{i>Spreadsheetdatabase

Tim BigQuery telah mengembangkan kemampuan untuk memperlakukan Spreadsheet Google seperti tabel dalam database. Itu berarti Anda dapat menggabungkan tabel BigQuery miliaran baris dengan tabel pemetaan 100 baris yang Anda ketik ke dalam sebuah {i>spreadsheet<i} dalam satu kueri.

Fitur ini memungkinkan Anda mengonfigurasi model data, membuat pipeline data untuk data ad hoc, atau membandingkan angka terbaru dengan sasaran dan proyeksi terbaru Anda.

Contoh

Misalnya, Anda mungkin ingin membuat model nama pengguna di Looker yang dikumpulkan menggunakan formulir Google.

Untuk mengumpulkan dan membuat model informasi di Looker, Anda perlu melakukan langkah-langkah berikut:

  1. Kumpulkan data ke dalam Spreadsheet Google menggunakan Google Formulir. Setiap pengiriman akan menambahkan baris dalam sheet.
  2. Bagikan spreadsheet ke akun layanan yang Anda gunakan untuk terhubung ke Looker, atau berikan akses kepada pengguna yang memiliki link (hanya lihat).
  3. Pastikan Drive API dan Sheets API diaktifkan untuk project Anda.
  4. Buat tabel dari antarmuka BigQuery yang mendapatkan kontennya dari spreadsheet.
  5. Di project Looker, buat model data yang menggabungkan tabel spreadsheet dengan data pengguna lain yang mungkin sudah Anda kumpulkan, seperti lokasi pengguna. Anda juga dapat menggunakan SQL untuk menormalisasi nama-nama yang berasal dari {i>database<i}. Data dapat di-cache di BigQuery untuk menghindari beban berat pada spreadsheet.

Berikut adalah contoh dari tampilan LookML yang dihasilkan: 

explore: names_sheet {
  persist_for: "60 seconds"

  join: names_facts {
    sql_on: ${names_sheet.normalized_name} = ${names_facts.normalized_name} ;;
    sql_where: ${names_facts.city} ;;
    relationship: one_to_one
  }

  view_name: names_sheet {
    derived_table: {
      persist_for: "2 minutes"
      sql:
        SELECT row_number() OVER() as id, name, UPPER(CASE WHEN REGEXP_MATCH(name, r'\,')
          THEN REGEXP_EXTRACT(name, r', (\w+)')
          ELSE REGEXP_EXTRACT(name, r'^(\w+)')
          END
          ) as normalized_name FROM namesheet.names ;;
    }

    dimension: id {
      type: number
    }

    dimension: name {
      order_by_field: id    # keep the rows in the original order
    }

    dimension: normalized_name {
    }

    measure: count {
      type: count
      drill_fields: [id, name, names_facts.city]
    }

    measure: count_from_new_york_city {
      type: count
      filters: [names_facts.city: "New York City"]
    }

    measure: percentage_from_new_york_city {
      type: number
      sql: ${count_from_new_york_city}/${count} ;;
      value_format_name: percent_2
    }

    measure: average_age_median {
      type: average
      sql: ${names_facts.age_median} ;;
      value_format: "0000"
    }
  }
}

Dari model ini, Anda dapat membuat Jelajah menggunakan data Anda serta membuat Tampilan dan dasbor yang menunjukkan metrik tentang semua nama pengguna yang telah Anda kumpulkan dari Google Formulir dan dimasukkan ke dalam Spreadsheet Google, serta informasi lain tentang setiap pengguna.