BigQuery e i fogli di calcolo: come integrarli?

Tutti noi usiamo i servizi di Google per gestire le email, scrivere documenti, creare presentazioni e fare calcoli. Ma vi siete mai chiesti come questi strumenti possano essere utilizzati per far aumentare la vostra produttività lavorativa? Grazie ai semplici fogli di calcolo di Google e il potente datawarehouse BigQuery, possiamo analizzare grandi quantità di dati senza dover essere degli esperti. Scopriamo come integrare facilmente questi due strumenti per i nostri progetti.

Share

Reading time: 7 minutes

I dati sono una risorsa fondamentale in qualsiasi attività. Analizzarli permette di capire, ad esempio, se il nostro business procede correttamente o se bisogna adattare nuove strategie. Esistono diversi tool per salvare e analizzare i dati, ma molti di questi richiedono anche un certo livello di esperienza informatica. Un metodo che può essere utile a tutti è quello di usare i servizi Google gratuiti sia per immagazzinare i dati che per analizzarli e visualizzarli. In questo articolo, pertanto, useremo i Google Spreadsheets sia per salvare i dati grezzi che per visualizzare i dati aggregati mediante BigQuery senza dover caricare file CSV o utilizzare servizi a pagamento di terze parti.

Cosa sono i fogli di calcolo di Google

È difficile trovare qualcuno che non lavori con i prodotti della piattaforma Google Cloud, e che non utilizzano i Google Spreadsheets in un modo o nell’altro. Il servizio è gratuito ed è molto comodo da usare, con molte funzioni e formule integrate. Inoltre, è facile da usare per collaborare con altri utenti/colleghi ovunque e in qualsiasi momento.

Quando bisogna usare un data warehouse?

Grazie ai suoi vantaggi, i fogli di calcolo di Google sono semplicemente indispensabili nel lavoro di raccolta e analisi dei dati per le piccole/medie imprese. Se le informazioni da analizzare non sono molte e sono richieste solo da poche persone, è difficile scegliere un servizio più comodo per il lavoro.

Tuttavia, quando l’azienda o il business cresce, i volumi di dati (compreso l’utilizzo di dati provenienti da fonti diverse) aumentano di conseguenza. In quel momento iniziano a manifestarsi alcune restrizioni nel lavoro con i fogli di calcolo. A questo punto, è necessario collegare un data warehouse come Google BigQuery .

Cos’è Google BigQuery?

Il cloud storage di Google BigQuery consente di raccogliere dati da diverse fonti, elaborarli in pochi secondi utilizzando query SQL e creare report con qualsiasi metrica senza campionamenti e senza restrizioni.

È uno dei servizi più popolari basati sul cloud e sicuramente uno dei più convenienti. Perché Google e non altri servizi cloud? Perché Google è uno dei giganti del mercato, e l’archiviazione integrata offerta da BigQuery rappresenta un’integrazione perfetta e nativa tra i servizi cloud offerti dal colosso di BigMountain. In poche parole, non c’è bisogno di perdere tempo a trovare connettori, ma tutto funziona immediatamente.

Ci sono anche altri altri vantaggi nell’utilizzo di BiGQuery come data warehouse, tra cui:

  • velocità e semplicità
  • supporto e sviluppo continui da parte degli sviluppatori
  • set di query SQL già pronte per l’uso
  • apprendimento automatico (ML) e intelligenza artificiale (AI) integrati
  • nessuna configurazione richiesta per i server e i servizi

Prima di poter caricare i dati da BigQuery nei vostri fogli di calcolo, è necessario collezionarli e unirli in un data warehouse. In BigQuery è possibile creare le tabelle provenienti da diversi sorgenti, come i fogli di calcolo. Se però non siete famigliari con la console di Google Cloud e le sue interfacce, vi consigliamo di usare OWOX BI per questo compito.

