שיתוף מידע אישי רגיש עם חדרים נקיים לנתונים

אתם יכולים להשתמש בחדרים נקיים לנתונים כדי ליצור סביבה עם אבטחה משופרת. בסביבה הזו, כמה גורמים משתפים, מאחדים ומנתחים את נכסי הנתונים שלהם. השיתוף הזה מתבצע בלי להעביר או לחשוף את הנתונים הבסיסיים.

חדרי נתונים ב-BigQuery משולבים עם פלטפורמת השיתוף של BigQuery (לשעבר Analytics Hub). מרכזי נתונים לשיתוף ב-BigQuery מאפשרים לשתף נתונים בין גבולות ארגוניים בקנה מידה נרחב. עם זאת, חדרים נקיים לנתונים משמשים במיוחד לנתונים רגישים ומוגנים. מרחבי נתונים נקיים מספקים אמצעי בקרה נוספים לאבטחה שמגנים על הנתונים הבסיסיים ומאפשרים לאכוף כללי ניתוח שהוגדרו על ידי בעלי הנתונים.

תרחישים לדוגמה

תרחישי שימוש עיקריים:

• תכנון קמפיינים ומדדי קהלים. מאפשרת לשני צדדים (לדוגמה, מוכרים וקונים) לשלב נתונים מאינטראקציה ישירה (First-Party) ולשפר את העשרת הנתונים באופן ששומר על הפרטיות.
• מדידה ושיוך (Attribution). התאמה בין נתוני הלקוחות לנתוני הביצועים של המדיה כדי להבין טוב יותר את יעילות השיווק ולקבל החלטות לגבי קמפיינים עתידיים.
• הפעלה. שילוב של נתוני לקוחות עם נתונים מצדדים אחרים כדי להעשיר את ההבנה של הלקוחות, וכך לשפר את היכולות של פילוח והפעלת מדיה.

חדרים נקיים לנתונים תומכים גם בכמה תרחישים לדוגמה מחוץ לתחום השיווק:

• קמעונאות ומוצרי צריכה ארוזים (CPG). אופטימיזציה של פעילויות שיווקיות וקידום מכירות על ידי שילוב של נתונים מנקודות מכירה של קמעונאים ונתוני שיווק מחברות מוצרי צריכה.
• שירותים פיננסיים. שיפור זיהוי ההונאות על ידי שילוב נתונים רגישים מסוכנויות פיננסיות וממשלתיות אחרות. בניית דירוג סיכון אשראי על ידי צבירת נתוני לקוחות מכמה בנקים.
• שירותי בריאות. שיתוף נתונים משותפים בין רופאים וחוקרים בתחום התרופות כדי ללמוד איך מטופלים מגיבים לטיפולים.
• שרשרת אספקה, לוגיסטיקה ותחבורה. כדי לקבל תמונה מלאה של ביצועי המוצרים לאורך מחזור החיים שלהם, כדאי לשלב נתונים מספקים ומשווקים.

תפקידים

יש שלושה תפקידים עיקריים בחדרים נקיים לנתונים ב-BigQuery:

• בעלים של חדר נקי לנתונים: מנהל את ההרשאות, החשיפה והחברות בחדר נקי אחד או יותר לנתונים בפרויקט ב- Google Cloud . הבעלים של החדר הנקי לנתונים יכולים להקצות למשתמשים את התפקידים "ספק נתונים" ו"מנוי לחדר נקי לנתונים". התפקיד הזה מקביל לתפקיד אדמין ב-Analytics Hub ב-IAM.
• תורם נתונים: מפרסם נתונים בחדר נקי לנתונים. במקרים רבים, הבעלים של חדר נקי לנתונים הוא גם ספק נתונים. התפקיד הזה מקביל לתפקיד בעל תוכן דיגיטלי ב-Analytics Hub ב-IAM.
• מנוי לחדר נקי לנתונים: מנוי לנתונים שמתפרסמים בחדר נקי לנתונים ומריץ שאילתות על הנתונים. התפקיד הזה מקביל לשילוב של תפקידי ה-IAM‏ Analytics Hub Subscriber ו-Analytics Hub Subscription Owner.

