Google Analytics propose une nouvelle recommandation lors de l'implémentation du mode de consentement dans gtag.js, Google Tag Manager ou le SDK Google Analytics for Firebase. Cette recommandation indique que si les pings sans cookies sont bloqués par les balises Google ou la plateforme de gestion des consentements, la plupart des rapports dans Google Analytics 4 utiliseront la modélisation comportementale pour combler les lacunes. Cela se fera grâce à l'apprentissage automatique en modélisant le comportement des utilisateurs qui refusent les cookies d'analyse, en se basant sur le comportement d'utilisateurs similaires qui les acceptent. Pour en savoir plus, consultez les informations sur le déblocage des balises Google lors de l'utilisation du mode de consentement.

Une nouvelle mise à jour permet désormais de visualiser et supprimer les liens établis entre les propriétés Google Analytics 4 et les comptes AdSense. Lorsque vous liez votre compte AdSense à une propriété Google Analytics 4, vous pouvez le voir sur la page Admin sous AdSense Links. Pour en savoir plus sur l'intégration de Google AdSense.

La modélisation comportementale des données est désormais disponible dans toutes les explorations ou rapports qui incluent des chemins et des entonnoirs dans Google Analytics 4. Cela inclut notamment l'exploration des chemins et des entonnoirs, ainsi que le rapport sur le parcours d'achat des utilisateurs et les rapports d'entonnoirs personnalisés. Lorsque les visiteurs d'un site web ou les utilisateurs d'une application refusent les cookies d'analyse ou des identifiants d'application équivalents, vos rapports sont incomplets en ce qui les concerne. La modélisation comportementale comble les lacunes en modélisant le comportement des utilisateurs qui refusent les cookies d'analyse en se basant sur le comportement d'utilisateurs similaires qui acceptent ces cookies. Pour en savoir plus sur la modélisation comportementale.

Google Analytics 4 Reports peuvent désormais être personnalisés davantage avec les types de correspondance. Les filtres de rapport prennent désormais en charge les types de correspondance, y compris "commence par", "correspond exactement" et regex. En savoir plus sur les types de correspondance.

La nouvelle fonctionnalité "Rapport des audiences" dans Google Analytics 4 permet d'identifier les audiences les plus engagées et rentables. Ce rapport inclut toutes les audiences ayant au moins un utilisateur dans la période spécifiée. Il est désormais disponible dans la section "Attributs des utilisateurs" dans les rapports. Si vous ne voyez pas ce rapport, un administrateur ou un éditeur peut l'ajouter via la bibliothèque de rapports. Pour en savoir plus sur le rapport des audiences, consultez la documentation.

Google Analytics 4 permet désormais d'utiliser des segments tiers avec les audiences de Google Ad Manager. Lorsque vous liez votre propriété Analytics à Google Ad Manager, avec les signaux Google activés et la personnalisation des annonces activée dans les paramètres de liaison, les audiences sont automatiquement exportées vers Ad Manager. Vous pouvez utiliser les audiences telles quelles pour le ciblage, ou les combiner avec d'autres audiences. Vous pouvez également effectuer des analyses sur celles-ci. De plus, il est maintenant possible de définir une valeur par défaut pour un événement de conversion dans Google Analytics. Ainsi, si les paramètres 'devise' et 'valeur' ne sont pas définis pour l'événement de conversion, Google Analytics utilise la valeur par défaut que vous avez définie. Si l'événement a déjà une valeur, la valeur par défaut n'est pas appliquée.

Google Analytics 4 permet désormais d'utiliser des segments tiers avec les audiences de Google Ad Manager. Lorsque vous liez votre propriété Analytics à Google Ad Manager, avec les signaux Google activés et la personnalisation des annonces activée dans les paramètres de liaison, les audiences sont automatiquement exportées vers Ad Manager. Vous pouvez utiliser les audiences telles quelles pour le ciblage, ou les combiner avec d'autres audiences. Vous pouvez également effectuer des analyses sur ces audiences. En savoir plus sur les audiences de Google Analytics 4 dans Google Ad Manager.

