Ang BigQuery ay isang warehouse ng data sa cloud na nagbibigay-daan sa iyong magpatakbo ng mga query na may mahusay na performance para sa malalaking dataset.
Puwede mong i-export sa BigQuery ang lahat ng iyong raw na event mula sa mga property sa Google Analytics 4 (kasama ang mga subproperty at roll-up property), at pagkatapos, puwede kang gumamit ng parang SQL na syntax para i-query ang data na iyon. Sa BigQuery, puwede mong piliing i-export ang iyong data sa external storage o mag-import ng external na data para isama ito sa data mo sa Analytics.
Kapag nag-export ka ng data sa BigQuery, pag-aari mo ang data na iyon, at puwede kang gumamit ng Mga BigQuery ACL para pamahalaan ang mga pahintulot sa mga proyekto at dataset.
Nagkakaroon ng kumpletong pag-export ng data isang beses kada araw. Tuloy-tuloy ring ine-export ang data sa buong araw (tingnan ang Pag-export ng streaming sa ibaba).
Puwede kang mag-export ng libreng instance ng BigQuery (BigQuery sandbox), pero may mga singil ang mga pag-export na lampas sa mga limitasyon ng sandbox.
May pang-araw-araw na limitasyon sa BigQuery Export na 1 milyong event ang mga karaniwang property. Matuto pa tungkol sa iba pang limitasyon ng BigQuery Export
Mga pinagkaiba ng interface ng Google Analytics at ng BigQuery Export
Ang pag-export ng event sa BigQuery ay nagbibigay ng access sa raw na data ng event at data sa level ng user, hindi kasama ang anumang value na idaragdag ng Google Analytics na makikita sa mga karaniwang ulat at pag-explore. Dahil dito, posibleng mag-iba ang data mula sa pag-export ng event sa BigQuery kaysa sa data sa interface ng Google Analytics.
Para maunawaan ang mga pinagkaiba ng pag-export ng event sa BigQuery at ng interface ng Google Analytics, at mag-explore ng mga paraan para mabawasan ang mga pinagkaibang ito kapag posible, tingnan ang Pag-uugnay ng UI ng Google Analytics at BigQuery Export.
Pag-export ng streaming
Puwede mong piliin ang opsyong pag-export ng streaming kapag na-link mo sa BigQuery ang iyong property sa Google Analytics 4.
Ginagawang available ng pag-export ng streaming ng BigQuery ang data para sa kasalukuyang araw sa loob ng ilang minuto sa pamamagitan ng BigQuery Export.
Kapag ginamit mo ang opsyon sa pag-export na ito, mayroong mas bagong impormasyon ang BigQuery na masusuri mo tungkol sa iyong mga user at sa kanilang trapiko sa property mo.
Para sa bawat araw, gumagawa ng isang bagong talahanayan ang pag-export ng streaming:
events_intraday_YYYYMMDD: Isang internal na talahanayan ng staging na naglalaman ng mga talaan ng aktibidad ng session na nangyari sa buong araw. Ang pag-export ng streaming ay isang operation na nangangailangan ng pinakamahusay na pagsisikap at posibleng hindi kasama rito ang lahat ng data para sa mga dahilang tulad ng pagpoproseso ng mga huling event at/o hindi matagumpay na pag-upload. Tuloy-tuloy na ine-export ang data sa buong araw. Puwedeng kasama sa talahanayang ito ang mga talaan ng isang session kapag sumasaklaw ang session na iyon sa maraming operation ng pag-export. Ide-delete ang talahanayang ito kapag kumpleto na angevents_YYYYMMDD.
Kung pipiliin mo ang pang-araw-araw na opsyon kapag nag-set up ka ng BigQuery Export, magagawa rin ang sumusunod na talahanayan bawat araw.
events_YYYYMMDD: Ang kumpletong pang-araw-araw na pag-export ng mga event.
events_YYYYMMDD ang dapat mong i-query sa halip na events_intraday_YYYYMMDD para stable na dataset ang kinu-query mo sa araw.
Tingnan ang schema ng BigQuery Export para sa higit pang impormasyon tungkol sa mga talahanayang events_YYYYMMDD at events_intraday_YYYYMMDD.
Hindi kasama sa pag-export ng streaming ng BigQuery ang sumusunod na data ng attribution ng user para sa mga bagong user:
- traffic_source.name (dimensyon ng pag-uulat: Campaign ng user)
- traffic_source.source (dimensyon ng pag-uulat: Source ng user)
- traffic_source.medium (dimensyon ng pag-uulat: Medium ng user)
Kasama ang data ng attribution ng user para sa mga kasalukuyang user pero kailangan ng data na iyon ng ~24 na oras bago ganap na maproseso, kaya inirerekomenda naming huwag umasa sa data na iyon mula sa pag-export ng streaming at sa halip, kumuha ng data ng attribution ng user mula sa kumpletong pang-araw-araw na pag-export.
Magkakaroon ka ng mga karagdagang gastusin sa BigQuery para sa paggamit ng pag-export ng streaming sa rate na $0.05 sa bawat gigabyte ng data. Ang 1 gigabyte ay katumbas ng humigit-kumulang 600,000 event sa Google Analytics, bagama't mag-iiba ang bilang na iyon depende sa laki ng event. Matuto pa tungkol sa pagpepresyo ng BigQuery
Ang iskedyul para sa mga update sa talahanayan
Ang mga update sa mga talahanayang ginawa bilang bahagi ng BigQuery Export ay nasasaklawan ng time zone ng property sa Analytics kung saan ine-export ang data.