ארכיטקטורה

חדרים נקיים לנתונים ב-BigQuery משתמשים במודל של פרסום והרשמה לנתונים ב-BigQuery. הארכיטקטורה של BigQuery מפרידה בין המחשוב לאחסון, וכך מאפשרת לשתף נתונים בלי ליצור כמה עותקים שלהם. בתרשים הבא מוצגת הארכיטקטורה של חדר נקי לנתונים ב-BigQuery:

חדר נקי לנתונים

חדר נקי לנתונים הוא סביבה לשיתוף נתונים רגישים שעוזרת למנוע גישה לנתונים גולמיים ומאפשרת להגדיר הגבלות על שאילתות. רק משתמשים או קבוצות שנוספו כמנויים לחדר נקי לנתונים יכולים להירשם לנתונים המשותפים. בעלים של חדרים נקיים לנתונים יכולים ליצור כמה חדרים נקיים לנתונים שהם רוצים ב-BigQuery sharing.

משאבים משותפים

משאב משותף הוא יחידת שיתוף הנתונים בחדר נקי לנתונים. המשאב חייב להיות טבלה ב-BigQuery, תצוגה או שגרת BigQuery (פונקציה עם ערך טבלה). כספקי נתונים, אתם יוצרים משאב BigQuery בפרויקט שלכם או משתמשים במשאב קיים כדי לשתף אותו עם המנויים של החדר הנקי לנתונים.

כרטיסי מוצר

כשאתם מוסיפים נתונים לחדר נקי לנתונים כספקי נתונים, אתם יוצרים רישום. הרישום מכיל הפניה למשאב המשותף שלכם, וגם מידע תיאורי שעוזר למנויים להשתמש בנתונים. אפשר לכלול מידע כמו תיאור, שאילתות לדוגמה וקישורים למסמכי תיעוד למנויים.

קבוצות נתונים מקושרות

מערך נתונים מקושר הוא מערך נתונים לקריאה בלבד ב-BigQuery, שמשמש כקישור סמלי לכל הנתונים בחדר נקי לנתונים. כשמנויים בחדר נקי לנתונים שולחים שאילתות למשאבים במערך נתונים מקושר, מוחזרים נתונים מהמשאבים המשותפים, בהתאם לכללי הניתוח שהוגדרו על ידי תורם הנתונים. כשנרשמים לחדר נקי לנתונים, BigQuery יוצר קבוצת נתונים מקושרת בפרויקט. לא נוצר עותק של הנתונים, והמנויים לא יכולים לראות מטא-נתונים מסוימים, כמו הגדרות תצוגה.

כללי ניתוח

כשותפי מידע, אתם מגדירים כללי ניתוח במשאבים שאתם משתפים בחדר הנקי לנתונים. כללי ניתוח עוזרים למנוע גישה גולמית לנתונים הבסיסיים ולאכוף הגבלות על שאילתות. לדוגמה, חדרים נקיים לנתונים תומכים בכלל הניתוח של הסף לצבירת נתונים, שמאפשר למנויים של חדרים נקיים לנתונים לנתח נתונים רק באמצעות שאילתות צבירה.

אמצעי בקרה על תעבורת נתונים יוצאת (egress)

אמצעי הבקרה של יציאת נתונים מונעים באופן אוטומטי ממנויים של חדר נקי לנתונים להעתיק ולייצא נתונים גולמיים מחדר נקי לנתונים. משתמשים שמוסיפים נתונים יכולים להגדיר אמצעי בקרה נוספים כדי למנוע העתקה וייצוא של תוצאות שאילתות שהמנויים מקבלים.

תבניות של שאילתות

תבניות של שאילתות מאפשרות לבעלים של חדרים נקיים לנתונים ולבעלי תוכן דיגיטלי שמשתפים ב-BigQuery לשתף שאילתות מוגדרות מראש בלי לשתף את המשאבים הבסיסיים של הטבלאות והתצוגות.

שאילתות מוגדרות מראש משתמשות בפונקציות עם ערכי טבלה (TVF) ב-BigQuery, שמאפשרות להעביר טבלה שלמה או שדות ספציפיים כפרמטרים של קלט, ולהחזיר טבלה כפלט.