Google Analytics 4 ajoute des dimensions et des métriques liées au commerce électronique à l'outil de création de rapports personnalisés. Cela permet de créer des rapports sur le commerce électronique à partir de zéro ou de modifier les rapports standard existants. Les nouvelles dimensions incluent des informations sur les articles, tels que l'affiliation, la marque, la catégorie, etc. Les nouvelles métriques incluent des données sur les revenus, les remboursements, les articles ajoutés au panier, les articles achetés, etc. De plus, Google Analytics introduit de nouvelles métriques de revenus dans les explorations, et supprime certaines métriques redondantes. Il est recommandé de mettre à jour les explorations existantes pour utiliser les nouvelles métriques de revenus.

Google Ads propose désormais d'importer les conversions web et app de Google Analytics 4 dans Google Ads. Cela permet d'accéder aux données de Google Analytics dans Google Ads et d'optimiser les enchères pour améliorer les performances. Cette recommandation peut apparaître en haut de la page "Aperçu de la publicité", sur la page d'accueil ou sur la page "Centre d'informations". Pour en savoir plus sur ces recommandations, consultez la documentation.

Avec cette mise à jour, vous pouvez exporter les identifiants d'utilisateurs et les identifiants de périphériques des utilisateurs d'une audience que vous avez créée dans Google Analytics 4 en utilisant l'API de données de Google Analytics v1. Auparavant, vous ne pouviez envoyer ces informations qu'à des intégrations directes telles que Google Ads ou Firebase. L'API d'exportation d'audience de Google Analytics est disponible en version alpha pour les propriétés standard et 360, avec des limites plus élevées pour les propriétés 360. Pour en savoir plus, consultez la documentation pour les développeurs.

Tag Assistant: Vous pouvez désormais exporter et importer vos sessions de débogage dans Tag Assistant pour faciliter le triage et la résolution des problèmes avec vos balises. Apprenez comment importer et exporter des sessions.

La mise à jour concerne le "server-side tagging" de Google Tag Manager. Il est désormais possible de rediriger le trafic de votre conteneur serveur vers un serveur proxy. Il est recommandé de s'assurer que votre image Docker est en version 2.2.0 ou ultérieure. Pour en savoir plus sur le routage via proxy avec les conteneurs serveur, consultez les informations fournies.

Google a récemment introduit une nouvelle fonctionnalité appelée "server-side tagging" qui permet aux utilisateurs de déployer une balise Google Cloud Retail. Cette balise permet d'enregistrer les événements des utilisateurs dans un conteneur serveur de Google Tag Manager. Cette mise à jour offre aux utilisateurs une nouvelle façon de suivre et d'analyser les actions des utilisateurs sur leur site web.

Cette mise à jour permet désormais la compatibilité du tag Google avec Google Tag Manager. Vous pouvez déployer un tag Google (gtag.js) dans Tag Manager. Les tags de configuration GA4 sont maintenant des tags Google. Avec ce changement, votre tag de configuration GA4 dispose de nouvelles fonctionnalités, y compris des variables de paramètres. Vous n'avez pas besoin d'agir car ce changement est appliqué automatiquement. Votre configuration de mesure existante fonctionnera comme avant. De plus, des variables de paramètres sont disponibles pour le tag Google et les tags d'événements GA4, vous permettant de réutiliser des paramètres de configuration et d'événement communs.

La mise à jour permet d'appliquer une règle de transformation à l'ensemble des types de balises. Cela permet d'optimiser le processus de balisage côté serveur. Pour en savoir plus sur les transformations, consultez la documentation.

Pour vous aider à trouver les lacunes de balisage, Tag Assistant peut désormais ajouter les pages non balisées au résumé de la couverture des balises. Il vous suffit d'ouvrir Tag Assistant et de commencer à naviguer vers la page en question.

L'article explique ce qu'est le balisage côté serveur et comment vous pouvez en tirer parti. Il offre également des conseils sur le balisage côté client et côté serveur. Si vous souhaitez vous lancer dans le balisage côté serveur, vous pouvez suivre le cours "Fondamentaux du balisage côté serveur" pour commencer.

L'update concerne les balises de suivi côté serveur : les balises Floodlight Counter et Floodlight Sales permettent désormais d'inclure des données fournies par l'utilisateur.

La mise à jour concerne le balisage côté serveur. Les nouveaux conteneurs serveur ne sont plus préinstallés avec le client Google Analytics: Universal Analytics. Cependant, le client Google Analytics: Universal Analytics est toujours disponible pour une configuration manuelle.

