# Google BigQuery [BigQuery](https://cloud.google.com/bigquery/docs/introduction?hl=en) est l'entrepôt de données de Google qui permet une analyse évolutive des données. Cette intégration permet d'envoyer vos propriétés d'entrée spécifiques, ou toutes, vers BigQuery. ## Key features La destination Google BigQuery offre les principales fonctionnalités suivantes : * **Events structure**: notre [Events reference](https://community.commandersact.com/platform-x/developers/tracking/events-reference) alimente BigQuery, ce qui signifie que vos données sont correctement reliées aux champs attendus de manière optimisée. * **Prise en charge de plusieurs schémas**: stockez les données d'événements en suivant votre schéma préféré/existant ou nous pouvons vous aider à en créer un [universel](#universal-schema). * **Contrôle des données**: sélectionnez vos propriétés ou cochez simplement une case pour les envoyer toutes à BigQuery. ## Configuration de la destination {% hint style="info" %} Assurez-vous que [BigQuery API](https://console.cloud.google.com/apis/library/bigquery.googleapis.com?project=gtm-mw9cdnc-ntexy) est activée. Plus de détails sont disponibles en suivant ce [LIEN](https://cloud.google.com/bigquery/docs/enable-transfer-service?hl=en#enable-api).\ Utilisez [**les filtres de destination**](https://doc.commandersact.com/features/destinations/destination-filters) pour affiner les événements et/ou d'autres propriétés correspondant à vos besoins spécifiques. {% endhint %} Cette destination prend en charge tous les schémas, plus précisément : 1. le schéma de votre table existante ou, 2. un schéma universel. La première option est utile pour ceux qui souhaitent utiliser une table existante avec ses colonnes prédéfinies : c'est un scénario courant lorsque vous avez déjà des données stockées, et c'est l'option recommandée car elle est rapide à configurer et les données peuvent être consultées directement depuis la colonne spécifique. Pour activer ce mode, dans le [Configuration](#configuration), il vous suffit d'activer `Auto-discover table structure (recommended)` puis de passer à la section `Event Property Mapping` pour sélectionner les colonnes dans `colonne BigQuery` et leurs valeurs dans `Votre valeur` .\ La deuxième méthode repose sur un [Universal schema](#universal-schema), où toutes vos données (ou les propriétés sélectionnées) sont stockées dans une seule **colonne** sous forme de chaîne JSON et, en utilisant la fonction BigQuery [PARSE\_JSON](https://cloud.google.com/bigquery/docs/reference/standard-sql/json_functions#parse_json) , vous pouvez récupérer des valeurs spécifiques à l'intérieur. Nous vous suggérons de consulter la section [Universal schema](#universal-schema) avec un guide détaillé expliquant comment créer le schéma universel et déterminer si cette structure de table vous convient.\ Pour activer ce mode, dans le [Configuration](#configuration), vous pouvez soit activer `Send all properties to BigQuery with universal schema` afin que toutes les propriétés soient incluses, soit saisir les propriétés que vous souhaitez envoyer en utilisant la table `Property name` dans la section `Properties to include with universal schema` . ### Configuration | Settings | Description | | -------------------------------------------------------------------------------------------------------- | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | `Authentication` |

Requis
Vos identifiants auprès de Google tels que configurés dans l'interface Commanders Act, comme suit : Administration ➜ Identifiants du connecteur ➜ Ajouter des identifiants de connecteur ➜ BigQuery

| | `Project Id` |

Requis
Sélectionnez l'identifiant de votre projet dans le menu déroulant tel qu'indiqué dans la console BigQuery. Plus de détails sont disponibles en suivant ce LIEN.

| | `Dataset Id` |

Requis
Sélectionnez l'identifiant de votre dataset tel qu'indiqué dans la console BigQuery. Plus de détails sont disponibles en suivant ce LIEN.

| | `Table Id` |

Requis
Sélectionnez l'identifiant de la table tel qu'indiqué dans la console BigQuery. Plus de détails sont disponibles en suivant ce LIEN.

| | `Auto-discover table structure (recommended)` | Cochez cette option pour activer la fonctionnalité de détection automatique de la structure de la table. | |

Envoyer toutes les propriétés vers BigQuery avec

universal schema

| Activez cette option pour envoyer toutes les propriétés vers BigQuery selon un schéma spécifique : voir la section [Universal schema](#universal-schema) pour plus de détails. | | `Event property Mapping` | Quand `Auto-discover table structure (recommended)` est activé, vous devez faire correspondre vos champs BigQuery en les sélectionnant dans `colonne BigQuery` et définir leurs valeurs dans `Votre valeur` . | | `Property name` **\[1]** | Lorsque les deux `Auto-discover table structure (recommended)` et `Send all properties to BigQuery with universal schema` ne sont pas activés, vous pouvez saisir les propriétés que vous souhaitez inclure dans votre table avec universal schema, une par ligne. | {% hint style="info" %} **\[1]** dans la section `Properties to include with universal schema` . {% endhint %} ## Universal schema {% hint style="info" %} Les étapes suivantes ne sont pas requises si vous cochez `Auto-discover table structure (recommended)` . {% endhint %} Lorsque vous activez `Envoyer toutes les propriétés vers BigQuery` un schéma spécifique est requis. Consultez les sous-sections suivantes pour apprendre à créer un universal schema. Ce n'est pas ### Dataset Accéder [console BigQuery](https://console.cloud.google.com/) pour localiser votre `(1)` identifiant de projet et cliquez sur `(2)` l’ `les trois points` à droite. Sélectionnez `(3)` `Create dataset` dans le menu ou, alternativement, vous pouvez utiliser un dataset existant et passer à la [sous-section suivante](#table).

Création du dataset #1.

Saisissez un `(4)` identifiant de dataset (par ex. "myDatasetId"), sélectionnez un `(5)` type d'emplacement et cliquez sur `(6)` `CREATE DATASET`.

Création du dataset #2.

### Table Créez une table avec la structure suivante : | Nom du champ | Type | Mode | | ------------ | --------- | ------ | | rawDataCa | String | Requis | | createdAt | Timestamp | Requis | La manière la plus simple de le créer est de cliquer sur le bouton `(7)` l’ `plus` :

Compose a new query.

copiez et collez la requête suivante dans `(8)` la zone de saisie : ```powerquery CREATE TABLE IF NOT EXISTS [PROJECT_ID].[DATASET_ID].[TABLE_ID] (rawDataCa STRING NOT NULL, createdAt TIMESTAMP NOT NULL) OPTIONS(description="CA raw event data stored in Google BigQuery") ``` {% hint style="info" %} Remplacez `[PROJECT_ID]` , `[DATASET_ID]` et `[TABLE_ID]` par l'identifiant de votre projet, de votre dataset et de votre table, respectivement. Vous définissez l'identifiant de votre table à cette étape. {% endhint %} puis cliquez sur le bouton `(9)` `RUN` bouton.

Exécutez la requête de création de table.

### Référence rapide | Commanders Act Events | BigQuery Table Columns | | ----------------------- | --------------------------------- | | `[Any events]` **\[1]** | `rawDataCa`, `createdAt` **\[2]** | {% hint style="info" %} > **\[1]** Utilisez [**les filtres de destination**](https://doc.commandersact.com/features/destinations/destination-filters) pour spécifier vos événements correspondants.\ > \&#xNAN;**\[2]** Deux colonnes : `rawDataCa` contient les propriétés de votre événement, tandis que `createdAt` est l'horodatage de création. > {% endhint %} --- # Agent Instructions: Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://doc.commandersact.com/fr/fonctionnalites/destinations/destinations-catalog/google/google-bigquery.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.