מגבלות

יש מגבלות על שימוש בחדרים נקיים לנתונים ב-BigQuery:

• אפשר להגדיר כללי ניתוח רק בתצוגות, ולא בטבלאות או בתצוגות מהותיות. בגלל המגבלה הזו, מנויים יכולים לגשת לנתונים גולמיים אם תורם נתונים משתף טבלאות, תצוגות חומריות או תצוגות בלי כללי ניתוח ישירות עם חדר נקי לנתונים.
• כללי ניתוח מספקים אמצעי בקרה לשמירה על הפרטיות, אבל לא מובטח שהם יחסמו כל שאילתה לא מורשית שמיועדת לחילוץ נתונים גולמיים. כדי להגן על המידע, אתם יכולים להשתמש בתבניות של שאילתות בחדרים נקיים לנתונים כדי לבדוק ולאשר שאילתות, וכך לחסום ניסיונות לא מורשים.
• חדרים נקיים לנתונים משתמשים בפלטפורמת BigQuery sharing, ולכן חלות עליהם כל המגבלות של BigQuery sharing.
• חדרים נקיים לנתונים זמינים רק באזורים של BigQuery sharing.
• בתור מנויים לחדר נקי לנתונים, אתם לא יכולים לחפש משאבים משותפים ב-Knowledge Catalog.
• כמנויים בחדר נקי לנתונים, אתם לא יכולים לשלוח שאילתות לתצוגות של INFORMATION_SCHEMA בקבוצות נתונים מקושרות.
• כמשתתפים בתהליך העברת הנתונים, אתם לא יכולים לפרסם קבוצת נתונים שלמה ישירות בחדר נקי לנתונים.
• כספקי נתונים, אתם לא יכולים לפרסם מודלים או שגרות (מחוץ לתבניות של שאילתות) בחדר נקי לנתונים.
• אפשר להוסיף עד 100 משאבים משותפים לחדר נקי לנתונים. אם אתם רוצים להגדיל את המגבלה הזו, אתם יכולים לפנות אלינו בכתובת bq-dcr-feedback@google.com.
• בחדרים נקיים לנתונים אין תמיכה בכרטיסי מוצר לכמה אזורים.

לפני שמתחילים

צריך להקצות תפקידים בניהול זהויות והרשאות גישה (IAM) כדי לוודא שיש לכם את ההרשאות הנדרשות להשלמת המשימות שמתוארות במסמך הזה, להפעלת Analytics Hub API ולהקצאת תפקיד האדמין ב-Analytics Hub לבעלים של חדר הנתונים הנקי.

ההרשאות הנדרשות

כדי לקבל את ההרשאות שנדרשות לשימוש בחדרים נקיים לנתונים, צריך לבקש מהאדמין להקצות לכם את תפקיד ה-IAM‏ BigQuery Data Editor (roles/bigquery.dataEditor). כדי לקרוא הסבר על מתן תפקידים, ראו איך מנהלים את הגישה ברמת הפרויקט, התיקייה והארגון.

התפקיד המוגדר מראש הזה כולל את ההרשאות שנדרשות כדי להשתמש בחדרים נקיים לנתונים. כדי לראות בדיוק אילו הרשאות נדרשות, אפשר להרחיב את הקטע ההרשאות הנדרשות:

יכול להיות שתקבלו את ההרשאות האלה באמצעות תפקידים בהתאמה אישית או תפקידים מוגדרים מראש אחרים.

במאמר מבוא ל-IAM יש מידע נוסף על תפקידים והרשאות ב-IAM ב-BigQuery.

הפעלת Analytics Hub API

כדי להפעיל את Analytics Hub API, בוחרים באחת מהאפשרויות הבאות:

gcloud services enable analyticshub.googleapis.com

אחרי שמפעילים את Analytics Hub API, אפשר לגשת לדף Sharing (Analytics Hub)‎.

איך נותנים את תפקיד האדמין ב-Analytics Hub

כדי ליצור חדר נקי לנתונים בתור בעלים, צריך להיות לכם תפקיד אדמין ב-Analytics Hub (roles/analyticshub.admin). מידע נוסף על הקצאת התפקיד הזה למשתמשים אחרים זמין במאמר יצירת אדמינים לשיתוף ב-BigQuery.

תהליכי עבודה של בעלי חדרים נקיים לנתונים

כבעלים של חדר נקי לנתונים, אתם יכולים:

• יוצרים חדר נקי לנתונים.
• עדכון המאפיינים של החדר הנקי לנתונים.
• למחוק חדר נקי לנתונים.
• לנהל את תורמי הנתונים.
• לנהל את המנויים לחדר הנקי לנתונים.
• לשתף חדר נקי לנתונים.

הרשאות נוספות של בעלי חדר נקי לנתונים

כדי לבצע את המשימות של בעלי החדר הנקי לנתונים, צריך להיות לכם תפקיד אדמין ב-Analytics Hub (roles/analyticshub.admin) בפרויקט. אפשר גם להקצות את התפקיד הזה ברמת התיקייה או הארגון, אם רלוונטי.