Cette mise à jour concerne le balisage côté serveur. Le tag Floodlight Sales dans les conteneurs serveur chiffre la valeur du chiffre d'affaires si elle est définie dans le conteneur serveur. De plus, les tags Floodlight Counter et Floodlight Sales incluent des paramètres d'événement personnalisés commençant par x-dc-. Pour en savoir plus, consultez les liens fournis.

La mise à jour de Drill Actions pour les tableaux offre une expérience de forage améliorée pour les créateurs et les spectateurs de rapports. Les créateurs de rapports peuvent désormais ajouter plusieurs dimensions pour permettre aux utilisateurs de forer vers le haut, le bas ou de basculer entre les dimensions afin d'obtenir différentes perspectives sur les données présentées dans les tableaux. Ils peuvent également configurer des liens de forage vers des URL externes pour fournir aux utilisateurs une navigation rapide vers des informations supplémentaires sur les données présentées. Les spectateurs de rapports peuvent également utiliser ces fonctionnalités pour explorer les données et accéder à des liens de forage vers des sites externes.

La mise à jour permet aux utilisateurs de modifier la dimension sur un ou plusieurs graphiques sans avoir à modifier le rapport. Il est désormais possible de spécifier un champ de nom de groupe d'actifs pour une source de données Google Ads lors de l'utilisation du connecteur Google Ads.

L'intégration native de BigQuery dans Looker Studio permet de nouvelles fonctionnalités de surveillance pour les requêtes de Looker Studio, améliore les performances des requêtes et prend en charge de nombreuses fonctionnalités de BigQuery. Cette fonctionnalité est en prévisualisation. Vous pouvez vous abonner à Looker Studio Pro directement en utilisant notre outil de mise à niveau en libre-service. Looker Studio Pro vous offre toutes les fonctionnalités de Looker Studio que vous connaissez déjà, ainsi que des capacités améliorées pour les entreprises et un accès au support technique de Google Cloud Customer Care. En savoir plus sur Looker Studio Pro.

Cette mise à jour permet aux utilisateurs de visualiser les données sous-jacentes d'un graphique, ce qui les aide à prendre des décisions éclairées sur les données à inclure dans ce graphique et à résoudre les problèmes éventuels avec leurs rapports. De plus, les utilisateurs peuvent désormais sélectionner plusieurs éléments de Looker Studio simultanément pour les déplacer ou les supprimer, ce qui facilite la gestion des actifs dans un espace de travail d'équipe.

La nouvelle mise à jour comprend trois nouveaux types de graphiques : le Boxplot, le Candlestick et le Waterfall. Le Boxplot permet de visualiser la distribution et la dispersion des valeurs dans un ensemble de données. Le Candlestick permet de visualiser les plages de valeurs, y compris les valeurs d'ouverture et de clôture, ainsi que les plus hauts et les plus bas de chaque plage. Le Waterfall permet de visualiser comment une séquence de valeurs positives et négatives s'additionne pour donner un total. De plus, les miniatures affichent désormais une image de taille fixe de 320 px X 240 px, montrant si possible une vue de l'ensemble de la page du rapport.

Dans cette mise à jour, Looker Studio permet désormais de se connecter aux versions 13 et 14 de PostgreSQL. Un bug a également été corrigé, qui pouvait entraîner l'affichage de données différentes entre le connecteur YouTube et YouTube Analytics. Désormais, les données devraient être identiques dans les deux endroits.

Dans cette mise à jour, nous avons apporté des améliorations à notre système d'analyse Web. Cela inclut des fonctionnalités telles que la collecte de données plus précise, une meilleure visualisation des rapports et une intégration plus fluide avec d'autres outils d'analyse. Ces améliorations permettent aux utilisateurs de mieux comprendre le comportement des visiteurs sur leur site Web et d'optimiser leurs stratégies marketing en conséquence.

Vous pouvez configurer l'URL d'un bouton de navigation pour qu'il soit fourni dynamiquement à partir d'une valeur de dimension. En savoir plus.

Google Analytics 4 a introduit de nouvelles sources de données qui récupèrent directement leurs champs à partir de l'API GA4. Auparavant, les sources de données GA4 étaient basées sur un schéma fixe avec une liste prédéfinie de champs. Pour voir les nouveaux champs de l'API GA4 dans une source de données existante, il suffit de rafraîchir les champs. Cette mise à jour est rétrocompatible avec la version précédente du connecteur. Le rafraîchissement d'une source de données Google Analytics 4 préserve le schéma existant et ajoute simplement de nouveaux champs de l'API à la source de données. Apprenez comment vous connecter à Google Analytics.

