¡Google BigQuery hasta en la sopa!

Hoy revisé LinkedIn y solo al ver el comienzo del post de Arnau Vendrell: GA4 en Looker Studio ya no funcionará sin Big Query, me recordó la conversación que he tenido con varios miembros del equipo, particularmente con Raúl, líder del equipo de Analytics D2B, que me lo ha comentado y ya llevamos un tiempo trabajando con el equipo para ocupar más esta tecnología (que por cierto, no es nada nueva), pero ya es un tema muy común en este 2023, y como decimos acá, “ya me aparece hasta en la sopa”:

Post completo

Google ha comenzado a empujar hacia el uso de Google BigQuery, y días pasados anunció fuertemente otro conector hacia la herramienta, el de Google Search Console. El conector de Google Ads ya lleva un tiempo, y ahora, GA4 ha democratizado el conector de GA a BigQuery en todas las cuentas (antes era únicamente para los clientes premiums).

¿Qué más nos ha pasado?

La comunidad y muchos clientes hacen el reclamo de las bajas cuotas que tiene la actual herramienta en su versión free, más su política de retención de datos de GA4 hace casi obligatoria el uso de Google BigQuery.

 

Google Cloud Platform (GCP) y Google BigQuery

Google BigQuery es parte de una suite mayor, Google Cloud Platform, e irse a BigQuery implica abrir una cuenta de GCP y habilitar una facturación. No es gratis, pero se paga por uso, y en la mayoría de los casos no implica gastos mayores a 100 USD al  mes. Lo bueno es que GCP tiene un programa gratuito o Free Tier: https://cloud.google.com/free/docs/free-cloud-features?hl=es

Pero, ¿qué es Google BigQuery?

Google BigQuery es un almacén de datos analíticos de largo alcance y gestionado por Google.
Es una base de datos pero bastante diferente a las bases de datos que conocemos. Tiene un enfoque hacia el uso de datos de análisis, por lo que no nos es útil para hacer una app o sitio web, pero sí para poder guardar datos como por ejemplo, traer datos de GA4, Google Ads/Meta y unirlos para poder hacer un reporte de publicidad.

 

Google BigQuery, Looker y GA4

De esto ha nacido una nueva configuración de ecosistema de datos, la combinación BQ-Looker-GA4:

Google BigQuery

BigQuery ha venido a cambiar la forma que hacemos las cosas cuando analizamos los datos de GA4, y en mi opinión, es en ganancia hacia los analistas:

• Más detalle, teniendo la posibilidad de leer click por click (evento por evento)
• Mucha más flexibilidad en el momento de calcular los KPI’s
• Conteo de usuarios sin HyperLogLog++
• Mucho más rápido que la API de GA

Pero:

• Todo debe ser calculado, ¿quieres saber la tasa de rebote? Calcúlala tú mismo, ¿las páginas de salida? ¿La duración media de la visita? ¿Ya sabes por dónde voy?
• Mantención; los reportes cambian a veces, se rompe algo, alguien tendrá que mirar esto
• ¿Aprender SQL? ¿Aprender Python? ¿Entender Cloud? Hay una nueva forma de trabajar y será necesario que nos adaptemos

GA4

Ya hemos comentado qué pasa con GA4, se ha limitado mucho el uso, se añade capas de seguridad como el Data thresholds (Umbrales de datos) o el Data Retention que complican mucho el panorama.

Looker

Ya hemos notado como el ex-DataStudio al conectarnos al GA4 directamente todo comienza a fallar, la cuota de extracción es muy baja, a lo que pones un par de gráficos se caerá el reporte por exceso de uso y te obliga a pasar por BigQuery, dónde no hay cuota.

Take Away

El panorama final será algo así: BigQuery será el centro donde se almacenará, limpiará, juntará y disponibilizará para Looker, la información para ser usada en Looker.

Recomendaciones:

• Comienza a usar Google BigQuery, tendrás tiempo de experimentar la herramienta antes del sunset de Google Universal.
• Los datos exportados a GA4 no son retroactivos, hazlo lo antes posible para no perder datos valiosos.
• Te avisamos que los datos no serán igual a la interfaz de GA4, entender las diferencias es esencial.
• Confía en los datos que estás mirando.
• Aprender y comenzar con SQL no es complejo.