יצירת חדר נקי לנתונים

כדי ליצור חדר נקי לנתונים, בוחרים באחת מהאפשרויות הבאות:

  curl -H "Authorization: Bearer $(gcloud auth print-access-token)" -H "Content-Type: application/json" -L -X POST https://analyticshub.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/dataExchanges?data_exchange_id=CLEAN_ROOM_ID -d
  '{
    display_name: "CLEAN_ROOM_NAME",
    sharing_environment_config: {dcr_exchange_config: {}}
  }'

עדכון של חדר נקי לנתונים

כדי לעדכן את המאפיינים של חדר נקי לנתונים, בוחרים באחת מהאפשרויות הבאות:

curl -H "Authorization: Bearer $(gcloud auth print-access-token)" -H "Content-Type: application/json" -L -X PATCH https://analyticshub.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/dataExchanges/CLEAN_ROOM_ID?updateMask=UPDATEMASK -d
'{
  display_name: "CLEAN_ROOM_NAME",
  sharing_environment_config: {dcr_exchange_config: {}}
}'

מחיקת חדר נקי לנתונים

כדי למחוק חדר נקי לנתונים, בוחרים באחת מהאפשרויות הבאות:

curl -H "Authorization: Bearer $(gcloud auth print-access-token)" -H "Content-Type: application/json" -L -X DELETE https://analyticshub.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/dataExchanges?data_exchange_id=CLEAN_ROOM_ID

כשמוחקים חדר נקי לנתונים, כל כרטיסי המוצר שבו נמחקים. המשאבים המשותפים ומערכי הנתונים המקושרים לא נמחקים. הקישור בין מערכי הנתונים המקושרים לבין מערכי הנתונים של המקור מבוטל, ולכן המנויים של החדר הנקי לנתונים לא יכולים לשלוח שאילתות למשאבים בחדר הנקי לנתונים.

ניהול של משתמשים שתרמו נתונים

הבעלים של חדר נקי לנתונים יכולים לנהל את רשימת המשתמשים שיכולים להוסיף נתונים לחדרים הנקיים לנתונים (ספקי הנתונים). כדי לאפשר למשתמש שמוסיף נתונים להוסיף נתונים לחדר נקי לנתונים, צריך להעניק לו את תפקיד בעל התוכן הדיגיטלי ב-Analytics Hub (roles/analyticshub.publisher) בחדר הנקי לנתונים:

curl -H "Authorization: Bearer $(gcloud auth print-access-token)" -H "Content-Type: application/json" -L -X POST https://analyticshub.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/dataExchanges/CLEAN_ROOM_ID:setIamPolicy -d
'{
  "policy": {
    "bindings": [
      {
        "members": [
          "my-service-account@my-project."
        ],
        "role": "roles/analyticshub.publisher"
      }
    ]
  }
}'

אפשר להקצות את התפקיד 'מפרסם ב-Analytics Hub' (roles/analyticshub.publisher) לכל הפרויקט בדף IAM. התפקיד הזה נותן הרשאה להוסיף נתונים לכל חדר נקי לנתונים בפרויקט. לא מומלץ להקצות את התפקיד הזה ברמת הפרויקט, כי זה עלול לגרום לגישה מתירנית מדי.

ניהול המנויים בחדר הנקי לנתונים

כבעלים של חדר נקי לנתונים, אתם יכולים לקבוע מי יכול להירשם לחדרים הנקיים לנתונים שלכם (המנויים שלכם). כדי לאפשר למנוי להירשם לחדר נקי לנתונים, צריך להקצות לו את התפקיד "מנוי ב-Analytics Hub" (roles/analyticshub.subscriber) ואת התפקיד "בעלים של מינוי ב-Analytics Hub" (roles/analyticshub.subscriptionOwner) בחדר הנקי לנתונים:

curl -H "Authorization: Bearer $(gcloud auth print-access-token)" -H "Content-Type: application/json" -L -X POST https://analyticshub.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/dataExchanges/CLEAN_ROOM_ID:setIamPolicy -d
'{
  "policy": {
    "bindings": [
      {
        "members": [
          "user:mike@example.com"
        ],
        "role": "roles/analyticshub.subscriptionOwner"
      },
      {
        "members": [
          "user:mike@example.com"
        ],
        "role": "roles/analyticshub.subscriber"
      }
    ]
  }
}'

אפשר להקצות את התפקיד "מנוי ב-Analytics Hub" (roles/analyticshub.subscriber) ואת התפקיד "בעלי מינוי ב-Analytics Hub" (roles/analyticshub.subscriptionOwner) לפרויקט שלם בדף IAM. התפקידים האלה מעניקים הרשאה להירשם לכל חדר נקי לנתונים בפרויקט הזה. כדי לא לתת יותר מדי הרשאות, אל תקצו את התפקידים האלה ברמת הפרויקט.

