Acerca del muestreo de datos

¿Qué es el muestreo de datos?

El muestreo de datos es la práctica de análisis de datos que consiste en analizar un subconjunto de datos para descubrir información significativa de un conjunto de datos más grande. Esta práctica te permite recuperar datos más rápido con un impacto mínimo en su calidad.

Por ejemplo, si deseas estimar la cantidad de árboles en un área de 100 hectáreas en la que la distribución de árboles es relativamente uniforme, podrías contar la cantidad que hay en 1 hectárea y multiplicarla por 100, o en media hectárea y multiplicarla por 200, para obtener una representación precisa de toda el área.

Por qué ves el muestreo de datos

En Google Analytics, el muestreo de datos puede ocurrir cuando la cantidad de eventos que se usan para crear un informe, una exploración o una solicitud supera el límite de la cuota de tu propiedad. Cuando esto sucede, Analytics utiliza una parte de los datos y, luego, aumenta la escala para proporcionar resultados direccionalmente precisos que representen todos tus datos.

Cuando tus resultados usan el muestreo, este se indica en el ícono de calidad de los datos con el porcentaje de datos que se usó para generar los resultados. Cuanto mayor sea el tamaño de la muestra, más precisos serán los resultados.

Cuáles son los límites

El límite de la cuota para las consultas a nivel de evento es de 10 millones de eventos para las propiedades estándares de Google Analytics y de hasta 1,000 millones de eventos para las propiedades de Google Analytics 360.

Las propiedades de Google Analytics 360 tienen un valor predeterminado inicial de 100 millones de eventos por consulta para proporcionarte resultados más rápidos y direccionalmente precisos. Cuando necesites una mayor precisión, en el ícono de calidad de los datos, puedes acceder al límite de muestreo más elevado en Explorar seleccionando "Resultados más detallados".

Nota: Filtrar conjuntos de datos grandes por país puede generar un muestreo de datos en los informes estándares de Google Analytics y en Explorar, incluso cuando se utilizan solicitudes de datos expandidos. Esto sucede porque el filtrado activa diferentes métodos de procesamiento de datos, que es más probable que generen un muestreo cuando se manejan conjuntos de datos que superan los 100 millones de eventos. Para minimizar el muestreo, considera reducir el período de tus informes o usar métodos de análisis alternativos, si es necesario.

¿Qué sucede con los datos sin muestrear?

En el caso de los informes sin muestrear, Google Analytics utiliza HyperLogLog++ (HLL++) para estimar los distintos recuentos exactos de las métricas más utilizadas, como el recuento de usuarios y sesiones. El uso de HLL++ garantiza un mejor rendimiento, una mayor precisión en las estimaciones y límites de error más bajos. También puedes usar HLL++ con tus datos de Google Analytics en BigQuery. Obtén más información sobre la aproximación del recuento único en Google Analytics.

Nota: En la mayoría de los casos, los porcentajes de discrepancia son inferiores al 1%, pero pueden ser más altos, especialmente cuando se combina más de una métrica de HLL++. Google Analytics usa el esbozo HLL++ 14. Obtén más información sobre los bocetos de HLL++.