Come spostare i dati da Google Sheets a BigQuery

Se volete utilizzare tutte le funzionalità di analisi, prima o poi dovrete trasferire le informazioni da Google Sheets al data warehouse. Ad esempio, è possibile caricare le statistiche degli ordini offline sul cloud storage per costruire un’analisi ROPO. Vediamo, quindi, come scaricare le informazioni necessarie in modo semplice e veloce.

Utilizzo dell’addon OWOX BI

7 motivi per scegliere il componente aggiuntivo OWOX BI come connettore da BigQuery a SpreadSheets/ SpreadSheets a BigQuery.

  1. L’addon è completamente gratuito, si paga solo l’elaborazione dei dati in BigQuery.
  2. È possibile creare rapidamente report e grafici con qualsiasi quantità di dati direttamente nelle tabelle di Google.
  3. È possibile configurare i rapporti in modo che vengano aggiornati automaticamente con la frequenza desiderata.
  4. Un comodo editor di query con autosuggest consente di risparmiare tempo durante la creazione di un report. Inoltre, è possibile specificare parametri dinamici in una query che possono essere utilizzati anche da chi non ha familiarità con l’SQL.
  5. Sarà comodo condividere i report con i colleghi: basterà consentire loro l’accesso al documento. Gli utenti che hanno accesso al vostro progetto in GBQ potranno gestire le query utilizzate nel report. Contemporaneamente, è possibile controllare la cronologia delle modifiche di ogni richiesta.
  6. L’addon funziona in entrambe le direzioni, il che significa che potete anche inviare dati da Sheets a GBQ.
  7. È sicuro e protetto. Utilizziamo solo le API ufficiali di Google. Tutti i dati vengono trasferiti al vostro progetto di Cloud Platform di cui potete controllare l’accesso.

Come trasferire i dati da Google Sheets a Google BigQuery

Installate l’addon di OWOX BI nel vostro browser Chrome. Andate nella vostra tabella di dati e selezionate OWOX BI BigQuery Reports – Upload data to BigQuery:

Se si lavora con questo addon per la prima volta, è necessario fornire l’accesso a BigQuery.

Si apre una finestra in cui è necessario selezionare il progetto e il dataset in GBQ e trovare un nome per la tabella in cui si desidera caricare i dati. Selezionare quindi le caselle dei campi di cui si desidera importare i valori. Tutti i campi sono automaticamente “STRING”, ma si consiglia di sostituire i tipi con quelli che si confrontano con il contenuto del campo. Ad esempio, per gli identificatori numerici il tipo è “INTEGER”, per i prezzi il tipo è “FLOAT”, ecc. Attenzione, però, a non mescolare dati di tipo diverso all’interno della stessa colonna per evitare di non poter successivamente interrogare i dati a causa di errori di conversione.

Fate clic su Avvia caricamento e le statistiche verranno caricate su Google BigQuery.

Utilizzo del connettore dati di BigQuery

Google ha aggiornato il connettore dati di Google Sheets, ora chiamato Connected Sheets. Consente di creare query e analizzare insiemi di dati utilizzando gli strumenti e le operazioni dei fogli di calcolo.

Importante! Per utilizzare il nuovo connettore, è necessario aggiornare il proprio account. Questo connettore nativo non è disponibile per tutti gli utenti, ma esclusivamente per i clienti che hanno acquistato G Suite Enterprise e G Suite Enterprise for Education.

Per scaricare i dati necessari da BigQuery, è necessario:

  1. Aprire il foglio di calcolo con cui si lavora
  2. Fare clic sul menu Dati, scegliere la voce connettori dati e fare clic su Connetti a BigQuery.
  3. Scegliere il progetto e la tabella da cui si desidera ottenere i dati
  4. Scaricare il set di dati facendo clic su Connetti e poi su Inizia analisi.