שיתוף של חדר נקי לנתונים

אתם יכולים לשתף ישירות חדר נקי לנתונים עם מנויים לחדרים נקיים לנתונים:

1. נכנסים לדף Sharing (Analytics Hub) במסוף Google Cloud .

   מעבר אל Sharing (Analytics Hub)

2. בשורה של החדר הנקי לנתונים שרוצים לשתף, לוחצים על more_vert More actions > Copy share link.

3. כדי לאפשר למנויים לצפות בחדר הנקי לנתונים ולהירשם אליו, צריך לשתף איתם את הקישור שהעתקתם.

תהליכי עבודה של תורמי נתונים

בתור תורמי נתונים, אתם יכולים:

• כדי להוסיף נתונים לחדר נקי לנתונים, צריך ליצור כרטיס מוצר.
• עדכון דף האפליקציה בחנות.
• למחוק כרטיס מוצר.
• שיתוף של חדר נקי לנתונים.
• מעקב אחרי דפי מידע מקומיים.

הרשאות נוספות לשותפי נתונים

כדי לבצע משימות של ספק נתונים, צריך להיות לכם תפקיד בעל תוכן דיגיטלי ב-Analytics Hub (roles/analyticshub.publisher) בחדר נקי לנתונים.

בנוסף, צריך את ההרשאות bigquery.datasets.get,‏ bigquery.datasets.update ו-bigquery.tables.get במערך הנתונים ובטבלה של המקור. ההרשאות האלה זמינות בתפקיד BigQuery Data Owner (roles/bigquery.dataOwner).

כדי לראות את החדרים הנקיים לנתונים בארגון שלא נמצאים בפרויקט הנוכחי, צריך את ההרשאה resourcemanager.organization.get.

כדי להשתמש בתהליך היצירה של חדר נקי לנתונים כדי ליצור תצוגה ב-BigQuery עם כללי ניתוח, אתם צריכים את ההרשאות bigquery.tables.setPrivacyPolicy ו-bigquery.tables.create. אם מפנים ישירות לתצוגה המפורטת, לא נדרשת הרשאה כזו.

יצירת כרטיס מידע (הוספת נתונים)

כדי להכין נתונים באמצעות כללי ניתוח ולפרסם אותם בחדר נקי לנתונים כרשומה:

  curl -H "Authorization: Bearer $(gcloud auth print-access-token)" -H "Content-Type: application/json" -H 'x-goog-user-project:DCR_PROJECT_ID' -X POST https://analyticshub.googleapis.com/v1/projects/DCR_PROJECT_ID/locations/LOCATION/dataExchanges/CLEAN_ROOM_ID/listings?listingId=LISTING_ID -d
  '{"bigqueryDataset":{"dataset":"projects/PROJECT_ID/datasets/DATASET_ID","selectedResources":[{"table":"projects/PROJECT_ID/datasets/DATASET_ID/tables/VIEW_ID"}],},"displayName":LISTING_NAME"}'

כשאתם מוסיפים משאב לחדר נקי לנתונים, אתם נותנים לכל המנויים הנוכחיים והעתידיים של החדר הנקי לנתונים גישה לנתונים במשאב המשותף.

אם יוצרים כרטיס מוצר עם מקור מידע משותף שאין לו כלל ניתוח, מופיעה אזהרה שמציינת שהמנויים יכולים לגשת לנתונים הגולמיים של מקור המידע הזה. אם תאשרו את האזהרה, עדיין תוכלו ליצור את דף האפליקציה.

אם מופיעה השגיאה Failed to save listing, ודאו שיש לכם את ההרשאות הנדרשות להשלמת משימות של ספק נתונים.

עדכון כרטיס מידע

כדי לעדכן כרטיס מוצר, בוחרים באחת מהאפשרויות הבאות:

curl -H "Authorization: Bearer $(gcloud auth print-access-token)" -H "Content-Type: application/json" -H 'x-goog-user-project:DCR_PROJECT_ID' -X PATCH https://analyticshub.googleapis.com/v1/projects/DCR_PROJECT_ID/locations/LOCATION/dataExchanges/CLEAN_ROOM_ID/listings/listingId=LISTING_ID?updateMask=displayName -d
'{"displayName":LISTING_NAME"}'

אחרי שיוצרים את דף האפליקציה, אי אפשר לשנות את משאב המקור או את אמצעי הבקרה על ייצוא הנתונים.