Dans cette mise à jour, vous pouvez configurer différentes options pour les graphiques à barres et les graphiques combinés avec des barres depuis l'onglet Style du panneau des propriétés. Vous pouvez choisir entre différents types d'étiquettes pour les valeurs des métriques, les barres empilées et les barres empilées à 100%. Vous pouvez également définir la position des étiquettes des barres, personnaliser l'espacement entre les barres et les groupes de barres, et choisir la couleur des bordures des barres. De plus, vous pouvez désormais consulter les événements de journal de l'espace de travail d'équipe dans la console d'administration et les adresses IP utilisées par Looker Studio pour se connecter à certaines bases de données ont changé.

La fonctionnalité de masquage de données personnalisé est désormais disponible en version générale (GA). Vous pouvez définir des routines de masquage personnalisées pour des capacités de masquage personnalisées telles que le hachage basé sur le sel. Cette fonctionnalité est disponible dans l'édition Enterprise Plus. BigQuery propose désormais la résolution d'entités. Cette fonctionnalité permet aux utilisateurs de faire correspondre des enregistrements entre des ensembles de données même en l'absence d'un identifiant commun. Elle utilise un fournisseur d'identité pour ce processus ; BigQuery prend en charge LiveRamp et fournit un cadre pour que d'autres fournisseurs d'identité proposent des services similaires. Cette fonctionnalité est disponible en version générale (GA).

Vous pouvez désormais afficher les plans de requête pour voir les détails des SQL pushdowns dans les requêtes fédérées. Cette fonctionnalité est maintenant généralement disponible.

À partir du 12 mars 2024, la facturation des procédures stockées Spark sera mise en place. Jusqu'à cette date, les procédures stockées Spark sont proposées sans frais supplémentaires.

Cette mise à jour hebdomadaire concerne les bibliothèques clientes du Cloud SDK. Pour google-cloud-bigquery en Java, la version 2.37.0 ajoute la prise en charge des balises de ressources de table et du domaine de l'univers. En ce qui concerne google-cloud-bigquery en Python, la version 3.17.1 corrige des bugs et la version 3.17.0 ajoute la prise en charge de la résolution de l'univers. De plus, il est maintenant possible d'utiliser des balises sur les tables BigQuery pour accorder ou refuser l'accès conditionnel avec les politiques de gestion des identités et des accès (IAM).

BigQuery prend désormais en charge nativement le format Delta Lake pour Amazon S3 et les tables Azure. Cette fonctionnalité est actuellement en préversion. BigQuery ML a ajouté une nouvelle colonne résiduelle à la sortie de la fonction ML.EXPLAIN_FORECAST pour les modèles ARIMA_PLUS et ARIMA_PLUS_XREG. La colonne résiduelle contient la différence entre la série temporelle réelle et la série temporelle ajustée pour les données historiques. Cela vous permet de comparer les données historiques modélisées qui sont renvoyées dans les autres colonnes de sortie de ML.EXPLAIN_FORECAST avec les données historiques réelles. Pour améliorer les performances de l'entraînement de BigQuery ML, l'argument APPROX_GLOBAL_FEATURE_CONTRIB est maintenant défini par défaut sur TRUE lorsque vous définissez l'argument ENABLE_GLOBAL_EXPLAIN sur TRUE, et vous définissez l'argument NUM_PARALLEL_TREE sur une valeur supérieure à 10 pour les modèles d'arbres boostés ou supérieure à 50 pour les modèles de forêt aléatoire. BigQuery prend désormais en charge la fonction géographique ST_LINEINTERPOLATEPOINT, qui récupère un point à une fraction spécifique dans une linestring. Cette fonctionnalité est généralement disponible (GA).

Cette mise à jour hebdomadaire concerne les mises à jour des bibliothèques clients du Cloud SDK. Les changements incluent des améliorations de la stabilité de la comparaison de schémas, la possibilité de demander des lignes compressées dans les réponses de lecture, l'ajout de types de gouvernance des données pour les routines, le support des types de plage dans les schémas, le support de la définition non incrémentielle et de la péremption sur les vues matérialisées, le support des balises de ressources pour les tables, et l'exposition de l'identifiant de requête sur l'itérateur de lignes. La documentation a également été mise à jour. De plus, BigQuery est maintenant disponible dans la région de Berlin (europe-west10).

