Looker Studio レポートでは、フィルタの適用や期間の変更など閲覧者が加えた変更を読み込み、応答するのにかかる時間が、次のようなさまざまな要因によって変わります。
- 基盤となるデータセットのパフォーマンス
- レポートの可視化によってクエリが実行されているデータの量
- 上記クエリの複雑さ
- ネットワーク レイテンシ
こうした要因の中には、ユーザー自身（または Looker Studio）では制御できないものもあります。たとえば、基盤となるデータ プラットフォームの応答性を向上させたり、ネットワーク接続の速度を上げたりするためにユーザーができることはほとんどありません。ただし、Looker Studio でレポートのパフォーマンスを調整する方法はいくつかあります。
データの更新頻度を調整する
ほとんどのデータソースのタイプにはデータの更新頻度のオプションがあります（抽出済みデータソースは例外です）。このオプションを使用すると、レポートのパフォーマンス、クエリ費用や割り当てとのバランスを取りながら、最新情報を取得できます。各データソースのタイプにはそれぞれデフォルトのデータ更新頻度のしきい値がありますが、このしきい値は必要に応じて調整できます。たとえば、サイトやアプリでの広告のパフォーマンスを測定している場合は、1 日に 1 回データを更新すれば十分である可能性があります。一方、ソーシャル メディアの分析に基づくレポートでは、データを 1 日に複数回更新することをおすすめします。
詳しくは、データの更新頻度を管理するをご覧ください。
抽出されたデータソースを使用する
抽出済みデータソースは、最大 100 MB のデータの静的スナップショットです。作成後、レポートからのデータ リクエストが、基盤となるデータセットではなく、このスナップショットに送信されます。抽出済みデータソースを使用すると、元のデータにライブ接続した状態よりも、レポートやデータ探索の読み込みが速くなり、応答性が高くなります。
抽出済みデータソースには、データの更新頻度に関するオプションはありません。代わりに、抽出済みデータソースのデータを更新するタイミングをスケジュールできます。
詳しくは、データの抽出に関する記事をご覧ください。
BigQuery データソースの改善
以降のセクションでは、BigQuery データを使用するレポートのパフォーマンスを改善するためのヒントについて説明します。
BI Engine を使用して BigQuery データソースを高速化する
BigQuery BI Engine は、高速なメモリ内分析サービスです。BI Engine を使用すると、BigQuery に保存されたデータを分析できます。クエリ応答時間は 1 秒未満で、同時実行性にも優れています。
BI Engine は Looker Studio と統合されるため、データ探索や分析がスピードアップします。BI Engine を使用すると、パフォーマンス、スケーリング、セキュリティ、データの鮮度を損なうことなく、Looker Studio で高機能かつインタラクティブなダッシュボードとレポートを作成できます。
詳しくは、BI Engine を Looker Studio で使ってみるをご覧ください。
BigQuery Storage Read API を有効にする
ページネーションされた結果を使用するクエリでは、BigQuery Storage Read API を有効にすると、クエリ時間を短縮できます。Looker Studio では、クエリの実行時間が短縮される場合に、Storage Read API が自動的に使用されます。
BigQuery Storage Read API を有効にするには、Looker Studio に接続されている BigQuery ユーザーに次の権限を付与します。
bigquery.readsessions.createbigquery.readsessions.getData