Connecteur Google Analytics analytique

info

Bêta

Cette fonctionnalité est en version Bêta. Pour l'utiliser, un administrateur de Workspace doit activer Lakeflow Connect for Google analytique Aggregated sur la page Previews . Consultez Gérer les aperçus Databricks.

Le connecteur géré Google analytique Aggregated dans Lakeflow Connect ingère des données de rapport Google analytique 4 (GA4) agrégées (telles que les métriques sur les utilisateurs, les sessions, les événements, l'acquisition, le e-commerce et les données démographiques) à partir de l'API Google analytique Data vers Databricks. Il prend également en charge les rapports personnalisés avec les dimensions et les métriques que vous sélectionnez.

remarque

Pour ingérer des données GA4 brutes au niveau de l'événement que Google analytique exporte vers BigQuery, utilisez plutôt le connecteur de données brutes Google analytique.

Disponibilité de la fonctionnalité

Fonctionnalité	Disponibilité
Création de pipeline basée sur l’interface utilisateur	Non pris en charge
Création de pipeline basée sur une API	Pris en charge
Declarative Automation Bundles	Pris en charge
Ingestion incrémentielle	Pris en charge
Gouvernance avec Unity Catalog	Pris en charge
Orchestration utilisant Lakeflow Jobs	Pris en charge
Sélection et désélection de colonnes basées sur l’API	Pris en charge
Filtrage de ligne basé sur l’API	Non pris en charge
Dimensions à évolution lente (SCD) de type 2	Pris en charge
Évolution des schémas automatisée : nouvelles colonnes et colonnes supprimées	Pris en charge
Évolution des schémas automatisée : modifications du type de données	Non pris en charge
Évolution des schémas automatisée : renommage de colonnes	Non pris en charge Nécessite une refresh complète.

Fonctionnalité	Disponibilité
Création de pipeline basée sur l’interface utilisateur	Non pris en charge
Création de pipeline basée sur une API	Pris en charge
Declarative Automation Bundles	Pris en charge
Ingestion incrémentielle	Pris en charge
Gouvernance avec Unity Catalog	Pris en charge
Orchestration utilisant Lakeflow Jobs	Pris en charge
Sélection et désélection de colonnes basées sur l’API	Pris en charge
Filtrage de ligne basé sur l’API	Non pris en charge
Dimensions à évolution lente (SCD) de type 2	Pris en charge
Évolution des schémas automatisée : nouvelles colonnes et colonnes supprimées	Pris en charge
Évolution des schémas automatisée : modifications du type de données	Non pris en charge
Évolution des schémas automatisée : renommage de colonnes	Non pris en charge Nécessite une refresh complète.

Méthodes d’authentification

Méthode d’authentification	Disponibilité
Compte de service (OAuth 2.0 machine à machine) (Recommandé)	Pris en charge
OAuth 2.0 utilisateur à machine (U2M)	Pris en charge
Authentification de base (nom d’utilisateur/mot de passe)	Non pris en charge
Authentification de base (clé API)	Non pris en charge

Méthode d’authentification	Disponibilité
Compte de service (OAuth 2.0 machine à machine) (Recommandé)	Pris en charge
OAuth 2.0 utilisateur à machine (U2M)	Pris en charge
Authentification de base (nom d’utilisateur/mot de passe)	Non pris en charge
Authentification de base (clé API)	Non pris en charge

Ingestion à partir de Google analytique en trois étapes

remarque

Avant de commencer, veuillez consulter les personas des utilisateurs de Databricks, les interfaces prises en charge, la fréquence d'ingestion et les modèles courants.

1. Configurer Google analytique pour l’ingestion (Administrateurs) : configurez Google analytique pour l’authentification avec Databricks.
2. Créer une connexion Unity Catalog (administrateurs) : créez une connexion dans l’Explorateur de catalogue pour stocker les informations d’identification permettant à Databricks de s’authentifier auprès de Google Analytics.
3. Créer un pipeline d’ingestion (administrateurs ou non-administrateurs) : sélectionnez n’importe quelle interface prise en charge et créez un pipeline à partir d’une connexion existante.