BigQuery adalah cloud data warehouse (CDW) yang memungkinkan Anda menjalankan kueri berperforma tinggi terhadap set data besar.
Anda dapat mengekspor semua peristiwa mentah dari properti Google Analytics 4 (termasuk sub-properti dan properti gabungan) ke BigQuery, lalu menggunakan sintaksis mirip SQL untuk melakukan kueri terhadap data tersebut. Dalam BigQuery, Anda dapat memilih untuk mengekspor data ke penyimpanan eksternal atau mengimpor data eksternal untuk digabungkan dengan data Analytics Anda.
Saat mengekspor data ke BigQuery, Anda adalah pemilik data tersebut, dan Anda dapat menggunakan ACL BigQuery untuk mengelola izin pada project dan set data.
Ekspor data lengkap dilakukan sekali sehari. Data juga diekspor secara terus-menerus sepanjang hari (lihat Ekspor streaming di bawah ini).
Anda dapat mengekspor ke instance gratis BigQuery (sandbox BigQuery), tetapi ekspor yang melebihi batas sandbox akan dikenakan biaya.
Properti standar memiliki batas BigQuery Export harian sebanyak 1 juta peristiwa. Pelajari batas BigQuery Export lainnya lebih lanjut
Perbedaan antara antarmuka Google Analytics dan BigQuery Export
Ekspor peristiwa BigQuery memberikan akses ke data mentah peristiwa tingkat pengguna dan peristiwa, tidak termasuk penambahan nilai apa pun yang dilakukan Google Analytics pada data yang ditemukan dalam eksplorasi dan laporan standar. Oleh karena itu, data dari ekspor peristiwa BigQuery mungkin berbeda dari data di antarmuka Google Analytics.
Untuk memahami perbedaan antara ekspor peristiwa BigQuery dan antarmuka Google Analytics, serta mempelajari cara mengurangi perbedaan ini jika memungkinkan, lihat Menjembatani kesenjangan antara UI Google Analytics dan BigQuery Export.
Ekspor streaming
Anda dapat memilih opsi ekspor streaming saat menautkan properti Google Analytics 4 ke BigQuery.
Ekspor streaming BigQuery membuat data untuk hari ini tersedia dalam beberapa menit melalui BigQuery Export.
Jika Anda menggunakan opsi ekspor ini, BigQuery akan mendapatkan informasi terkini yang dapat Anda analisis tentang pengguna dan traffic-nya di properti Anda.
Setiap hari, ekspor streaming membuat satu tabel baru:
events_intraday_YYYYMMDD: Tabel staging internal yang mencakup kumpulan data aktivitas sesi yang berlangsung selama sehari. Ekspor streaming adalah operasi yang diupayakan sebaik mungkin dan bisa saja tidak menyertakan semua data. Alasannya antara lain adalah pemrosesan peristiwa yang terlambat dan/atau upload yang gagal. Data diekspor terus-menerus sepanjang hari. Tabel ini dapat menyertakan beberapa kumpulan data dari sebuah sesi jika sesi tersebut mencakup beberapa operasi ekspor. Tabel ini dihapus saatevents_YYYYMMDDselesai.
Jika Anda memilih opsi harian saat menyiapkan BigQuery Export, tabel berikut juga akan dibuat setiap hari.
events_YYYYMMDD: Ekspor peristiwa harian lengkap.
Anda harus melakukan kueri events_YYYYMMDD dan bukan events_intraday_YYYYMMDD, agar dapat melakukan kueri terhadap set data yang stabil untuk hari tersebut.
Lihat Skema BigQuery Export untuk informasi selengkapnya tentang tabel events_YYYYMMDD dan events_intraday_YYYYMMDD.
