Mengenal BigQuery Tools Untuk Explore Data Analytics

BigQuery adalah cloud data warehouse (CDW) yang memungkinkan Anda menjalankan kueri yang super cepat terhadap set data besar.

Anda dapat mengekspor data sesi dan hit dari account Google Analytics ke BigQuery, lalu menggunakan sintaks mirip SQL untuk menjalankan kueri terhadap semua data Analytics.

Menariknya BigQuery cukup mudah dipelajari terutama bagi kamu yang sudah familiar dengan bahasa SQL, menggunakan tools BigQuery hanya tinggal penyesuaian saja.

Feature-Feature BigQuery

BigQuery adalah data warehouse dengan banyak fitur. Berikut adalah beberapa fitur utama yang perlu diketahui.

1. BigQuery ML

BigQuery ML merupakan fitur untuk membangun dan mengoperasikan model machine learning. BigQuery ML akan sangat berguna untuk pekerjaan sehari-hari seorang data analyst.

Tentunya, dibutuhkan skill programming dan pengetahuan cukup tentang framework machine learning untuk memaksimalkan penggunaan fitur ini.

2. BigQuery

BigQuery Omni merupakan tool multi-cloud analytics untuk analisis data.

Kamu bisa bebas menggunakan data dari Google Cloud, Amazon Web Services (AWS), dan Azure cukup dari satu dashboard.

Jadi, tidak perlu beradaptasi dengan user interface yang berbeda-beda. Dengan menggunakan BigQuery Omni, kamu bisa bekerja lebih produktif dengan biaya yang lebih rendah.

3. BigQuery BI Engine

BigQuery BI Engine dari Google digunakan untuk analisis dataset kompleks dalam ukuran yang besar. Fitur ini sudah terintegrasi dengan Google Data Studio dan tool BI lainnya.

4. BigQuery GIS

Untuk augmentasi workflow analitik dengan location intelligence, kamu bisa menggunakan BigQuery GIS. Fitur ini menggabungkan arsitektur serverless BigQuery dengan geospatial analysis.

Dari BigQuery GIS, kamu bisa melakukan analisis dengan lebih efektif serta mudah. Fitur lengkap BigQuery bisa kamu nikmati dengan dua tipe subscription, yaitu pay-as-you-go dan flat-rate pricing.

 

Perkiraan Harga BigQuery

Google dalam menentukan harga BigQuery terbagi dalam 2 komponen:

1) Analysis pricing models

BigQuery menawarkan dua pilihan model penetapan harga untuk menjalankan kueri:

a) On-demand pricing

Dengan model penetapan harga ini, Anda dikenai biaya untuk jumlah byte yang diproses oleh setiap kueri. 1 TB data kueri pertama yang diproses per bulan gratis.

b) Flat Pricing

Dengan model penetapan harga ini, Anda membeli slot, yang merupakan CPU virtual. Saat Anda membeli slot, Anda membeli kapasitas pemrosesan khusus yang dapat Anda gunakan untuk menjalankan kueri. Slot tersedia dalam paket komitmen berikut:

• Slot fleksibel: Anda berkomitmen untuk 60 detik awal.


• Bulanan: Anda berkomitmen untuk 30 hari awal.


• Tahunan: Anda berkomitmen untuk 365 hari.

2) Storage pricing

Storage pricing adalah biaya untuk menyimpan data yang Anda muat ke BigQuery. Anda membayar untuk penyimpanan aktif dan penyimpanan jangka panjang.

• Active Storage, termasuk tabel atau partisi tabel yang telah dimodifikasi dalam 90 hari terakhir.


• Long-term storage, termasuk tabel atau partisi tabel yang belum diubah selama 90 hari berturut-turut. Harga penyimpanan untuk tabel itu secara otomatis turun sekitar 50%. Tidak ada perbedaan dalam performa, daya tahan, atau ketersediaan antara penyimpanan aktif dan penyimpanan jangka panjang.

Melihat kebutuhan akan pengolahan data kedepan yang begitu masif maka BigQuery bisa jadi option untuk dijadikan sebagai Data Warehouse yang handal.

• Python pandas basic tutorial untuk pemula


• Data frame dengan pandas dan SQLAlchemy


• Mengolah data CSV dengan pandas


• Mengolah data XLSX dengan pandas


• 6 tehnik basic pengolahan data dengan pandas

sumber referensi : https://cloud.google.com/bigquery/pricing