Comment connaître les coûts BigQuery engendrés par rapport Looker Studio ?

Avant de commencer, voici deux formations gratuites en rapport avec la question traitée dans cet article qui pourrait vous intéresser :

Formation sur Google Big Query (2023)

Formation sur Looker Studio (2023)

Allez, c’est parti ! 🤓

Lorsque vous avez beaucoup de rapports Looker Studio connectés à BigQuery et que ces derniers ont une forte fréquence d’utilisation, il peut être intéressant de connaître les coûts générés par chacun d’entre eux afin de cibler les optimisations à entreprendre et minimiser ces dépenses.

Un composant Looker Studio (graphique, filtre, etc) associé à une source de données utilisant le connecteur natif BigQuery doit réaliser une requête SQL pour afficher les données attendues (sauf si les données sont en cache). Chaque requête SQL implique un coût qui varie selon la quantité de données analysées.

À date, la façon la plus “simple” que nous avons identifiée pour connaître les coûts générés par rapport Looker Studio est d’utiliser un compte de service par rapport lors de la création des sources de données associées.

En procédant ainsi, vous pouvez identifier et récupérer via l’API BigQuery les requêtes (et leur coût) réalisées sur un projet par compte de service (et donc par rapport).

Si vous voulez cibler davantage les optimisations à entreprendre, vous pouvez également :

• Utiliser un compte de service par page et/ou composant et réaliser un mapping pour disposer de plus de granularité dans vos analyses (mais ça risque d’être un peu chronophage).
• Implémenter Google Analytics 4 sur chacun des rapports et intégrer ces données dans vos analyses afin de savoir par exemple si un coût élevé est dû à une non-optimisation ou bien à un important volume d’utilisateur.