以下为Python语言的示例代码，使用Google Cloud Python Client Library来将数据导入Bigquery：

from google.cloud import bigquery

# 初始化客户端
client = bigquery.Client()

# 设置数据集和表名
dataset_ref = client.dataset('my_dataset')
table_ref = dataset_ref.table('my_table')

# 设置源数据文件的URI和格式
source_file_name = 'gs://my-bucket/my-file.csv'
source_config = bigquery.LoadJobConfig()
source_config.source_format = bigquery.SourceFormat.CSV
source_config.schema = [
    bigquery.SchemaField('name', 'STRING'),
    bigquery.SchemaField('age', 'INTEGER'),
    bigquery.SchemaField('gender', 'STRING')
]

# 开始导入数据
load_job = client.load_table_from_uri(
    source_file_name,
    table_ref,
    job_config=source_config
)

# 等待导入完成
load_job.result()

# 检查导入状态
assert load_job.state == 'DONE'

# 打印导入的行数
print("Loaded {} rows into {}:{}.".format(load_job.output_rows, 'my_dataset', 'my_table'))

在导入数据的过程中，很可能会遇到很多问题。这些常见问题可以归结为以下几类：

• 认证问题： 在客户端初始化时，需要从Google Cloud Console获取一个有效的项目ID，并且必须通过OAuth 2.0进行身份验证。

• 文件读取问题： 源文件必须包含正确的数据，并且是适合Bigquery数据源格式的。如果数据源文件格式不正确，导入过程会失败。

• 数据映射问题： 在将数据源文件导入到Bigquery时，必须指定适当的数据模式和数据类型。如果数据源文件和Bigquery数据模式不匹配，则会导致导入失败。

• 访问问题： 在导入数据之前，请确保您具有正确的访问权限。如果您没有访问权限，则无法从数据源文件中读取数据。