Les listes Analytics Hub peuvent désormais inclure des données chiffrées avec des clés de chiffrement gérées par le client (CMEK). Cette fonctionnalité est désormais disponible pour tous les utilisateurs.

Cette mise à jour hebdomadaire concerne les mises à jour de bibliothèques clients dans le Cloud SDK. Pour la bibliothèque google-cloud-bigquery en Python, la version 3.14.1 apporte des corrections de bugs, notamment l'ajout d'un gestionnaire manquant pour la désérialisation des valeurs JSON. La version 3.14.0 ajoute de nouvelles fonctionnalités telles que la possibilité de retourner directement un itérateur de lignes de résultats, des propriétés supplémentaires pour l'itérateur de lignes, la prise en charge de Python 3.12, etc. Des améliorations de performances et des corrections de bugs ont également été apportées. Enfin, des graphiques de ressources administratives pour la santé opérationnelle sont désormais disponibles en prévisualisation.

Les fonctionnalités suivantes de BigQuery cross-cloud sont désormais disponibles en préversion : vous pouvez maintenant profiter des avantages des vues matérialisées sur les tables BigLake avec cache de métadonnées activé pour Amazon S3. Vous pouvez créer des répliques de vues matérialisées pour les tables BigLake avec cache de métadonnées activé pour Amazon S3. Les répliques de vues matérialisées vous permettent d'utiliser les données des vues matérialisées dans les requêtes tout en évitant les coûts de transfert de données et en améliorant les performances des requêtes.

La fonction ML.TRANSFORM et les modèles de transformation uniquement sont désormais disponibles en prévisualisation dans BigQuery ML. La fonction ML.TRANSFORM permet de prétraiter les données en appliquant les transformations capturées dans la clause TRANSFORM d'un modèle existant. Les modèles de transformation uniquement permettent d'appliquer des fonctions de prétraitement aux données d'entrée et de renvoyer les données prétraitées. Ces modèles permettent de séparer le prétraitement des données de l'entraînement du modèle, facilitant ainsi la capture et la réutilisation d'un ensemble de règles de prétraitement des données.

Cette mise à jour hebdomadaire concerne les mises à jour de bibliothèques clients dans le Cloud SDK. Pour la bibliothèque Python google-cloud-bigquery, la version 3.14.0rc0 apporte plusieurs fonctionnalités, notamment l'ajout de propriétés telles que job_id, location, project et query_id sur RowIterator, l'ajout de job_timeout_ms aux classes de configuration de tâche, le support de dataset.max_time_travel_hours et Dataset.isCaseInsensitive, ainsi que le support de data_governance_type. Des correctifs de bugs ont également été apportés, notamment pour load_table_from_dataframe et les délais de requête. Des améliorations de performances ont également été réalisées.

Dans cette mise à jour, vous pouvez utiliser des fichiers de configuration YAML pour transformer le code SQL lors de la traduction des requêtes SQL à partir de votre base de données source. Ces fichiers de configuration YAML peuvent être utilisés avec le traducteur SQL par lots, le traducteur SQL interactif et le client Python de traduction par lots. Cette fonctionnalité est maintenant disponible en général (GA). L'estimateur de slot prend désormais en charge les recommandations de commitment et d'autoscaling optimales en termes de coûts au niveau du projet pour les charges de travail à la demande. Cette fonctionnalité est maintenant en préversion.

Vous pouvez désormais consulter des informations sur les performances des requêtes concernant les déséquilibres de partition. Cette fonctionnalité est en préversion.

Cette mise à jour hebdomadaire concerne les mises à jour des bibliothèques clients du Cloud SDK. Elle inclut des correctifs de bugs et des nouvelles fonctionnalités pour les bibliothèques bigquery/storage/apiv1beta1 et google-cloud-bigquery. Parmi les nouvelles fonctionnalités, on trouve la promotion de bigquery/biglake en version GA, le support des contrôles de valeur par défaut pour bigquery/storage/managedwriter, l'exposition des données Apache Arrow via ArrowIterator pour bigquery, et l'introduction de fonctionnalités de prévisualisation de requêtes pour bigquery. Des correctifs de bugs et des améliorations de la documentation sont également inclus. De plus, BigQuery Data Transfer Service permet désormais de transférer des données de reporting et de configuration de campagne depuis Display & Video 360 vers BigQuery. Enfin, certaines fonctionnalités de BigQuery ML pour la prévision de séries temporelles sont maintenant disponibles en version GA, notamment la possibilité de définir des limites pour les valeurs prévues et la modélisation de jours fériés personnalisés.

