets.
- Astuce : Après avoir mélangé vos données dans Google Sheets, vous pouvez maintenant les connecter à Google Data Studio pour le reporting.
Prochaines étapes
Le data blending est un sujet avancé. Bien qu'il s'agisse d'un concept difficile, nous espérons que cet article vous a été utile. Il existe d'innombrables façons d'utiliser les données mélangées pour vos rapports. Nous espérons que les limitations de Google Data Studio en matière de data blending ne vous ont pas empêché d'en tirer le meilleur parti.
Nous avons également partagé quelques conseils et quelques fonctions Google Sheets pour vous aider à surmonter ces limitations du data blending dans Google Data Studio.
La liste des fonctions que nous avons partagée n'est cependant pas exhaustive — mais ce sont les fonctions essentielles qui peuvent répondre à la plupart de vos besoins en matière de data blending. Assurez-vous donc de continuer à développer vos compétences pour gérer vos données marketing de manière créative.
Vérifiez également comment vous pouvez utiliser Dataslayer pour vous aider à rassembler toutes vos données marketing provenant de différentes sources vers vos plateformes de reporting préférées, que ce soit Google Sheets, BigQuery ou Google Data Studio.
