Intégration BigQuery MakeAutomatiser BigQuery avec Make.
Et si ton entrepôt de données prévenait lui-même tes équipes ? L'intégration BigQuery Make compte 20 modules, dont 3 déclencheurs. Ce guide s'adresse aux équipes ops et data qui débutent sur Make : tu branches ton compte, puis tu montes ton premier scénario.
Avis vérifiés sur Trustpilot · Agence IA, automatisation & growth
À quoi sert l'intégration BigQuery Make ?
L'intégration BigQuery Make permet à Make de lire, d'alimenter et d'organiser tes données BigQuery, sans écrire de code. Tu assembles un scénario, c'est-à-dire l'automatisation elle-même, avec des modules : chaque module est une brique, par exemple un déclencheur qui repère une nouvelle ligne ou une action qui lance une requête.
Un entrepôt qui se remplit tout seul. Upload Data (Streaming) ajoute une ligne dans une table chaque fois qu'une autre app produit un enregistrement : une commande validée, une inscription à un webinar. Fini l'export qu'on réimporte à la main. Si tes données partent d'Airtable, l'Intégration Airtable Make te montre l'autre bout du circuit.
Des requêtes qui rendent compte. Watch Query Jobs Completed réagit quand un job de requête se termine, qu'il ait réussi ou échoué. Enchaîne avec Get Query Results by Job ID et le contrôleur de gestion reçoit ses chiffres sans ouvrir la console.
Des tables sous surveillance. Watch Tables repère chaque nouvelle table d'un dataset, Watch Rows chaque nouvelle ligne. Pratique quand plusieurs outils écrivent dans le même projet et que personne ne sait plus qui a créé quoi.
Ce que l'intégration ne fait pas : aucun des 3 déclencheurs n'est instantané. Make interroge BigQuery au rythme du scénario, donc une nouvelle ligne est vue au passage suivant. Et quand une opération n'a pas son module, Make an API Call l'atteint avec la même connexion.
BigQuery existe aussi sous forme de nœud dans n8n. Pour choisir selon tes critères, lis n8n vs Make, et pour savoir ce que comprend chaque plan, Combien coûte Make.
Comment connecter BigQuery à Make ?
- 01
Ajoute un module BigQuery
Dans ton scénario, clique sur le +, cherche BigQuery et choisis n'importe lequel de ses modules. Clique ensuite sur Create a connection. La connexion, c'est ton compte BigQuery relié une fois pour toutes à Make, puis réutilisé par tous les modules BigQuery.
- 02
Donne-lui un nom
L'étape est facultative. Un nom parlant évite pourtant les erreurs le jour où plusieurs comptes ou projets cohabitent dans la même équipe Make : chacun retrouve le bon dans la liste sans hésiter.
- 03
Autorise Make et enregistre
Make t'envoie sur la page d'autorisation de BigQuery, ou te demande la clé fournie par l'app. Accorde l'accès, reviens dans Make et clique sur Save. Le module peut alors te proposer ce qu'il sait lire dans ton compte.
Ton premier scénario avec BigQuery
ObjectifQuand une autre app produit un nouvel enregistrement, Make l'ajoute comme ligne dans une table BigQuery.
- 01
Crée le scénario
Depuis la page Scenarios, crée un nouveau scénario et clique sur le + pour poser le premier module. Choisis l'app d'où partent tes données, ta boutique en ligne ou ton outil de formulaires, et relie son compte.
- 02
Ajoute Upload Data (Streaming)
Clique sur le + à droite de ce premier module, cherche BigQuery et prends Upload Data (Streaming). Sélectionne ta connexion, ou clique sur Create a connection si c'est ton premier module BigQuery.
- 03
Fais correspondre les données
Choisis la table qui reçoit les lignes : une fois la connexion créée, Make te propose ce qu'il peut lire. Glisse ensuite chaque valeur du module précédent dans la colonne qui lui correspond.
- 04
Teste avec Run once
Clique sur Run once, puis provoque un vrai enregistrement dans l'app source. Lis les bundles reçus par chaque module (un bundle, c'est un élément qui passe d'un module au suivant) et vérifie la ligne dans BigQuery.
- 05
Planifie et active
Ouvre l'horloge du premier module pour régler la planification : toutes les 15 minutes par défaut, et pas moins sur le plan Free. Active le scénario, il tourne désormais sans toi.
Qu'est-ce qui peut lancer un scénario BigQuery ?
3 modules démarrent un scénario quand quelque chose se passe dans BigQuery. Un déclencheur planifié est vérifié par Make au rythme du scénario ; un déclencheur instantané est appelé par BigQuery dès que ça se passe.
Watch Query Jobs Completed
Déclencheur planifiéDans Make“Triggers when a query job has completed processing successfully or unsuccessfully.”
Tu sais qu'une requête est terminée sans surveiller la console : ce déclencheur démarre le scénario à la fin de chaque job de requête. Réussite ou échec, il réagit dans les deux cas, ce qui en fait aussi un outil d'alerte.
