Kom igång med BigQuery-data i Google Kalkylark

Du kan få åtkomst till, analysera, visualisera och dela miljarder datarader från kalkylarket med anslutna kalkylark, den nya BigQuery-dataanslutaren. Du kan även använda anslutna kalkylark för att 
 

  • samarbeta med partner, analytiker eller andra intressenter i ett välbekant gränssnitt för kalkylark
  • säkerställa en enda sanningskälla för dataanalys utan att behöva skapa ytterligare .csv-exporter
  • strömlinjeforma rapport- och översiktsarbetsflöden.

Anslutna kalkylark kör sökfrågor på BigQuery åt dig manuellt eller enligt ett angivet schema. Resultaten av dessa frågor sparas i kalkylarket för analys och delning.

Titta på en videosjälvstudie om du vill veta mer om att arbeta med BigQuery-data i Google Kalkylark.

Tips! Om du använde den tidigare dataanslutaren kan du använda utdrag för att skapa samma tabellvy som i ditt tidigare arbetsflöde. Du kan även ställa in schemalagda uppdateringar för att uppdatera data automatiskt.

Viktigt! När du öppnar BigQuery-data i kopplade arbetsblad registreras poster i Cloud-granskningsloggar. Loggarna visar vem som har fått åtkomst till data och när. Det är enbart personer med rätt auktorisering som kan få åtkomst till loggposter. 

Du hittar kalkylarkets id i granskningsloggen. Varje kalkylark har ett unikt kalkylarks-id som innehåller bokstäver, siffror, bindestreck eller understreck. Du hittar även kalkylarkets id i en webbadress för Google Kalkylark.

Läs mer om Cloud-granskningsloggar.

Om du vill begränsa åtkomsten till Google Cloud-resurser kan du använda VPC-tjänstkontrollerna. Eftersom VPC-tjänstkontrollerna inte har stöd för Kalkyark kan du kanske inte få åtkomst till BigQuery-data som VPC-tjänstkontrollerna skyddar. Om du har nödvändiga behörigheter och uppfyller åtkomstvillkoren för VPC-tjänstkontroller kan du använda VPC-tjänstkontrollerna för att tillåta sökfrågor som har utfärdats via kopplade arbetsblad.

Arbeta med BigQuery-dataexempel i Google Kalkylark

Om du vill förstå hur anslutna kalkylark fungerar kan du utforska exempel på anslutna arbetsblad med offentlig data. 

  1. Öppna mallgalleriet i Google Kalkylark på datorn.
  2. Välj ett av de exemplen på anslutna arbetsblad.

Detta behövs

Om du vill komma åt BigQuery-data i Google Kalkylark måste du uppfylla följande krav:

Lägg till ett BigQuery-projekt

Viktigt! Du kan inte ändra BigQuery-data i Google Kalkylark.
  1. På datorn öppnar du ett kalkylark i Google Kalkylark.
  2. Klicka på Data följt av Dataanslutare följt av Anslut till BigQuery på menyn högst upp.
  3. Välj ett projekt.
  4. Välj en tabell eller vy.
    • Du kan välja från alla företagstabeller som du har åtkomst till eller från offentliga dataset.
  5. Klicka på Anslutföljt av Börja analysera.

Importera dataset med Kopplade arbetsblad

Om du har en stor .csv-fil som du vill importera till Kalkylark eller ladda upp från Drive kan du även välja att importera filen till BigQuery direkt från Kalkylark och fortsätta analysen med Kopplade arbetsblad. Det gör att användarna kan öppna CSV-filer av valfri storlek och analysera dem med välbekanta verktyg i Kalkylark.

Tips! Om du importerar till Kalkylark eller laddar upp från Drive och får meddelandet ”Den här filen är för stor för att importeras direkt till Google Kalkylark” kan du använda kopplade arbetsblad.

Så här importerar du en fil via kopplade arbetsblad:

  1. Öppna filen.
  2. Klicka på Data följt av Dataanslutare följt av Anslut till BigQuery på menyn högst upp.
  3. Sök efter ditt projekt under Välj Google Cloud-projekt.
  4. Ange ett namn på tabellen.
  5. Klicka på Fortsätt.
    • Ett popup-fönster visas när filen har laddats upp.
  6. Klicka på Öppna fil i popup-fönstret för att kontrollera filen.

Lägg till ett alias i kolumnerna för enkel referens

Med kopplade arbetsblad kan du tilldela anpassade, användarvänliga namn (alias) till BigQuery-kolumnrubriker. Det gör din data mer anpassningsbar och lättare att läsa i Google Kalkylark utan att det underliggande BigQuery-schemat ändras.

  • Det kan bara finnas ett alias för en kolumn och det använder samma namngivningsformat som beräknade kolumner i kopplade arbetsblad.
  • Aliaset finns bara kvar i en BigQuery-anslutning och dess relaterade databasobjekt i en arbetsbok.
  • Flera datakällor i ett kalkylark delar inte alias, även om anslutningsuppgifterna är desamma.
  • Beräknade kolumner kan inte heller ha ett alias tilldelat.

Konfigurera ett kolumnalias

  1. Öppna ett kalkylark som är anslutet till BigQuery-data i Google Kalkylark på datorn.
  2. Klicka på rullgardinsmenyn högst upp i kolumnen du vill uppdatera.
  3. Klicka på Byt namn på kolumn med alias.
  4. Ange ett nytt namn på kolumnen och klicka på Spara.
  5. När du har sparat aliaset uppdaterar du länkade objekt för att se de uppdaterade kolumnnamnen.

Du kan använda antingen aliaset du valde eller det ursprungliga kolumnnamnet när du hänvisar till en kolumn i en formel eller ett intervall. Om du uppdaterar eller tar bort ett alias uppdaterar du databasobjekten för att se uppdateringarna.

Use Connected Sheets on the Google Sheets app 

Med Google Kalkylark-appen på din mobila enhet kan du:

  • visa data om Kopplade arbetsblad
  • visa beräknade kolumnformler, filter och sorteringar samt anslutningsinställningar
  • kopiera och klistra in data från Kopplade arbetsblad.

Öppna Google Kalkylark på en dator om du vill skapa, redigera eller uppdatera data i Kopplade arbetsblad.

Nästa: Sortera och filtrera BigQuery-data i Kalkylark

Relaterade artiklar

Den här sidan kan ha innehåll som har översatts med AI-teknik. AI-översättningar kan innehålla fel.

Behöver du mer hjälp?

Testa detta härnäst:

true
Besök utbildningscentret

Använder du Google-produkter, som Google Dokument, på jobbet eller i skolan? Testa effektiva tips, guider och mallar. Lär dig att arbeta med Office-filer utan att installera Office, skapa dynamiska projektplaner och teamkalendrar, organisera inkorgen automatiskt med mera.

Sök
Rensa sökning
Stäng sökrutan
Huvudmeny
3853063425240647304
true
Sök i hjälpcentret
false
true
true
true
true
true
35
false
false
false
false
false