Pular para conteúdo

Conector BigQuery (BigQuery)

A extensão BigQuery Connector é uma ponte de dados de alta performance entre o Moodle e o Google BigQuery (Data Warehouse).

O Moodle não foi feito para gerar relatórios pesados. Rodar um SQL complexo em um banco com 1 milhão de logs pode derrubar o site para os alunos. Esta extensão exporta os dados para a nuvem do Google, onde você pode processar terabytes de informação em segundos e conectar ferramentas de visualização como Power BI, Tableau ou Looker Studio.

Para que serve?

  1. Data Lake Educacional: Centralizar dados do Moodle, do sistema acadêmico (ERP), do CRM e do RH em um único lugar para cruzar informações.
  2. Relatórios Pesados: Calcular "Tempo Médio de Permanência por Curso" ou "Taxa de Evasão Anual" sem travar o Moodle.
  3. Histórico de Longo Prazo: O Moodle recomenda apagar logs antigos para economizar espaço. Com o BigQuery, você pode guardar 10 anos de histórico de logs por um custo muito baixo, mantendo o banco do Moodle leve.

Funcionalidades Principais

1. Sincronização Incremental

A extensão não copia o banco inteiro todo dia (o que seria lento). Ela é inteligente: * Carga Inicial: Copia todo o histórico. * Sync Diário/Horário: Identifica apenas o que mudou (novos alunos, novas notas, novos logs) e envia apenas os "deltas" para o Google.

2. Mapeamento de Tabelas

Você escolhe quais tabelas quer exportar. Não é necessário enviar o banco todo. * Recomendado: mdl_user, mdl_course, mdl_grade_grades, mdl_logstore_standard_log.

3. Transformação de Dados (ETL Leve)

O Moodle usa estruturas complexas (como timestamps Unix 1678888...). O conector pode criar "Views" no BigQuery que transformam esses números em datas legíveis (2023-03-15) e desnormalizam tabelas para facilitar a criação de relatórios.

4. Segurança e Privacidade

Os dados trafegam criptografados. Você pode configurar a extensão para anonimizar dados sensíveis (como CPF ou E-mail) antes de enviar para a nuvem, garantindo conformidade com a LGPD se os analistas de dados não puderem ver a identidade do aluno.

Casos de Uso

Power BI Corporativo

Sua diretoria usa Power BI. Com o conector, o Moodle vira apenas mais uma "fonte de dados". O painel do diretor atualiza automaticamente toda manhã com os dados de progresso dos colaboradores, cruzados com os dados de vendas da empresa.

Análise Preditiva

Cientistas de dados podem usar o histórico de logs no BigQuery para treinar modelos de Machine Learning que preveem quais alunos têm maior risco de abandonar o curso na próxima semana.

Como Configurar

Nota: Requer uma conta no Google Cloud Platform (GCP).

  1. No Google Cloud:
    • Crie um Projeto e um Dataset (ex: moodle_data).
    • Crie uma "Service Account" com permissão de BigQuery Data Editor.
    • Baixe a chave JSON de autenticação.
  2. No Moodle:
    • Acesse Administração do Site > Extensões > Integrações > BigQuery.
    • Faça o upload do arquivo JSON.
    • Defina o ID do Projeto e do Dataset.
    • Selecione as tabelas que deseja sincronizar.
    • Ative a tarefa agendada (Cron).

Perguntas Frequentes

Quanto custa o BigQuery? O BigQuery cobra por armazenamento e por consulta. Para dados de texto (como logs do Moodle), o custo de armazenamento é extremamente baixo (centavos por GB). O custo de consulta depende da complexidade dos seus relatórios, mas o Google oferece uma cota gratuita generosa mensalmente.

É em tempo real? Nativo, não. A sincronização geralmente roda a cada hora ou toda madrugada (D-1), o que é suficiente para BI. Para tempo real estrito, recomenda-se o uso de Webhooks.

Afeta a performance do Moodle? A exportação é feita em background e em lotes (chunks), projetada para ter impacto mínimo. Recomenda-se agendar a carga pesada para horários de menor tráfego (madrugada).