BigQuery propose désormais des options de configuration d'analyse de texte pour les fonctions suivantes : CREATE SEARCH INDEX DDL, les analyseurs LOG_ANALYZER existants et le nouvel analyseur PATTERN_ANALYZER, utilisés dans diverses fonctions, y compris SEARCH, ainsi que la nouvelle fonction TEXT_ANALYZE. BigQuery prend également en charge les fonctions de traitement avancées suivantes : ML.BAG_OF_WORDS, ML.TF_IDF, BAG_OF_WORDS, TF_IDF, COSINE_DISTANCE, EUCLIDEAN_DISTANCE et EDIT_DISTANCE. Ces fonctionnalités sont actuellement en version de prévisualisation.

Le service de transfert de données BigQuery peut désormais transférer des données depuis Azure Blob Storage vers BigQuery. Cette fonctionnalité est maintenant disponible en version générale (GA). Une mise à jour hebdomadaire des bibliothèques client du Cloud SDK est également disponible, avec des modifications et des mises à jour de dépendances. De plus, les graphiques de ressources administratives prennent en charge certaines fonctionnalités en prévisualisation, notamment la possibilité de visualiser le graphique d'utilisation des ressources au niveau du projet et de filtrer les données d'utilisation des ressources en fonction de différents modèles de facturation.

La fonction de masquage de données personnalisée prend désormais en charge une liste étendue de fonctions, y compris les fonctions de hachage SHA avec sel. Cette fonctionnalité est en préversion.

Les procédures stockées pour Apache Spark sont désormais disponibles sans inscription. Cette fonctionnalité est en version de prévisualisation.

L'évaluation de migration BigQuery est désormais disponible en préversion pour Apache Hive. Vous pouvez utiliser cette fonctionnalité pour évaluer la complexité de la migration des données de votre entrepôt de données Apache Hive vers BigQuery.

Cette mise à jour hebdomadaire concerne les mises à jour de bibliothèques clients dans le Cloud SDK. La version 2.33.2 de google-cloud-bigquery apporte des corrections de bugs et des mises à jour de dépendances. Il est maintenant possible d'utiliser les fonctions DLP pour prendre en charge le chiffrement et le déchiffrement entre BigQuery et DLP, en utilisant AES-SIV. Cette fonctionnalité est en préversion.

Deux nouvelles fonctions géographiques sont maintenant disponibles : ST_LINESUBSTRING permet d'obtenir un segment spécifique d'une seule ligne en spécifiant une fraction de début et de fin, tandis que ST_HAUSDORFFDISTANCE permet de calculer la distance de Hausdorff discrète entre deux géométries.

Cette mise à jour hebdomadaire concerne les mises à jour des bibliothèques clientes du Cloud SDK. Les mises à jour incluent des fonctionnalités, des corrections de bugs et des modifications de documentation pour les bibliothèques bigquery/storage/apiv1beta1 et google-cloud-bigquery. Parmi les nouvelles fonctionnalités, on trouve l'ajout de ressources et de RPC pour bigquery/analyticshub, l'ajout de références de jeux de données externes pour bigquery, et l'ajout d'options multimédias à LoadConfig pour bigquery. Des corrections de bugs ont également été apportées, notamment pour la gestion des dépendances et les tentatives de réessai automatiques. Enfin, des mises à jour de documentation ont été effectuées, notamment pour la description de transferConfig.name dans bigquery/datatransfer et pour l'exemple de mise à jour de l'expiration d'une table dans google-cloud-bigquery.

L'outil d'évaluation de migration BigQuery est désormais disponible en version de prévisualisation pour Snowflake. Vous pouvez utiliser cette fonctionnalité pour évaluer la complexité de la migration des données de votre entrepôt de données Snowflake vers BigQuery.

Il est désormais possible de copier des tables entre différentes régions. Cette fonctionnalité est actuellement en version de prévisualisation.

