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".

Share

Reading time: 5 minutes

Sommario e  obiettivi

Come già visto durante il precedente laboratorio (part 1 and part 2), Google Data Studio permette di utilizzare diverse origini dati. Se da un lato i sample offerti e Google Sheets sono probabilmente le risorse più intuitive, le altre alternative disponibili sono sicuramente più adatte ad interagire con scenari realistici di data visualization. Alla fine di questo tutorial, acquisirai esperienza con:

  • Migliorare le abilità con Data Studio imparate la scorsa volta applicandole a uno scenario diverso.
  • Analizzare la struttura di un database completo di più tabelle per esercitarsi con le principali query SQL.
  • Connettere il tuo report con il Relational Database Management System (RDBMS) MySQL  sfruttando l’apposito connettore.
  • Osservare un uso preliminare di strumenti di amministrazione database come phpMyAdmin per avere un’interfaccia grafica utile nel gestire i propri dati.

Google Data Studio e MySQL – Panoramica

Prima di entrare nel vivo degli esercizi, è importante avere chiaro in mente lo schema generale. A livello concettuale, gli aspetti basilari sono esattamente gli stessi di quelli descritti la volta precedente. Osservando Figura 1, possiamo capire che il nostro obiettivo sia quello di usare il connettore adatto per collegare il nostro report con le informazioni salvate nel database specifico. In questo caso particolare, vogliamo connettere in remoto Google Data Studio con l’apposita istanza MySQL  per importare i dati corrispondenti.

In generale, gli utenti hanno la possibilità di interagire con il database secondo i privilegi a loro associati. L’approccio naturale per MySQL è quello di usare i comandi via shell. D’altro canto, si tratta di un metodo meno intuitivo e con cui non tutti sono particolarmente familiari. Per questa ragione, esistono diverse interfacce grafiche per supportare gli utenti nel creare, modificare e visualizzare i database. Uno dei più famosi è certamente phpMyAdmin, scritto in PHP.  

Figura 1: Schema generale

Capire lo scenario

Raccogliere e analizzare i dati rappresentano un’arma importante per le aziende nello snocciolare i dettagli  più interessanti riguardo le proprie attività. Immaginiamo – ad esempio – che un rivenditore di modellini in scala di macchine classiche abbia bisogno del nostro aiuto per generare un report che indichi le informazioni più significative riguardo alle sue vendite, clienti e impiegati.

Per fare ciò, abbiamo accesso al loro database MySQL per effettuare le nostre analisi (per ulteriori informazioni, far riferimento a https://www.mysqltutorial. org/mysql-sample-database.aspx). In Figura 2, possiamo osservare lo schema relativo alle tabelle presenti. Infatti, il nostro compito sarà quello di preparare una dashboard esaustiva usando le nostre abilità con Google Data Studio e SQL.

Figura 2: Database
SUGGERIMENTO.

Quando è necessario interagire con un nuovo database, il primo passo fondamentale è sempre quello di riservare un po’ di tempo nel comprendere e studiare lo schema generale, in modo tale da chiarire le informazioni e relazioni disponibili.

Creare il report con Google Data Studio

Come sempre, iniziamo connettendoci a https://datastudio.google.com/  ed eseguendo il login se necessario. Una volta entrati nella nostra pagina personale, clicchiamo su Crea Report e partiamo!

Connessione e autenticazione

A questo punto è quindi necessario premere Aggiungi dati al report e scegliere MySQL tra i vari connettori offerti da Google. Ci verrà chiesto di autenticarci (usiamo STANDARD) come mostrato in Figura 3. Usiamo le nostre credenziali (nome host, porta, database, nome utente e password) per accedere cliccando su Autentica al fondo. Se l’autenticazione va a buon fine, comparirà una nuova sezione riguardante le tabelle disponibili all’interno del database selezionato.

google data studio authentication
Figura 3: Menu di autenticazione per il connettore MySQL

Selezione delle tabelle

A questo punto, possiamo scegliere quale tabella importare come origine dati dalla lista disponibile. In questo modo, infatti, abbiamo la possibilità di analizzare meglio una tabella in particolare usando poi il tasto in fondo Aggiungi. In realtà, importare l’intera tabella è una procedura superflua e poco efficiente. La soluzione più conveniente è quindi quella di sfruttare le nostre conoscenze SQL per definire le query giuste che semplifichino il lavoro. Per farlo, clicchiamo su Query personalizzata.

Caricare la prima tabella in Google Data Studio

Per iniziare, è importante prendere confidenza con i dati che abbiamo tra le mani, così come con i comandi SQL. Usando le query personalizzate appena viste, prepariamo il nostro report per soddisfare le richieste dell’azienda in questione.

Domanda 1.

Un aspetto cruciale è quello di avere una panoramica dei prodotti in vendita. Definisci la query adatta per importare i dati dalla tabella products. In particolare, riporta solamente productCode, productName, quantityInStock, buyPrice e MSRP.

SUGGERIMENTO.