Tuloy-tuloy na ina-update ang mga talahanayan ng pag-export ng streaming (events_intraday_YYYYMMDD) sa buong araw (hal., mula 12:00:00 am hanggang 11:59:59 pm sa time zone ng property). Kapag nagsimula ang isang bagong araw sa time zone ng property, isinusulat ang mga event sa isang bagong intraday na talahanayan.
Ginagawa ang mga talahanayan ng pang-araw-araw na pag-export (events_YYYYMMDD) pagkatapos makolekta ng Analytics ang lahat ng event para sa araw na iyon. Ia-update ng Analytics ang mga pang-araw-araw na talahanayan sa loob ng hanggang 72 oras pagkatapos petsa ng talahanayan na may mga event na na-timeztam ng petsa ng talahanayan, hal., mga bundle ng event na nahuhuling dumating mula sa Protocol ng Pagsukat o Mga Firebase SDK. Halimbawa, kung 20220101 ang petsa ng talahanayan, ia-update ng Analytics ang talahanayan hanggang 20220104 na may mga event na na-timestamp ng 20220101.
Paminsan-minsan, posibleng i-update ng Analytics ang mga pang-araw-araw na talahanayan anumang oras pagkatapos ng 72 oras na palugit sa ilalim ng mga sitwasyon kung saan kinakailangang iproseso ulit ng Analytics ang dating data (hal., pag-aayos ng bug na remedyo sa error sa pagpoproses).
Mga ping na walang cookies at data na ibinigay ng customer
Kapag ipinatupad ang consent mode, magkakaroon sa BigQuery export ng mga ping na walang cookie na kinokolekta ng Analytics, kasama ang data na ibinigay ng customer tulad ng user_id at mga custom na dimensyon.
GA4 - Integration ng Firebase at BigQuery
Kung mapag-integrate ang isang property sa GA4 at isang proyekto sa Firebase, hindi na puwedeng i-link ang mga ito sa magkahiwalay na proyekto sa BigQuery.
Ihambing ang BigQuery Export sa Google Analytics 4 at Universal Analytics
| Google Analytics 4 | Universal Analytics |
|---|---|
|
Available sa Karaniwan (libre) at 360 (may bayad) Limitasyon sa karaniwan: 1M event bawat araw Limitasyon sa 360: Bilyon-bilyong event bawat araw |
Available sa 360 (may bayad) |
|
Gastusin Libreng pag-export sa BigQuery Sandbox ayon sa mga limitasyon ng Sandbox Sisingilin ang na-export na data na lalampas sa mga limitasyon ng Sandbox ayon sa mga tuntunin ng kontrata |
Gastusin Libreng pag-export sa BigQuery Sandbox ayon sa mga limitasyon ng Sandbox Sisingilin ang na-export na data na lalampas sa mga limitasyon ng Sandbox ayon sa mga tuntunin ng kontrata |
|
Setup Puwedeng magsama ng mga partikular na stream ng data at magbukod ng mga partikular na event para sa bawat property (nagbibigay-daan sa iyong kontrolin ang dami at gastos ng pag-export) |
Setup Puwedeng mag-link ng 1 view sa bawat property (ine-export ang lahat ng data sa view na iyon) |
|
Pag-export ng streaming Php2.5 bawat GB (matuto pa tungkol sa pagpepresyo ng BigQuery) Ginawang talahanayan: events_intraday_YYYMMDD Dine-delete ang talahanayan bawat araw:
Hindi kasama ang data ng Campaign ng user, Source ng user, o Medium ng user para sa mga bagong user |
Pag-export ng streaming Php2.5 bawat GB (matuto pa tungkol sa pagpepresyo ng BigQuery) Ginawang talahanayan: ga_realtime_sessions_YYYYMMDD Ginawang view ng BigQuery ga_realtime_sessions_view_YYYYMMDD |
|
Pang-araw-araw na pag-export Ginawang talahanayan: events_YYYYMMDD |
Pang-araw-araw na pag-export Mga ginawang talahanayan ga_sessions_intraday_YYYYMMDD
ga_sessions_YYYYMMDD
|
|
Pag-export, pangkalahatan Backfill: walang backfill Dataset: para sa bawat naka-link na property, 1 dataset na pinangalanang analytics_<property id> Kung nagpatupad ka ng consent mode, kasama sa pag-export ang:
|
Pag-export, pangkalahatan Backfill: pagkatapos mag-link, backfill na 13 buwan ng data o 10B hit, alinman ang mas maliit (Puwedeng hindi maisagawa ang backfill sa BigQuery Sandbox) Dataset: para sa bawat naka-link na view, 1 dataset na may pangalang kagaya ng sa view |
|
Schema ng pag-export Kumakatawan sa event ang bawat row sa talahanayan ng BigQuery Data ng event na natatangi sa Google Analytics 4 Bagama't may ilang field sa Google Analytics 4 na kapareho ng mga field sa Universal Analytics (hal., device.category at device.deviceCategory), mas maraming pagkakaiba kaysa pagkakapareho ang data ng event ng GA4 at data ng hit ng UA. |
Schema ng pag-export Kumakatawan sa session ang bawat row sa talahanayan ng BigQuery Data ng hit na natatangi sa Universal Analytics Bagama't may ilang field sa Universal Analytics na kapareho ng mga field sa Google Analytics 4 (hal., device.deviceCategory at device.category), mas maraming pagkakaiba kaysa pagkakapareho ang data ng hit ng UA at data ng event ng GA4. |
Mga kaugnay na resource
Bisitahin ang Developer Guide ng BigQuery para matuto pa tungkol sa: