Restez organisé à l'aide des collections
Enregistrez et classez les contenus selon vos préférences.
Présentation des outils d'analyse et d'informatique décisionnelle
Lorsque vous utilisez une plate-forme de données comme BigQuery, les outils d'analyse et d'informatique décisionnelle sont essentiels pour vous aider à découvrir des insights à partir de vos données.
Ce document présente plusieurs outils Google et tiers qui complètent et s'intègrent à BigQuery.
Les feuilles connectées vous permettent de consulter, d'analyser, de visualiser et de partager des milliards de lignes de données BigQuery à partir de vos feuilles de calcul Google Sheets. L'interface de Connected Sheets simplifie la collaboration avec les parties prenantes non techniques du projet, ne nécessite aucune exportation de données supplémentaire, simplifie la création de rapports et offre des fonctionnalités de contrôle d'accès puissantes.
Looker est la plate-forme d'entreprise de Google pour la visualisation des données et l'informatique décisionnelle. Il est utile pour l'analyse avancée des données, l'analyse prédictive et les applications de données personnalisées. Elle peut également se connecter à des bases de données transactionnelles dans d'autres clouds publics.
Looker Studio est un outil Google pour la visualisation des données et l'informatique décisionnelle. Il se connecte à BigQuery directement à partir de la console Google Cloud et est utile pour créer des graphiques, des rapports et des tableaux de bord simples.
Les pilotes ODBC et JDBC vous permettent de combiner la puissance de BigQuery avec vos outils et votre infrastructure existants qui utilisent des connexions ODBC ou JDBC courantes.
Les outils d'analyse programmatique peuvent exécuter du code pour analyser les données gérées dans BigQuery. Bien que SQL soit un langage de requête puissant, Python, Java ou R offrent souvent un moyen plus simple et expressif d'effectuer des analyses de données. Ces outils incluent des applications Web Open Source telles que Jupyter Notebooks et Apache Zeppelin, ainsi que des plates-formes de développement d'applications statistiques comme RStudio.
Vertex AI Workbench est un outil Google qui propose des environnements de notebook JupyterLab pour l'analyse programmatique.
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2025/09/04 (UTC).
[[["Facile à comprendre","easyToUnderstand","thumb-up"],["J'ai pu résoudre mon problème","solvedMyProblem","thumb-up"],["Autre","otherUp","thumb-up"]],[["Difficile à comprendre","hardToUnderstand","thumb-down"],["Informations ou exemple de code incorrects","incorrectInformationOrSampleCode","thumb-down"],["Il n'y a pas l'information/les exemples dont j'ai besoin","missingTheInformationSamplesINeed","thumb-down"],["Problème de traduction","translationIssue","thumb-down"],["Autre","otherDown","thumb-down"]],["Dernière mise à jour le 2025/09/04 (UTC)."],[[["\u003cp\u003eAnalysis and business intelligence tools are essential for extracting insights from data within platforms like BigQuery.\u003c/p\u003e\n"],["\u003cp\u003eGoogle offers several tools, including Connected Sheets, Looker, and Looker Studio, for data analysis, visualization, and collaboration with BigQuery.\u003c/p\u003e\n"],["\u003cp\u003eODBC and JDBC drivers enable the integration of BigQuery with existing systems that use these connection methods.\u003c/p\u003e\n"],["\u003cp\u003eProgrammatic analysis tools like Jupyter Notebooks, Apache Zeppelin, and RStudio, along with Google's Vertex AI Workbench, provide coding environments for in-depth data analysis within BigQuery.\u003c/p\u003e\n"],["\u003cp\u003eVarious third-party tools, such as Tableau and Microsoft Power BI, can also connect to BigQuery for data analysis and visualization.\u003c/p\u003e\n"]]],[],null,["# Introduction to analysis and business intelligence tools\n========================================================\n\nWhen you use a data platform like BigQuery, analysis and business\nintelligence tools are crucial to helping you discover insights from your data.\nThis document presents several Google and third-party tools that complement and\nintegrate with BigQuery.\n\n[Connected Sheets](/bigquery/docs/connected-sheets) lets you\naccess, analyze, visualize, and share billions of rows of\nBigQuery data from your\n[Google Sheets spreadsheets](https://www.google.com/sheets/about/). The\nConnected Sheets interface simplifies collaboration with\nnon-technical project stakeholders, requires no additional data exports,\nstreamlines reporting, and provides powerful access control capabilities.\n\n[Looker](/bigquery/docs/looker)\nis Google's enterprise platform for data visualization and business\nintelligence. It is useful for advanced data analytics, predictive analysis, and\ncustom data applications. It can also connect to transactional databases in\nother public clouds.\n\n[Looker Studio](/bigquery/docs/visualize-looker-studio) is a\nGoogle tool for data visualization and business intelligence. It connects to\nBigQuery directly from the Google Cloud console and is useful\nfor building simple graphics, reports, and dashboards.\n\n[ODBC and JDBC drivers](/bigquery/docs/reference/odbc-jdbc-drivers) let you\ncombine the power of BigQuery with your existing tooling and\ninfrastructure that use popular ODBC or JDBC connections.\n\n[Programmatic analysis tools](/bigquery/docs/programmatic-analysis) can run code\nto analyze data managed in BigQuery. While SQL is a powerful\nquery language, Python, Java, or R often provide a more simplified, expressive\nway to perform data analysis. Such tools include open source web-based\napplications like\n[Jupyter Notebooks](/bigquery/docs/programmatic-analysis#jupyter_notebooks) and\n[Apache Zeppelin](/bigquery/docs/programmatic-analysis#apache_zeppelin), as well\nas platforms for statistical application development like\n[RStudio](/bigquery/docs/programmatic-analysis#rstudio).\n[Vertex AI Workbench](/vertex-ai/docs/workbench/introduction) is a\nGoogle tool that offers JupyterLab notebook environments for\nprogrammatic analysis.\n\nYou can also connect to BigQuery using a number of popular\nthird-party tools such as\n[Tableau](https://help.tableau.com/current/pro/desktop/en-us/examples_googlebigquery.htm)\nand [Microsoft Power BI](https://docs.microsoft.com/en-us/power-bi/connect-data/desktop-connect-bigquery).\nThe BigQuery Ready program offers a\n[full list of validated partner solutions](/bigquery/docs/bigquery-ready-partners).\n\nWhat's next\n-----------\n\n- Learn to [use Connected Sheets](/bigquery/docs/connected-sheets).\n- [Visualize data in Looker Studio](/bigquery/docs/visualize-looker-studio).\n- Learn to [use Looker](/bigquery/docs/looker).\n- Learn to [use ODBC and JDBC drivers](/bigquery/docs/reference/odbc-jdbc-drivers).\n- Learn to [use programmatic analysis tools](/bigquery/docs/programmatic-analysis).\n- [Use third-party tools](/bigquery/docs/third-party-integration)."]]