מחיקת דף אפליקציה

כדי למחוק דף אפליקציה, בוחרים באחת מהאפשרויות הבאות:

curl -H "Authorization: Bearer $(gcloud auth print-access-token)" -H "Content-Type: application/json" -H 'x-goog-user-project:DCR_PROJECT_ID' -X DELETE https://analyticshub.googleapis.com/v1/projects/DCR_PROJECT_ID/locations/LOCATION/dataExchanges/CLEAN_ROOM_ID/listings?listingId=LISTING_ID

כשמוחקים כרטיס מוצר, המשאבים המשותפים ומערכי הנתונים המקושרים לא נמחקים. קבוצות הנתונים המקושרות מנותקות מקבוצות הנתונים המקוריות, ולכן המנויים של החדר הנקי לנתונים לא יכולים לשלוח שאילתות למשאבים באותו מאגר נתונים.

שיתוף חדר נקי לנתונים

אתם יכולים לשתף חדר נקי לנתונים ישירות עם המנויים שלו:

1. במסוף Google Cloud , נכנסים לדף שיתוף (מאגר הניתוחים ב-Analysis).

   מעבר אל Sharing (Analytics Hub)

2. בשורה של חדר נקי לנתונים שרוצים לשתף, לוחצים על more_vert סמל האפשרויות הנוספות > העתקת קישור לשיתוף.

3. כדי לאפשר למנויים לצפות בחדר הנקי לנתונים ולהירשם אליו, משתפים איתם את הקישור שהועתק.

מעקב אחרי כרטיסי מוצר

כדי לראות את מדדי השימוש בקבוצות הנתונים של המקורות של המשאבים שאתם משתפים בחדר נקי לנתונים, אתם יכולים לשלוח שאילתה לתצוגה INFORMATION_SCHEMA.SHARED_DATASET_USAGE.

כדי לראות את המנויים של החדר הנקי לנתונים של דף האפליקציה:

1. במסוף Google Cloud , נכנסים לדף שיתוף (מאגר הניתוחים ב-Analysis).

   מעבר אל Sharing (Analytics Hub)

2. לוחצים על השם המוצג של חדר ניקוי הנתונים.

3. בשורה של הפריט שרוצים לראות, לוחצים על more_vert פעולות נוספות > הצגת המינויים.

תהליכי עבודה של מנויים בחדר נקי לנתונים

כמנויים בחדר נקי לנתונים, אתם יכולים:

• להירשם לחדר נקי לנתונים.
• שליחת שאילתות לנתונים בקבוצת נתונים מקושרת.

כשנרשמים לחדר נקי לנתונים, נוצר מערך נתונים מקושר אחד בפרויקט. לכל מערך נתונים מקושר יש שם זהה לזה של החדר הנקי לנתונים.

אי אפשר להירשם למינוי של כרטיס מוצר ספציפי בחדר נקי לנתונים. אפשר להירשם רק לחדר הנקי לנתונים עצמו.

הרשאות נוספות למנויים בחדר נקי לנתונים

כדי להשלים משימות של מנויים בחדר נקי לנתונים, צריך להיות לכם תפקיד מנוי ב-Analytics Hub (roles/analyticshub.subscriber) בחדר הנקי לנתונים ותפקיד בעלים של מינוי ב-Analytics Hub (roles/analyticshub.subscriptionOwner) בפרויקט המינוי.

כשנרשמים לחדר נקי לנתונים, צריך גם את ההרשאה bigquery.datasets.create בפרויקט כדי ליצור את מערך הנתונים המקושר.

