如何将Front连接到BigQuery？| 2个简单的步骤
Manjiri Gaikwad关于Front，Front到Google BigQuery- 2022年6月30日 -Write for Hevo
Front 为企业提供了一个平台，可以通过不同的渠道与客户沟通，如电子邮件、短信、WhatsApp、社交媒体聊天等。虽然Front可以保留这些渠道的所有客户信息，并帮助获得洞察力，但将这些数据转移到数据仓库，如Google BigQuery，将进一步帮助组织分析和改善决策过程。你可以使用标准API和第三方ETL（提取、加载和转换）工具将Front连接到BigQuery 。
在这篇文章中，你将学习如何使用手动流程将 Front连接到BigQuery。让我们开始吧!
目录
前提条件
集成的基础
什么是Front？
Front开发于2013年， ，是一个帮助组织加强客户关系的沟通中心。它为组织提供了一个平台，以提供他们的客户可以赞不绝口的体验。Front让客户成为专业服务团队所有业务的中心，从支持到营销和开发。
Front使企业能够在一个地方收集来自多个渠道的客户数据，如电子邮件、短信、社交媒体、电话、WhatsApp等。这个过程使组织能够实时协作并回应他们的客户。前面还提供了分析功能，以分析客户数据并获得其客户的完整的360视图。因此，组织得到了对客户的全面控制，这有助于他们发现和解决问题，以提高客户体验。
Front的主要特点
- 协作。企业可以通过Front在团队收件箱中的一个地方访问多渠道的客户数据。Front确保团队的每个成员都能访问每个客户信息。因此，只要团队收件箱中有客户查询，组织中的团队就可以迅速通知预定人员处理查询，不会有任何延误。
- 自动化的集成。前面由无代码自动化和集成功能组成，取代了复杂的手工集成过程。它包括一个集成库，允许你将Front连接到你最喜欢的工具、CRM和聊天机器人。这种整合很容易使用，只需简单的点击就可以完成。Front还包括Salesforce、Shopify、Aircall等的插件整合。因此，组织可以快速传输数据进行协作。
- 赢得更多客户。由于Front使企业能够从多个来源收集数据，如电子邮件、聊天记录、社交媒体、文本、WhatsApp等，企业可以无缝地解决客户的问题，让他们满意。
什么是谷歌BigQuery？
谷歌BigQuery开发于2010年，是一个全面管理的数据仓库，具有若干云功能，帮助企业无缝存储数千兆字节的数据。它使用标准的SQL查询来分析并更快地从巨量的数据中获得答案。
Google BigQuery使用Dremel技术和列式存储结构，可以提供快速的性能和高数据压缩能力。除了高性能外，Google BigQuery还允许企业根据其业务需求独立地扩大和缩小存储和计算能力，从而减少额外的成本。
开发人员和数据科学家可以通过使用谷歌BigQuery，使用Java、Python、JavaScript和Go等编程语言工作。他们还可以使用BigQuery的API来有效地转换和管理数据。
谷歌BigQuery的主要特点
- BigQuery商业智能引擎：BigQueryBI由商业智能引擎组成，帮助企业以亚秒级的查询响应时间和高并发性处理大型数据集。BI引擎可以与Google Data Studio、Tableau、Power BI等强大的工具集成，进行数据分析。它还可以与API库、JDBC驱动、BigQuery SQL等工具一起工作。
- 机器学习。Google BigQuery允许企业使用SQL查询创建机器学习模型。机器学习模型，如逻辑回归、二元逻辑回归、多类回归、K-means聚类等，都由BigQuery支持。
- 用户友好：Google BigQuery允许企业只需点击几下就能存储和分析他们的数据。Google BigQuery的用户友好界面使用户能够建立云数据仓库，因为他们不需要安装集群、选择存储大小、加密设置和配置压缩。
- 实时分析。BigQuery可以通过实时传输和分析让你了解最新情况。它可以智能地分配资源，以提供最佳的性能和结果，使您可以根据需要生成业务报告。
探索这些方法来连接Front和BigQuery
Front的先进预测引擎使出版商能够个性化现场体验，鼓励用户停留更长时间并返回。此外，BigQuery是一个数据仓库，以即时摄取数据和执行几乎实时分析而闻名。
整合后，将数据从Front转移到BigQuery可以解决企业的一些最大数据问题。为了达到预期的效果，在这篇文章中，使用了两种方法。
方法1：使用Hevo Data建立Front To BigQuery连接