Risorse utili

Come scaricare automaticamente i dati da BigQuery a Google Sheets

Utilizzo dell’addon OWOX BI

Aprire la tabella e selezionare OWOX BI BigQuery Reports – Add a new report:

Quindi, nella barra laterale destra, specificare il progetto GBQ che si desidera visualizzare nel report. Se è già stata creata la query SQL che si desidera inserire nel report, selezionarla dall’elenco. Diversamente, se si desidera modificare la query, fare clic su Modifica e modificare il testo.

A tale scopo, è possibile utilizzare il suggerimento automatico nell’Editor query, che offre l’evidenziazione della sintassi, le aggiunte automatiche, il versioning, la convalida della query e una stima preliminare della quantità di dati elaborati:

Se si desidera creare una nuova query, scorrere l’elenco delle query fino alla fine e fare clic sulla riga Aggiungi nuova query, inserire il testo e fare clic su Salva ed esegui:

Selezionare i parametri dinamici se sono stati specificati nella query SQL. Nel nostro esempio, nella schermata sottostante, i parametri sono il periodo di riferimento e il nome della categoria. Avviare la query facendo clic su Aggiungi ed esegui:

I dati vengono quindi elaborati in BigQuery e il risultato della query viene importato automaticamente in Sheets in un foglio separato:

Successivamente, è possibile visualizzare le informazioni desiderate per creare tabelle pivot, grafici, diagrammi e così via.

Schedulare gli aggiornamenti automatici dei report in Google Sheets

Con l’addon OWOX BI è possibile attivare l’esecuzione programmata delle query per evitare di eseguire manualmente i calcoli ogni volta che vogliamo analizzarli. A tale scopo, aprite il report richiesto e selezionate OWOX BI BigQuery Reports – Schedule reports dalla scheda Add-Ons:

Specificate la frequenza di aggiornamento delle statistiche nel rapporto (ora, giorno, settimana o mese) e impostate l’ora di esecuzione della query. Se si desidera ricevere un avviso via e-mail quando il rapporto viene aggiornato, selezionare la casella corrispondente. A questo punto salvate le impostazioni.

Conclusioni

Se desiderate utilizzare analisi avanzate, utilizzare dati grezzi per creare report e misurare l’efficienza del vostro business o din qualche progetto, vi consigliamo di utilizzare Google BigQuery. Combinate le funzioni di questo servizio con Google Sheets e sfruttate al massimo entrambi i prodotti Google.

Ora sapete come trasferire i dati dal cloud storage di Google BigQuery a Google Sheets e viceversa. Con l’aiuto dell’addon OWOX BI BigQuery Reports è possibile eseguire facilmente analisi di coorte, segmentare gli utenti e creare molti altri utili report.

More To Explore

Python

Pandas: analisi dati con Python [parte 1]

I data scientists necessitano continuamente di leggere, manipolare e analizzare i dati. In molti casi si utilizzano dei tools specifici, ma a volte è necessario sviluppare il proprio codice. Per far ciò la libreria Pandas ci viene in aiuto. Scopriamo le sue strutture dati, come possiamo leggere i dati da diversi fonti e manipolarli per ii nostri scopi.

Intelligenza artificiale

Gradio: applicazioni web in python per AI [parte 3]

Con Gradio è possibile creare applicazioni web per i nostri modelli di machine learning e AI in poche righe di codice. Mediante alcuni esempi, vedremo le funzionalità avanzate disponibili, quali l’autenticazione, il caching e l’elaborazione dei file in ingresso. Costruiremo anche un chatbot e un classificatore di immagini partendo da modelli pre-addestrati. Infine discuteremo come distribuire il nostro progetto in pochi semplici passi.

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

Progetta con MongoDB!!!

Acquista il nuovo libro che ti aiuterà a usare correttamente MongoDB per le tue applicazioni. Disponibile ora su Amazon!

Design with MongoDB

Design with MongoDB!!!

Buy the new book that will help you to use MongoDB correctly for your applications. Available now on Amazon!