Watch Rows
Déclencheur planifiéDans Make“Triggers when a new row is inserted in a table.”
Chaque nouvelle ligne insérée dans une table devient un bundle, prêt à partir vers l'outil de ton choix. C'est la porte d'entrée pour faire sortir les données de l'entrepôt au fil de l'eau.
Watch Tables
Déclencheur planifiéDans Make“Triggers when a new table is created in a dataset.”
Un dataset qui gagne une table ne passe plus inaperçu : Watch Tables lance le scénario pour chaque table créée dedans. Idéal pour garder la trace d'un espace partagé entre plusieurs personnes.
Que peut faire Make d'autre dans BigQuery ?
BigQuery te donne 17 modules. Pour chacun : ce qu'il fait pour toi, le moment où tu le choisis, et ce qu'il faut surveiller.
Create a Dataset
ActionDans Make“Creates a new dataset.”
Un nouveau dataset, le conteneur qui regroupe tes tables, apparaît sans passer par la console. Chaque client ou projet peut ainsi avoir son espace dès le départ.
Create a Table
ActionDans Make“Creates a new, empty table in the dataset.”
Tu obtiens une table vide, rangée dans le dataset de ton choix et prête à recevoir des lignes. Avec Create a Dataset, tu poses toute la structure avant le premier chargement.
Delete a Dataset
ActionDans Make“Deletes the dataset specified by ID.”
Supprime le dataset dont tu donnes l'identifiant, et ton projet reste propre une fois un chantier terminé. Plus besoin de penser au ménage dans la console.
Delete a Table
ActionDans Make“Deletes the table specified by ID.”
Retire une seule table, désignée par son identifiant, sans toucher au reste du dataset. Le bon outil pour nettoyer les tables temporaires que tes scénarios ont créées.
Get a Dataset
ActionDans Make“Returns the dataset specified by dataset ID.”
Renvoie les informations d'un dataset à partir de son identifiant, pour que les modules suivants s'en servent. Simple lecture : rien n'est modifié.
Get a Table
ActionDans Make“Gets the specified table resource by table ID.”
Tu récupères la fiche d'une table précise, retrouvée par son identifiant, pour l'exploiter plus loin dans le scénario. Comme Get a Dataset, il lit sans rien changer.
Get Query Results by Job ID
ActionDans Make“Retrieves results of a specified query.”
Les résultats d'une requête déjà exécutée reviennent dans ton scénario, grâce à l'identifiant de son job. Pas besoin de relancer le SQL une seconde fois.
Make an API Call
ActionDans Make“Performs an arbitrary authorized API call.”
Ce module ouvre tout le reste de l'API BigQuery à ton scénario, avec la connexion déjà en place. Ce que les modules de la liste ne couvrent pas passe par lui.
Run a Query
ActionDans Make“Runs a BigQuery SQL query synchronously and returns query results if the query completes within a specified timeout.”
Tu poses une question en SQL, BigQuery répond, et le résultat part vers le module suivant, à condition que la requête aboutisse avant son délai d'attente. Le moyen le plus direct de transformer une donnée en action.
Update a Dataset
ActionDans Make“Updates information in an existing dataset.”
Modifie les informations d'un dataset existant sans le recréer. Sa description et ses réglages suivent ainsi l'évolution de tes autres outils.
Update a Table
ActionDans Make“Updates information in an existing table.”
Les informations d'une table existante changent, ses données restent en place. Utile pour garder des fiches de tables cohérentes sans ouvrir la console.
Upload a File
ActionDans Make“Uploads a new file.”
Envoie un nouveau fichier dans BigQuery directement depuis le scénario, à partir du fichier reçu par un module précédent. Fini le téléchargement suivi d'un import manuel.
Upload Data (Streaming)
ActionDans Make“Creates a new row of data in a table.”
Chaque bundle reçu devient une nouvelle ligne dans ta table : l'entrepôt se remplit à mesure que les événements arrivent ailleurs. La plupart des premiers scénarios partent de ce module.
List Datasets
RechercheDans Make“Lists all datasets in the specified project to which the user has been granted the READER dataset role.”
Tu obtiens la liste des datasets d'un projet que ton compte a le droit de lire, un bundle par dataset. De quoi faire l'inventaire avant d'agir.
List Jobs
RechercheDans Make“Lists all jobs that user started in the specified project.”
Passe en revue les jobs lancés par ton compte dans un projet, chacun sous forme de bundle. Tu vois ce qui a tourné et tu peux enchaîner.
List Table Data
RechercheDans Make“Lists the content of a table in rows.”
Lit le contenu d'une table ligne par ligne, sans écrire une ligne de SQL. Chaque ligne devient un bundle que la suite du scénario peut envoyer ou transformer.
List Tables
RechercheDans Make“Lists all tables in the specified dataset.”
Affiche toutes les tables d'un dataset choisi, une par bundle. La réponse rapide à la question « qu'y a-t-il vraiment là-dedans ? ».
Besoin d'aide pour automatiser BigQuery avec Make ?
Une personne lit chaque message.