הרשמה לחדר נקי לנתונים

כשנרשמים לחדר נקי לנתונים, נוצרת קבוצת נתונים מקושרת בפרויקט שלכם, שמאפשרת לכם לשלוח שאילתות לנתונים שברשימות. כדי להירשם לחדר נקי לנתונים:

  curl -H "Authorization: Bearer $(gcloud auth print-access-token)" -H "Content-Type: application/json" -L -X POST https://analyticshub.googleapis.com/v1/projects/DCR_PROJECT_ID/locations/LOCATION/dataExchanges/CLEAN_ROOM_ID:subscribe  --data '{"destination":"projects/SUBSCRIBER_PROJECT_ID/locations/LOCATION","subscription":"SUBSCRIPTION"}'

{
  "destination": "projects/SUBSCRIBER_PROJECT_ID/locations/LOCATION",
  "subscription": "SUBSCRIPTION",
  "destinationDataset": {
    "datasetReference": {
      "projectId": "SUBSCRIBER_PROJECT_ID",
      "datasetId": "LINKED_DATASET_ID"
    },
    "location": "PRIMARY_REGION"
  }
}

מערך נתונים מקושר נוסף לפרויקט שציינתם, ואפשר לשלוח אליו שאילתות.

אם אתם מנויים לחדר נקי לנתונים, הגישה שלכם למערכי נתונים מקושרים כפופה לתנאים הבאים:

• מטא-נתונים והרשאות: אתם יכולים לערוך חלק מהמטא-נתונים של מערכי הנתונים המקושרים, כמו תיאורים ותוויות, ולהגדיר הרשאות במערכי הנתונים המקושרים. שינויים במערכי נתונים מקושרים לא משפיעים על מערכי נתונים של מקורות. אי אפשר לראות את הגדרות התצוגה.
• משאבים לקריאה בלבד: המשאבים שכלולים במערכי נתונים מקושרים הם לקריאה בלבד. בתור מנויים, אתם לא יכולים לערוך נתונים או מטא-נתונים של משאבים במערכי נתונים מקושרים, או לציין הרשאות למשאבים ספציפיים במערך הנתונים המקושר.
• ביטול המינוי: כדי לבטל את המינוי לחדר הנקי לנתונים, צריך למחוק את מערך הנתונים המקושר.

שליחת שאילתות לגבי נתונים בקבוצת נתונים מקושרת

כדי לשלוח שאילתות על נתונים במערך נתונים מקושר, משתמשים בתחביר SELECT WITH AGGREGATION_THRESHOLD, שמאפשר להריץ שאילתות על תצוגות שמוגדרים בהן כללי ניתוח. דוגמה לתחביר הזה מופיעה במאמר שאילתה של כלל ניתוח הסף לצבירת נתונים – תצוגה שנאכפת.

תרחיש לדוגמה: ניתוח שיוך (Attribution) של מפרסם ובעל תוכן דיגיטלי

מפרסם רוצה לעקוב אחרי היעילות של הקמפיינים השיווקיים שלו. למפרסם יש נתונים מאינטראקציה ישירה (First-Party) על הלקוחות שלו, כולל היסטוריית הרכישות, המידע הדמוגרפי ותחומי העניין שלהם. לבעל התוכן הדיגיטלי יש נתונים מהאתר שלו, כולל המידע על המודעות שהוצגו למבקרים ועל ההמרות שלהם.

המפרסם ובעל האפליקציה מסכימים להשתמש בחדר נקי לנתונים כדי לשלב נתונים ולמדוד את תוצאות הקמפיינים שלהם. במקרה הזה, בעל התוכן הדיגיטלי יוצר את החדר הנקי מנתונים ומאפשר למפרסם לנתח את הנתונים. דוח השיוך שנוצר מראה למפרסם אילו מודעות היו הכי יעילות בהגדלת המכירות. המפרסם משתמש במידע הזה כדי לבצע אופטימיזציה של קמפיינים שיווקיים עתידיים.

המפרסם והבעלים של האתר או האפליקציה מתאמים את השימוש בחדר הנקי של BigQuery לנתונים באמצעות התהליך שמתואר בקטעים הבאים.

יצירת חדר נקי לנתונים (בעל האפליקציה)

1. הבעלים של החדר הנקי לנתונים בארגון של בעל האפליקציה מפעיל את Analytics Hub API בפרויקט שלו ב-BigQuery ומקצה למשתמש א' את התפקיד של בעלי החדר הנקי לנתונים (אדמין ב-Analytics Hub‏ (roles/analyticshub.admin)).
2. משתמש א' יוצר חדר נקי לנתונים בשם Campaign Analysis ומקצה את ההרשאות הבאות:
   • ספק נתונים (בעל תוכן דיגיטלי ב-Analytics Hub (roles/analyticshub.publisher)): משתמש ב', מהנדס נתונים בארגון של בעל התוכן הדיגיטלי.
   • מנוי לחדר נקי לנתונים (מנוי ל-מאגר הניתוחים ב-Analysis‏ (roles/analyticshub.subscriber) ובעל המינוי (roles/analyticshub.subscriptionOwner)): משתמש ג', אנליסט שיווק בארגון המפרסם.