Hevo Data是一个自动数据管道，为你提供一个无忧无虑的解决方案，在几分钟内通过一个易于使用的无代码界面将Front连接到BigQuery。Hevo是完全管理的，完全自动化的过程，不仅从Front加载数据，而且丰富数据并将其转化为可分析的形式，而无需编写一行代码。
这种方法实施起来很费时，而且有些乏味。用户将不得不手动导出Front数据，然后将数据导入谷歌BigQuery。这种方法适用于有技术背景的用户。
如何将Front连接到BigQuery？
方法1：使用Hevo数据建立Front到BigQuery的连接
Hevo提供谷歌BigQuery作为一个目的地，用于加载/转移来自不同来源的数据，包括Front（免费来源）。
Front到BigQuery第1步：将Front配置为来源
要在Front to BigQuery整合的管道中把Front设置为源，请遵循以下说明。
- 第1步：在资产调色板中，选择PIPELINES。
- 第2步： 在管道列表视图中，点击**+CREATE**。
- 第3 步：在选择源类型页面中选择Front 。
- 第4步： 在Configure your Front Source页面上输入以下信息，将Front连接到Redshift。
-
**管线名称。**为你的管道起一个独特的名字，不超过255个字符。
-
API Token。 你在Front账户下创建的API令牌，以便授予Hevo读取数据的权限。
-
**历史同步持续时间。**历史的相关性持续时间指的是必须消耗先前从源头收集的数据的时间量。默认持续时间。3个月。
-
第5步： 点击TEST & CONTINUE按钮即可。
-
第6步： 配置数据摄取并设置目的地。
前方到BigQuery 第二步：配置谷歌BigQuery为目的地
- 点击资产调色板中的DESTINATIONS。
- 在目的地列表视图中点击**+CREATE**。
- 在添加目的地页面选择Google BigQuery作为目的地类型。
- 在配置您的Google BigQuery账户页面，选择连接到BigQuery的认证方法。
- 做以下其中一项。
- 在配置你的Google BigQuery仓库页面，指定以下细节，如 -目的地名称、项目ID、数据集ID、GCS桶等。
- 点击TEST CONNECTION进行测试，SAVE DESTINATION完成设置。
方法2：手动方法将数据从Front转移到BigQuery
今天，客户使用多个数字通信平台，如社交媒体、应用内聊天、电子邮件等。虽然Front将所有的客户沟通数据集中在一个平台上，但它受限于你可以执行的分析类型。
因此，将数据转移到谷歌BigQuery，不仅可以让你利用商业智能工具的分析能力，还可以利用客户数据的机器学习技术来产生洞察力。这种能力可以让企业通过做出更好的以客户为中心的决策，在竞争格局中脱颖而出。
Front到BigQuery第1步：导出Front数据
要连接Front到BigQuery，您必须导出Front数据，然后将其导入到Google BigQuery。
假设您已经登录到Front。你可以在Front中用Gmail账户连接你的工作空间。设置工作空间后，您可以创建共享收件箱，与您的团队合作，添加消息模板，并使用Front创建规则。
Front分析由七个仪表板组成，以分析你的团队的表现并提高效率。您可以创建报告来过滤特定渠道和团队。Front帮助企业将这些报告导出到csv文件。
按照以下步骤，将Front报告数据导出到csv文件。
- 点击报告视图右上方的三个小点。选择 "导出视图数据"。
- 在 "导出 "栏中选择你的导出类型，然后点击 "请求导出"。
- 你可以在弹出的屏幕底部看到准备好的出口，准备下载。点击下载出口图标，将出口保存到你的电脑。
注意:Front还允许你导出公制细节，以查看报告中特定公制所包含的所有对话。按照下面的步骤来导出公制的细节。
- 你可以点击报告中的指标，拉出指标的细节。
- 在对话的顶部列表中，点击导出图标。
- 在导出字段中选择你的导出类型，并点击请求导出。
- 在弹出屏幕的底部，你可以看到准备好的出口。点击下载箭头图标，保存导出数据。
Front让用户从其报告中的单个图表和表格中导出数据。csv 文件可以包含你在仪表盘上相应的图表或表格中可以看到的相同的预计算指标。
- 点击表格右上方的导出图标即可下载其数据。
前面到BigQuery第二步：将数据导入到Google BigQuery
你可以在Google BigQuery中加载任何数据文件，但在这篇文章中，你将学习在Google BigQuery中导入csv文件。