Per verificare la correttezza della query, basta dare uno sguardo al pannello di destra associato alla tabella appena creata. Le dimensioni riportate sono quelle che ti aspettavi?

Ispezionare l’origine dati

Come abbiamo imparato nello scorso tutorial, un passaggio comune è quello di analizzare meglio l’origine dati e, in questo caso specifico, può essere estremamente utile. Selezioniamo Risorsa e successivamente Gestisci origini dati aggiunte dal menu in alto. Premendo su Modifica per l’orine dati desiderata, si ottiene una schermata simile a quella di Figura 4.

Prima di qualsiasi modifica, possiamo ancora premere su Modifica Connessione a sinistra. In questo modo, ci viene offerta la possibilità di cambiare la query precedentemente definita a seconda delle nostre intenzioni. Chiaramente, la maggior parte delle richieste può essere soddisfatta direttamente all’interno di Data Studio, ma è sempre interessante notare come il cambiamento della query possa influenzare il report.

Infine, clicchiamo su Riconnetti e otteniamo un messaggio pop-up di Google Data Studio che riassume la nuova configurazione. Se tutto risulta corretto, posiamo premere su Applica per concludere.

Figura 4: Origine dati - menu di modifica
Domanda 2a.

Spesso, ci si aspetta che la dashboard finale venga condivisa con altre persone. Di conseguenza, utilizzare di default i nomi delle colonne del database potrebbe risultare poco chiaro. Aggiorna la query SQL per rinominare automaticamente le dimensioni selezionate, fatta eccezione per MSRP.

Domanda 2b.

Rinomina l’origine dati con un nome più appropriato. Poi, cambia il tipo associato a buyPrice e MSRP in modo da avere un risultato più consistente nella visualizzazione (i.e. da numero a Dollaro US). Salva le modifiche con Fatto e torna al report con il tasto Chiudi.

Riportare i prodotti dell’azienda

Dato che i prodotti sono stati correttamente importati, possiamo decidere di visualizzare le informazioni corrispondenti all’interno della nostra dashboard. Prepariamo il report con titolo, intestazione e layout secondo le nostre personali preferenze.

Domanda 3.

Crea/aggiorna una tabella che riporti le informazioni appena citate riguardo i prodotti disponibili. Usa il pannello di destra per selezionare tutte le dimensioni già filtrate (productCode, productName, quantityInStock, buyPrice, MSRP). L’azienda si aspetta una lista dei modelli in vendita ordinati secondo la quantità di scorta per ciascuno (mostrare almeno i primi 5 elementi).

Pagamenti e profitto

Procedendo con le altre tabelle, è necessario includere nuove origini dati. Ci sono due metodi: Aggiungi dati dal menu in alto come al solito, oppure usando Duplica da un’origine dati già esistente dal menu di Gestione origini dati aggiunte e cambiando la query specifica. Quest’ultima ci evita di effettuare l’autenticazione ogni volta, ma è fortemente sconsigliata per non incontrare problemi di performance.

Domanda 4a.

Prova a importare la tabella “payments” come una nuova origine dati usando la query personalizzata. Come dovresti scrivere il comando per importare tutte le colonne? Osserva le varie dimensioni per capire se ci sia bisogno di ulteriori modifiche.

Question 4b.

Crea un box apposito per riassumere i principali indicatori di vendite. Posiziona una Scheda Punteggi che riporti l’ammontare totale dei pagamenti ricevuti in dollari US (i.e. somma) accompagnata da un grafico a barre che mostri le 3 date con maggiore importo (usa la sezione “stile” per scegliere il numero di barre). Riesci a individuare quale periodo dell’anno risulti più proficuo?

SUGGERIMENTO.

Ricorda di rinominare le nuove origine dati, altrimenti risulterebbero tutte assegnate allo stesso nome di default!

Abbiamo completato con successo tutte le operazioni preliminari e la nostra dashboard inizia a prendere forma, riportando le prime informazioni interessanti. Nonostante ciò, è bene includere ulteriori analisi più avanzate. Nella seconda parte del tutorial, concluderemo il sales report aggiungendo tutti gli aspetti mancanti.

Letture raccomandate

More To Explore

Elasticsearch

Elasticsearch: aggregazioni a bucket [parte 1]

Con le aggregazioni a bucket di Elasticsearch possiamo creare gruppi di documenti. In questo articolo ci concentreremo principalmente sulle aggregazioni basate sui campi di tipo keyword presenti negli indici. Utilizzeremo diversi esempi per capire le principali differenze tra le funzioni di aggregazione disponibili.

Elasticsearch

Elasticsearch: aggregazioni metriche

Oltre alla ricerca testuale, Elasticsearch permette di effettuare analisi sui dati mediante le aggregazioni. Tra le varie tipologie di aggregazione disponibili quelle metriche sono orientate proprio a calcolare statistiche su uno o più campi. Mediante degli esempi vedremo quali informazioni possiamo estrarre con questa tipologia di aggregazione.

Lascia un commento

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

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!