Business Intelligence/13. November 2023 -Aktualisiert am 7. Oktober 2024/3 Min. Lesezeit

Custom Queries in Looker Studio mit BigQuery

Google Looker Studio Symbol mit einem Zahnrad

Bei der Arbeit mit einem BigQuery-Datensatz kann das volle Potenzial von Looker Studio ausgenutzt werden, indem benutzerdefinierte Abfragen erstellt werden. So können Daten genau so extrahiert, transformiert und präsentiert werden wie gewünscht. Looker Studio erlaubt es uns, eine neue View über das Interface zu erstellen, die nur innerhalb Looker Studio benutzt wird.

Das ist extrem nützlich, wenn wir eine Metrik nur in einem einzelnen Diagramm benötigen oder wir Daten über unterschiedliche Zeiträume vergleichen möchten.
In diesem Blogbeitrag führen wir durch den schrittweisen Prozess der Erstellung und Umsetzung von benutzerdefinierten Abfragen im Looker Studio mit dem Iowa Liquor Sales-Datensatz aus BigQuery.

Ist das Arbeiten mit Google Looker Studio noch neu, bieten in den vorherigen Blogartikeln einführende Informationen zur Nutzung.

Schritt 1: Verbindung mit der Datenquelle herstellen

  • Anmelden bei Looker Studio und einen neuen Bericht erstellen.
  • Im linken Menü auf "Add Data" klicken.
  • "BigQuery" als unseren Daten Konnektor auswählen.
  • Verbinden mit unserem BigQuery-Projekt und dem Datensatz mit den Iowa Liquor Sales-Daten. Diesmal wird nicht das Public Dataset genutzt.

Schritt 2: Erstellung einer benutzerdefinierten Abfrage

Nach Auswahl des entsprechenden Projekts und der Datenquelle müssen unsere SQL-Abfrage in das Feld "Enter Custom Query" geschrieben werden (der vorgesehene Platz zum Schreiben von Code).

Interface zur Eingabe von Custom Queries

"Interface zur Eingabe von Custom Queries"

Schritt 3: Schreiben von SQL-Code

Jetzt wird eine einfache SQL-Abfrage erstellt, um einige Daten aus dem Iowa Liquor Sales-Datensatz abzurufen.

SQL Code einer Custom Query

"SQL Code einer Custom Query"

In diesem SQL-Schnipsel:

Bestimmte Spalten wie Transaktionsdatum, Filialnummer, Artikelbeschreibung, verkaufte Liter und Verkaufsumsatz werden ausgewählt. Zusätzlich filtern wir die die Daten, damit nur Datensätze ab dem 1. Januar 2020 berücksichtigt werden.

Schritt 4: Vorschau der Daten

Nachdem die benutzerdefinierte Abfrage geschrieben wurde, auf "Run Query" klicken, um die Daten-Ergebnisse anzuzeigen. Sicherstellen, dass die zurückgegebenen Daten den Erwartungen entsprechen und ggf. SQL-Code anpassen.

Schritt 5: Visualisierung der Daten

Jetzt, da die Daten vorhanden sind, ist es an der Zeit, Visualisierungen zu erstellen.

  • Zum Bericht zurückkehren, indem "Report" im linken Menü ausgewählt wird.
  • Auf "Add a chart" klicken, um eine neue Visualisierung hinzuzufügen.
  • Den Diagrammtyp auswählen, der am besten zu den Daten passt. Beispielsweise "Bar Chart" auswählen, um den Gesamtumsatz nach Filiale zu visualisieren.
Visualisierung der selektierten Daten

"Visualisierung der selektierten Daten"

Fazit:

Die Umsetzung von Custom Queries im Looker Studio mit BigQuery ermöglicht die Erstellung maßgeschneiderter Berichte und Dashboards, um Erkenntnisse aus den Daten zu gewinnen. Durch Befolgung des schrittweisen Prozesses, wie in diesem Blogbeitrag beschrieben, kann die Kontrolle über die Daten übernommen werden.
Über das hier beschriebene Beispiel hinaus lassen sich noch eine Vielzahl weiterer Use Cases mithilfe von Custom Queries bearbeiten. Innerhalb der Custom Queries können komplexe Datenaggregationen oder sogar Joins durchgeführt werden.

Obwohl Looker Studio manchmal nicht so flexibel ist, wie wir es gern hätten, können wir mittels Custom Queries viele Beschränkungen umgehen. Wir können beispielsweise in einer einzelnen Tabelle Daten aus unterschiedlichen Zeiträumen vergleichen, oder Kampagnen-Scores auf Basis der aktuellen Performance berechnen.