Como conectar o DataLedge às suas ferramentas de BI

Ao conectar o DataLedge ao seu ecossistema de BI, você ganha autonomia para cruzar dados, criar indicadores personalizados e transformar obrigações acessórias em inteligência de negócio estratégica.

Para que essa comunicação entre a Qive e sua ferramenta de visualização aconteça de forma segura e eficiente, preparamos este guia com tudo o que você precisa configurar.

Neste artigo, você confere:

Requisitos e Guias
- Chave da Conta de Serviço;
- Driver de Conexão;
Ferramentas e Métodos de Conexão
- PowerBI;
- Código Python;
- QlikView;
- Excel;
- Redash.

📄 DataLedge: Requisitos e Guias

Para visualizar seus dados do DataLedge, você precisará conectar sua ferramenta de análise preferida ao Google BigQuery. O método de conexão varia conforme a ferramenta, mas os guias ao final desta seção detalham todo o processo.

Antes de começar, é importante entender dois componentes-chave que você usará.

1. Chave da Conta de Serviço (`service_account.json`)

Uma Conta de Serviço é um tipo especial de conta do Google, usada por aplicativos ou ferramentas para acessar recursos de forma segura.

Para que sua ferramenta consiga autenticar e provar que tem permissão, é necessário usar uma chave de acesso. Essa chave é fornecida no arquivo digital service_account.json.

Considere este arquivo como uma credencial secreta da conta de serviço. Por motivos de segurança, nunca o compartilhe publicamente e guarde-o em local seguro do seu computador (ex: C:\Meus Documentos\chaves\).

💡 Você receberá o arquivo service_account.json via e-mail assim que o seu acesso for liberado.

2. O Driver de Conexão

Um driver de conexão é um pequeno software que funciona como uma "ponte" entre sua aplicação (Excel, Power BI) e o banco de dados (BigQuery).

💡 Dependendo da ferramenta que você for usar, pode ser necessário baixar e instalar o driver oficial do Google BigQuery em sua máquina para que a conexão funcione.

Ferramentas com conectores nativos geralmente já vêm com o driver pré-instalado

🗃️ Ferramentas e Métodos de Conexão

A tabela abaixo resume como as ferramentas mais comuns se conectam.

Ferramenta	Método de Conexão
Looker Studio	Conexão nativa (direta e simples)
Power BI Desktop	Conexão nativa
Power BI Online	Requer usuário e senha (pode ter custo adicional)
Microsoft Excel	Requer instalação do Driver ODBC
Pentaho	Requer instalação do Driver JDBC
Tableau / Qlik Sense	Também são opções populares e compatíveis

Identifique sua ferramenta na lista abaixo e expanda para acessar o tutorial detalhado.

Conectando o DataLedge ao PowerBI

Com o arquivo service_account.json em mãos, abra o PowerBI e execute o seguinte fluxo para configurar a Service Account:

Abra o arquivo .json e obtenha o client_email;
Preencha o respectivo email no campo “Email da conta de serviço” presente no PowerBI
No campo “Conteúdo do arquivo de chave JSON da conta de serviço” cole todo o conteúdo do arquivo json.
Após isso, basta clicar em “Salvar” e será conectado à base de dados do DataLedge.

🟠 Atenção à formatação da chave JSON no Power BI:
Verifique se o arquivo contém espaços ou quebras de linha e, se necessário, remova-os, pois o Power BI só aceita Service Account sem nenhum espaço e sem nenhum enter. Por padrão, já enviamos o arquivo sem essas quebras ou espaços.

Fluxo de configuração da Service Account no Power BI

Para um guia detalhado sobre como conectar o Power BI com o BigQuery, acesse o link: Power BI BigQuery Connection Step by Step | Coupler.io Blog

Conectando o DataLedge via Código Python

É possível acessar e buscar os dados do DataLedge utilizando código em Python.