当你从云存储加载csv文件时，你可以将该文件加载到一个新的表或分区。Google BigQuery也允许你追加你的csv文件来覆盖现有的表或位置。当你的csv文件被载入Google BigQuery时，它将被转换为Capacitor的列式格式。
在加载csv文件到Google BigQuery之前，你必须提供IAM权限，以加载数据到BigQuery和分区。
- 载入数据到BigQuery的权限
你需要以下IAM权限来加载数据和追加或覆盖BigQuery中的现有表或分区。
bigquery.tables.create
bigquery.tables.updateData
bigquery.tables.update
Bigquery.jobs.create
下面每个预定义的IAM角色包括你需要的权限，以加载数据到BigQuery表或分区。
roles/bigquery.dataEditor
roles/bigquery.dataOwner
roles/bigquery.admin (includes the bigquery.jobs.create permission)
bigquery.user (includes the bigquery.jobs.create permission)
bigquery.jobUser (includes the bigquery.jobs.create permission)
- 从云存储加载数据的权限
你需要以下IAM权限来加载云存储的数据。
storage.objects.get
Storage.objects.list
- 将csv文件加载到BigQuery表中
你可以使用以下方法将csv文件加载到BigQuery表中。
- 云控制台。
- bq命令行工具的bq加载命令。
- 调用jobs.insertAPI 方法。
- 客户端库。
按照以下步骤，将csv文件加载到BigQuery表中。
- 导航到云控制台的BigQuery页面。
- 在资源管理器窗格中展开你的项目，选择一个数据集。
- 在数据集信息部分，点击创建表。
在创建表格面板中指定以下细节。
在 "源 "部分，从列表中选择 "创建表 "中的谷歌云存储，然后按照以下步骤操作。
在 "目的地 "部分指定以下细节。
- 选择一个你想创建表的数据集。
- 在表字段中输入你想创建的表的名称。
- 确认表字段被设置为本地表。
在模式部分，你可以输入模式定义。选择 "自动检测 "以启用 "模式 "的自动检测。使用以下任何一种方式输入模式信息。
- 点击编辑为文本，以JSON数组的形式粘贴模式。在使用JSON数组时，你可以使用与创建JSON模式文件相同的过程来生成模式。使用下面的命令来查看JSON 格式的现有表的模式。
bq show --format=prettyjson dataset.table
- 点击添加字段，输入表的模式。输入每个字段的名称、类型和模式。
点击高级选项，按照接下来的指示在BigQuery中创建一个表。
为什么选择Hevo的无代码数据管道来连接Front和BigQuery？
手动导出Front数据并将其导入谷歌BigQuery似乎很直接，但这个过程不允许用户处理实时数据。因此，用户可以使用标准API作为替代，将Front连接到BigQuery。
但是，你需要有一个强大的技术团队来使用API。因此，为了克服所有这些问题，你可以使用第三方ETL工具，如Hevo数据，可以实现从Front到BigQuery的无缝和自主整合。
总结
在这篇文章中，你学到了如何将Front连接到BigQuery。Front旨在通过在一个地方获取多个渠道的客户数据来加强企业的客户关系。虽然Front提供了分析，但要获得深入的分析，你可以将数据存储在一个集中的存储库中，如谷歌BigQuery，可以进一步使用BI工具来做出明智的决策。
海沃数据提供了一个无代码数据管道，可以使你的数据传输过程自动化，从而使你能够专注于业务的其他方面，如分析、营销、客户管理等。
这个平台允许你从100多个来源（包括40多个免费来源）传输数据，如 前方和基于云的数据仓库，如**Google BigQuery**。它将为你提供一个无忧无虑的体验，使你的工作生活更加轻松。
想体验一下Hevo吗？
注册一个14天的免费试用，亲身体验功能丰富的Hevo套件。
你也可以看看无可匹敌的 价格，这将有助于你选择适合你的业务需求的计划。
请在下面的评论中告诉我们你对连接Front和BigQuery的理解。
