Les tables BigQuery contiennent des informations PII (informations personnelles identifiables) accessibles uniquement à la conformité ; les autres données doivent être accessibles aux data scientists. Minimisez les coûts et la rapidité d'octroi d'accès. Quelle est la meilleure approche ?

La meilleure approche est de créer un ensemble de données dédié aux data scientists, puis d'y créer des vues logiques qui excluent les PII de la source. Cette méthode permet de gérer les autorisations IAM au niveau de l'ensemble de données pour les data scientists, ce qui est plus granulaire et sécurisé que les autorisations au niveau du projet. Les vues logiques (non matérialisées) sont rentables car elles ne stockent pas de données dupliquées et sont rapides à créer. Les vues matérialisées (options 2 et 4) stockent des copies des données, ce qui augmente les coûts de stockage et de maintenance, et ne sont pas nécessaires ici car la transformation est simple (exclusion de colonnes). Accorder des autorisations IAM au niveau du projet (options 1 et 2) est trop large et moins sécurisé que de les gérer au niveau de l'ensemble de données. L'option 1 ne crée pas non plus d'ensemble de données séparé pour les vues, ce qui rend la gestion des accès moins claire.