Cette mise à jour hebdomadaire concerne les mises à jour des bibliothèques clientes dans le Cloud SDK. Pour Node.js, la version 7.3.0 de @google-cloud/bigquery inclut des fonctionnalités telles que la réexportation des types pour google-common, ainsi que des corrections de bugs. Pour Java, la version 2.33.1 de google-cloud-bigquery corrige un problème de NullPointerException lorsqu'il n'y a pas de paramètres de requête, tandis que la version 2.33.0 ajoute la prise en charge de FileSetSpec et apporte des corrections de bugs. Des mises à jour de dépendances sont également incluses. En outre, une intégration native BigQuery dans Looker Studio est disponible en version de prévisualisation, offrant des fonctionnalités de surveillance et d'amélioration des performances des requêtes.

En tant qu'administrateur BigQuery, vous pouvez désormais utiliser l'inspecteur de requêtes administratives pour surveiller l'utilisation des slots de votre organisation et les performances des jobs BigQuery au fil du temps. Cette fonctionnalité est maintenant disponible pour tous les utilisateurs.

La mise à jour introduit les fonctions de recherche dans le temps pour BigQuery ML, qui permettent de spécifier une date de référence lors de la récupération des caractéristiques pour l'entraînement d'un modèle ou l'exécution d'une inférence, afin d'éviter les fuites de données. Les fonctions ML.FEATURES_AT_TIME et ML.ENTITY_FEATURES_AT_TIME permettent de récupérer les caractéristiques à partir de plusieurs points dans le temps pour une ou plusieurs entités. De plus, il est désormais possible d'utiliser des conditions IAM pour contrôler l'accès aux ressources BigQuery. Cette fonctionnalité est en version de prévisualisation.

La mise à jour introduit les fonctions de recherche dans le temps pour BigQuery ML, qui permettent de spécifier une date de référence lors de la récupération des caractéristiques pour l'entraînement d'un modèle ou l'exécution d'une inférence, afin d'éviter les fuites de données. Les fonctions ML.FEATURES_AT_TIME et ML.ENTITY_FEATURES_AT_TIME permettent de récupérer les caractéristiques à partir de plusieurs points dans le temps pour une ou plusieurs entités. De plus, il est désormais possible d'utiliser des conditions IAM pour contrôler l'accès aux ressources BigQuery. Cette fonctionnalité est en version de prévisualisation.

Les vues matérialisées sur les tables avec cache de métadonnées BigLake peuvent maintenant référencer des données structurées stockées dans Cloud Storage. Ces vues matérialisées fonctionnent comme des vues matérialisées sur des tables stockées dans BigQuery, avec les avantages d'un rafraîchissement automatique et d'un ajustement intelligent. Cette fonctionnalité est maintenant disponible en version générale (GA). Les procédures stockées autorisées sont également disponibles en version générale (GA). Cette fonctionnalité permet de partager des procédures stockées avec des utilisateurs ou des groupes sans leur donner un accès direct aux tables sous-jacentes. Le support de Google AdWords est désormais déprécié par le service de transfert de données BigQuery. Pour plus d'informations sur les transferts depuis Google Ads, consultez les transferts Google Ads.

Cette mise à jour hebdomadaire concerne les mises à jour des bibliothèques clients du Cloud SDK. Elle inclut des modifications pour les bibliothèques bigquery/storage/apiv1beta1 et google-cloud-bigquery. Les modifications apportées à bigquery/storage/apiv1beta1 incluent le support de l'utilisation de fonctions UDF personnalisées dans les politiques de données, la définition de PreferredMinStreamCount lors de la création d'une session de lecture, ainsi que des corrections de bugs. Les modifications apportées à google-cloud-bigquery incluent le support de la conversion des champs d'intervalle en périodes de durée threeten et le support de ExternalDatasetReference. De plus, le service BigQuery Data Transfer prend désormais en charge les transferts à partir de Search Ads 360 en utilisant la nouvelle API de reporting Search Ads 360.

Vous pouvez désormais créer un ensemble de données fédéré dans BigQuery qui se fédère à une base de données existante dans AWS Glue. Cette fonctionnalité est en version de prévisualisation.

Cette mise à jour permet désormais à l'opérateur de sous-script d'un tableau de retourner directement une valeur en utilisant un index. Auparavant, seuls l'offset et l'ordinal étaient disponibles. Cette fonctionnalité est maintenant disponible en général (GA). De plus, l'opérateur de sous-script d'une structure a été ajouté, permettant d'accéder à un champ STRUCT en utilisant un index, un offset ou un ordinal. Cette fonctionnalité est également disponible en général (GA).

