Google Data Studio – il connettore MySQL (parte 1)

data studio dashboard

Uno degli aspetti più interessanti di Google Data Studio è certamente la sua flessibilità nell’accettare dati da diverse origini. Con questo tutorial cercheremo quindi di comprendere il ruolo del connettore MySQL all’interno della piattaforma per interfacciarci con i nostri database MySQL per creare un classico “Sales Report”.

Google Data Studio: introduzione ai grafici

Una volta acquisita familiarità con la piattaforma di Google Data Studio, il passo successivo è certamente quello di esplorare i diversi tipi di grafici disponibili. Possono essere particolarmente utili per evidenziare trend o analisi specifiche, rendendo il report finale molto più completo ed esaustivo. In questo tutorial andremo quindi ad analizzare gli elementi più importanti per personalizzare il nostro progetto.

Google Data Studio: Introduzione e primi passi

google data studio report

Creare dashboard di qualità per visualizzare i dati ha ormai un ruolo cruciale per analizzare e supportare le aziende. Google Data Studio è uno strumento user-friendly molto efficace per il design di report basati su diversi tipi di database. In questo tutorial, osserveremo le principali funzioni basilari che possono essere utili a chi interagisce con questa piattaforma per la prima volta per creare le proprie dashboard personali.

Google Cloud Storage: soluzione per i data lakes

Google offre diverse soluzioni per implementare un data lake. Tra queste, la più popolare è il Cloud Storage a causa della sua versatilità nella gestione dei dati e dei costi bassi. La configurazione del servizio richiede però alcune considerazioni a seconda del suo impiego. Scopriamo le sue caratteristiche e come ottimizzare le performance e i costi.

Data lakes: soluzioni in GCP

Nel mondo dei Big Data, la gestione dei dati grezzi ricopre un ruolo fondamentale. Nella maggioranza dei casi non è possibile caricare i dati forniti da diverse applicazioni in data warehouses al fine di creare modelli di Machine Learning o dashboards. I data lakes, ossia delle aree di sosta dei dati grezzi, ricoprono un ruolo fondamentale per effettuare le pipeline di trasformazione necessarie. Scopriamo quali soluzioni sono offerte da Google Cloud per implementare un data lake.

BigQuery: ottimizzazione delle performance

Nonostante BigQuery sia uno strumento molto valido per interrogare terabyte, è opportuno adottare delle best practices per migliorare le performance. Scopriamo i trucchi per scrivere query che vengano eseguite velocemente e che facciano risparmiare sui costi di esecuzione. Inoltre, analizziamo come è possibile ottimizzare la memorizzazione delle tabelle mediante il partizionamento e il clustering.

BigQuery: WINDOWS analitiche

In molti scenari applicativi, le statistiche che bisogna estrarre si riferiscono a raggruppamenti differenti sui dati di partenza. Mediante la definizione di finestre di aggregazione è possibile calcolare delle statistiche all’interno della stessa query. Inoltre, se necessario, è possibile anche fornire livelli differenti di granularità dei dati mediante la tipologia di dati degli ARRAY. Scopriamo queste funzionalità avanzate mediante due alcuni esempi reali.

BigQuery: funzioni GIS e Geo Vis

I dati geografici ricoprono un ruolo molto importante in diverse analisi. BigQuery include le funzioni GIS oltre allo standard SQL per interrogare, manipolare e analizzare questa tipologia di informazione. Scopriamo come usarle e visualizzarle mediante Geo Vis.

BigQuery: clausola WITH

L’estrazione dei dati e la loro analisi è un processo che richiede conoscenza delle sorgenti dati e capacità di scrittura di interrogazioni complesse. BigQuery, il database di Google, permette in modo semplice di accedere a terabyte di dati. La scrittura delle query però richiede metodo. Scopriamo la clausola WITH per aumentare la leggibilità delle nostre query.

AutoML Vision: classificazione di immagini

Lo sviluppo di modelli di classificazioni di dati non strutturati, quali immagini o testi, non è un task semplice. In molti casi sono richieste competenze di sviluppo molto specifiche. Scopriamo come è possibile, mediante AutoML Vision di Google Cloud, creare un modello di classificazione di immagini senza scrivere una linea di codice ma solo selezionando le immagini per il nostro modello.