Com a ServiceAccount/Chave de serviço enviado para o email do cliente ele poderá buscar e identificar as tabelas e dados presentes dentro do seu banco de dados. Veja os passos:

Primeiramente, identifique os dataset e tabelas presentes dentro do DataLedge. Isso não é padrão e por isso é necessário essa verificação:

from google.cloud import bigquery
from google.oauth2 import service_account
import pandas as pd

# SUBSTITUA O CONTEÚDO ABAIXO PELA SUA CHAVE .JSON
key = { "type": "service_account", "project_id": "...", ... }

credentials = service_account.Credentials.from_service_account_info(key)
client = bigquery.Client(project='dataledge', credentials=credentials)

# Lista datasets e tabelas
for dataset in client.list_datasets():
    print(f'Dataset: {dataset.dataset_id}')
    tables = client.list_tables(dataset.dataset_id)
    for table in tables:
        print(f'  Tabela: {table.table_id}')

Provavelmente, o resultado será algo como:

Dataset: dfe_alias_interno_cliente_idgenerico
Tabela: cte_v1
Tabela: nfe_unificada_v1

Com esses dados em mãos, escolha qual tabela acessar – é possível consultar diretamente via código python como no exemplo abaixo:

project_id = "dataledge"
dataset_id = "seu-dataset-aqui" 
table_id = "sua-tabela-aqui"

query = f"SELECT * FROM `{project_id}.{dataset_id}.{table_id}` LIMIT 10"

df = pd.io.gbq.read_gbq(query, project_id=project_id, credentials=credentials)
print(df.head())

Arquivo Jupyter Notebook com o código completo: BigQuery_Access_DataLedge.ipynb

Conectando DL via QlikView

Para conectar o Qlik Sense, uma ferramenta poderosa de análise e visualização de dados, ao Google BigQuery, um data warehouse baseado em nuvem, usando uma conta de serviço, você pode seguir os passos abaixo:

Passo 1: Configurar o Qlik Sense para usar a conta de serviço

Abra o Qlik Sense Hub e acesse Conexões de dados.
Clique em Criar nova conexão e selecione Google BigQuery como fonte de dados.
Na guia "Autenticação", clique em "Adicionar" e selecione "Conta de serviço".
Clique em "Fazer upload" e selecione o arquivo .json que você baixou no Passo 1.
Insira o ID do projeto, que é o identificador exclusivo do seu projeto do Google Cloud, e clique em "Conectar".

Passo 2: Configurar a Conexão

Na guia "Conexão", insira os detalhes necessários para se conectar ao Google BigQuery, como o ID do projeto, o ID do conjunto de dados e o ID da tabela.
Escolha o método de autenticação apropriado, como "OAuth" ou "Chave de conta de serviço", dependendo da sua configuração.
Se você selecionou "Chave de conta de serviço" na etapa anterior, escolha a conta de serviço que você criou no Passo 1 na lista suspensa.
Insira quaisquer configurações adicionais de conexão, como configurações de proxy ou de tempo limite, se necessário.
Clique em "Salvar" para salvar as configurações de conexão..

Depois de concluir esses passos, o Qlik Sense deve ser capaz de se conectar ao Google BigQuery usando a conta de serviço que você criou e você pode usar o Qlik Sense para criar visualizações e realizar análises de dados em seus dados do BigQuery.

Conectando o DataLedge ao Excel

Para utilizar o produto DataLedge no Microsoft Excel é necessário utilizar o Google BigQuery ODBC Driver. Esse driver é uma ferramenta que permite a conexão entre o Excel e o banco de dados da Google.

Pré-requisitos:

Ter o arquivo .json (credencial de acesso) fornecido pela Qive.
Instalar o Google BigQuery ODBC Driver 3.0.2.1005 no computador que fará a conexão. Link para Download do Driver
⚠️ Não instale a versão mais recente, e sim a 3.0.2.1005 do driver (32 ou 64 bits) que corresponde à sua versão do Microsoft Excel.

Com os pré-requisitos instalados, assista ao vídeo para ver o passo a passo da configuração: Vídeo Demonstrativo (Loom)

Conectando o DataLedge ao Redash

Para o guia completo, acesse a documentação oficial: Redash BigQuery Guide

No Redash, vá para a seção "Data Sources" e escolha "Google BigQuery" ou outra fonte de dados relevante.
Forneça as credenciais necessárias, incluindo o arquivo de chave JSON que você baixou anteriormente.

Abra o arquivo .json fornecido pela Qive, copie o conteúdo do campo ‘project_id’ e cole no campo referente dentro do Redash.
Faça o upload do arquivo .json.
Deixe a opção ‘Load Schema’ desmarcada.
Deixe as outras opções como estão e clique em ‘Create’.

Tem outras dúvidas sobre o DataLedge? Chame nossa equipe pelo chat! 👉🟠