La mise à jour hebdomadaire de la bibliothèque client du Cloud SDK comprend des modifications pour google-cloud-bigquery version 2.31.2 (2023-09-05). Cette mise à jour corrige des bugs, notamment en masquant la structure de données TableReference (#2855) et en corrigeant un bug lié à SearchStats IndexUnusedReasons (#2825).

Vous pouvez désormais utiliser des instructions EXPORT DATA pour exporter directement des données BigQuery vers Bigtable. Cette fonctionnalité est en préversion.

La fonctionnalité "Data clean rooms" est désormais disponible en préversion. Les "Data clean rooms" offrent un environnement sécurisé dans lequel plusieurs parties peuvent partager, fusionner et analyser leurs données sans déplacer ni révéler les données sous-jacentes. BigQuery Studio est également disponible en préversion, offrant des fonctionnalités pour faciliter la découverte, l'exploration, l'analyse et l'inférence des données dans BigQuery. De plus, BigQuery DataFrames, une API Python pour l'analyse de données et les tâches d'apprentissage automatique dans BigQuery, est également disponible en préversion. Enfin, certaines fonctionnalités d'IA générative sont désormais disponibles en version générale (GA) dans BigQuery ML.

BigQuery permet désormais de créer vos propres routines de masquage pour vos données. Vous pouvez utiliser la fonction scalaire REGEX_REPLACE pour créer des règles de masquage personnalisées afin d'obscurcir vos données sensibles. Cette fonctionnalité est actuellement en préversion.

La fonctionnalité de réplication de jeux de données entre régions est désormais disponible en préversion. Elle permet de copier un jeu de données d'une région source vers une ou plusieurs autres régions.

Cette mise à jour hebdomadaire concerne les mises à jour de bibliothèques clients dans le Cloud SDK. Pour google-cloud-bigquery, la version 2.31.1 a été publiée le 9 août 2023. Les dépendances ont été mises à jour, notamment com.google.api.grpc:proto-google-cloud-bigqueryconnection-v1 en version 2.25.0, com.google.cloud:google-cloud-datacatalog-bom en version 1.29.0, com.google.cloud:google-cloud-shared-dependencies en version 3.14.0, org.graalvm.buildtools:junit-platform-native en version 0.9.24, org.graalvm.buildtools:native-maven-plugin en version 0.9.24, github/codeql-action en version 2.21.1 et jmh.version en version 1.37. À partir du 15 septembre 2023, des frais seront appliqués pour le trafic de sortie réseau d'une région BigQuery Google Cloud vers une autre région Google Cloud sur le même continent et entre différents continents. Pour plus d'informations, consultez l'annonce sur les frais de trafic de sortie réseau BigQuery.

Dans cette mise à jour, vous pouvez désormais obtenir des informations sur les performances des requêtes impliquant des jointures à haute cardinalité. Cette fonctionnalité est disponible pour tous les utilisateurs. Les notes de version du 14 septembre 2022 ont annoncé la possibilité de configurer le connecteur pour authentifier la connexion à l'aide d'un compte externe avec la fédération d'identité de charge de travail pour la mise à jour du pilote ODBC 2.5.0 1001, mais la fédération d'identité de charge de travail n'est pas prise en charge. La fédération d'identité de la main-d'œuvre est toujours prise en charge. Vous pouvez maintenant utiliser des fonctions définies par l'utilisateur pour exporter des données BigQuery en tant que colonnes Protocol Buffer (Protobuf). Cette fonctionnalité est disponible pour tous les utilisateurs.

La mise à jour comprend l'opérateur LIKE quantitatif en prévisualisation, ainsi que plusieurs fonctions JSON désormais disponibles (GA). BigQuery prend désormais en charge la possibilité de refuser l'accès aux principaux via des politiques de refus pour certaines autorisations IAM. De plus, il y a eu des mises à jour de la bibliothèque client pour Node.js. Enfin, Analytics Hub prend désormais en charge l'utilisation de routines dans les ensembles de données liés, en prévisualisation.

BigQuery prend désormais en charge l'utilisation de fichiers de manifeste pour les tables externes. Cette fonctionnalité est maintenant disponible en version générale (GA).