הוספת נתונים לחדר הנקי לנתונים (בעל תוכן דיגיטלי)

משתמש ב' יוצר דף אפליקציה חדש בחדר הנקי לנתונים בשם Publisher Conversion Data. במסגרת יצירת כרטיס המוצר, נוצרת תצוגה חדשה עם כללי ניתוח.

הרשמה לחדר הנקי לנתונים (מפרסמים)

1. משתמש ג' נרשם לחדר הנקי לנתונים, וכך נוצר קבוצת נתונים מקושרת לכל כרטיסי המוצר בחדר הנקי לנתונים, כולל כרטיס המוצר Publisher Conversion Data.
2. המשתמש C יכול עכשיו להריץ שאילתות צבירה כדי לשלב את הנתונים ממערך הנתונים המקושר הזה עם הנתונים מאינטראקציה ישירה (First-Party) שלו, ולמדוד את יעילות הקמפיין.

זיהוי ישויות

תרחישי שימוש בחדר נקי לנתונים דורשים לעיתים קרובות קישור בין ישויות במערכי נתונים של תורם נתונים ושל מנוי לחדר נקי לנתונים, שלא כוללים מזהה משותף. יכול להיות שרשומות של מנויים ותורמי נתונים ייוצגו באופן שונה בכמה מערכי נתונים, כי מערכי הנתונים מגיעים ממקורות נתונים שונים או כי הם משתמשים במזהים ממרחבי שמות שונים.

כחלק מהכנת הנתונים, פתרון הישויות ב-BigQuery מבצע את הפעולות הבאות:

• לספקי נתונים, הוא מבטל כפילויות ופותר רשומות במשאבים המשותפים שלהם באמצעות מזהים מספק משותף לבחירתם. התהליך הזה מאפשר הצטרפות של כמה שותפי עריכה.
• למנויים של חדר נקי לנתונים, המערכת מבצעת דה-דופליקציה ופתרון של רשומות במערכי הנתונים מאינטראקציה ישירה (First-Party) שלהם, ומקשרת לישויות במערכי הנתונים של תורמי הנתונים. התהליך הזה מאפשר לבצע איחודים בין נתונים של מנויים לבין נתונים של ספקי נתונים.

מידע נוסף על הגדרת זיהוי ישויות זמין במאמר הגדרת זיהוי ישויות ושימוש בו ב-BigQuery.

חיפוש נכסים בחדר נקי לנתונים

כדי לראות את כל מרכזי הנתונים הנקיים שיש לכם גישה אליהם, פועלים לפי השלבים הבאים:

• בעלי חדרים נקיים לנתונים וספקי נתונים צריכים להיכנס לדף שיתוף (מאגר הניתוחים ב-Analysis) במסוףGoogle Cloud .

  מעבר אל Sharing (Analytics Hub)

  מוצגים כל החדרים הנקיים לנתונים שאליהם יש לכם גישה.

• אם אתם מנויים לחדר נקי לנתונים, בצעו את הפעולות הבאות:

  1. במסוף Google Cloud , עוברים לדף BigQuery.

     כניסה ל-BigQuery

  2. בחלונית Explorer, לוחצים על add_box Add data.

  3. בוחרים באפשרות שיתוף (Analytics Hub). נפתח דף Discovery.

  4. כדי להציג את החדרים הנקיים לנתונים שיש לכם גישה אליהם, ברשימת המסננים בוחרים באפשרות חדרים נקיים.

כדי למצוא את כל מערכי הנתונים המקושרים שנוצרו על ידי חדרים נקיים לנתונים בפרויקט, מריצים את הפקודה הבאה בסביבה של שורת הפקודה:

PROJECT=PROJECT_ID \
for dataset in $(bq ls --project_id $PROJECT | tail +3); \
do [ "$(bq show -d --project_id $PROJECT $dataset | egrep LINKED)" ] \
&& echo $dataset; done

מחליפים את PROJECT_ID בפרויקט שמכיל את מערכי הנתונים המקושרים.

תמחור

בטבלה הבאה מפורטים המחירים של חדרים נקיים לנתונים ב-BigQuery:

המאמרים הבאים

• איך משתמשים בתבניות של שאילתות
• איך מגבילים את הגישה לנתונים באמצעות כללי ניתוח
• איך משתמשים ב-VPC Service Controls