Ekspor streaming BigQuery tidak menyertakan data atribusi pengguna berikut untuk pengguna baru:
- traffic_source.name (dimensi pelaporan: Kampanye pengguna)
- traffic_source.source (dimensi pelaporan: Sumber pengguna)
- traffic_source.medium (dimensi pelaporan: Media pengguna)
Data atribusi pengguna untuk pengguna yang sudah ada akan disertakan, tetapi data tersebut memerlukan waktu sekitar 24 jam untuk diproses sepenuhnya, jadi sebaiknya jangan mengandalkan data tersebut dari ekspor streaming dan, sebagai gantinya, dapatkan data atribusi pengguna dari ekspor harian lengkap.
Anda akan dikenai biaya tambahan BigQuery atas penggunaan ekspor streaming dengan tarif $0,05 per gigabyte data. Satu gigabyte setara dengan kira-kira 600.000 peristiwa Google Analytics, meskipun jumlah tersebut akan bervariasi bergantung pada ukuran peristiwa. Pelajari lebih lanjut harga BigQuery.
Jadwal pembaruan tabel
Pembaruan pada tabel yang dibuat sebagai bagian dari BigQuery Export diatur oleh zona waktu properti Analytics tempat asal data yang diekspor.
Tabel ekspor streaming (events_intraday_YYYYMMDD) diperbarui terus-menerus sepanjang hari (mis., dari pukul 00.00.00 sampai 23.59.59 dalam zona waktu properti). Setelah hari baru dimulai dalam zona waktu properti, peristiwa akan ditulis ke tabel intrahari baru.
Tabel ekspor harian (events_YYYYMMDD) dibuat setelah Analytics mengumpulkan semua peristiwa untuk hari tersebut. Analytics akan memperbarui tabel harian maksimal 72 jam setelah tanggal tabel yang memuat peristiwa dengan stempel waktu tanggal tabel tersebut, mis., paket peristiwa yang terlambat dikirim dari Measurement Protocol atau Firebase SDK. Sebagai contoh, jika tanggal tabel adalah 20220101, Analytics akan memperbarui tabel, yang memuat peristiwa dengan stempel waktu 20220101, hingga 20220104.
Terkadang, Analytics dapat memperbarui tabel harian kapan saja setelah periode 72 jam jika Analytics perlu memproses ulang data historis (mis., perbaikan bug untuk mengatasi error pemrosesan).
Ping tanpa cookie dan data yang disediakan pelanggan
Saat mode izin diterapkan, ping tanpa cookie yang dikumpulkan Analytics akan ada di BigQuery Export, bersama dengan data yang disediakan pelanggan seperti user_id dan dimensi kustom.
GA4 - Integrasi Firebase dan BigQuery
Jika properti GA4 dan project Firebase terintegrasi, keduanya tidak dapat ditautkan ke project BigQuery yang terpisah.
Membandingkan BigQuery Export di Google Analytics 4 dan Universal Analytics
| Google Analytics 4 | Universal Analytics |
|---|---|
|
Tersedia untuk Standar (gratis) dan 360 (berbayar) Batas standar: 1 juta peristiwa per hari Batas 360: Miliaran peristiwa per hari |
Tersedia untuk 360 (berbayar) |
|
Biaya Ekspor gratis ke Sandbox BigQuery sesuai batas Sandbox Data yang diekspor yang melebihi batas Sandbox akan dikenai biaya per persyaratan kontrak |
Biaya Ekspor gratis ke Sandbox BigQuery sesuai batas Sandbox Data yang diekspor yang melebihi batas Sandbox akan dikenai biaya per persyaratan kontrak |
|
Penyiapan Dapat menyertakan aliran data tertentu dan mengecualikan peristiwa tertentu untuk setiap properti (memungkinkan Anda mengontrol biaya dan volume ekspor) |
Penyiapan Dapat menautkan 1 tampilan per properti (mengekspor semua data dalam tampilan tersebut) |
|
Ekspor streaming $0,05 per GB (pelajari lebih lanjut harga BigQuery) Tabel dibuat: events_intraday_YYYMMDD Tabel dihapus setiap hari:
Tidak mencakup data Kampanye pengguna, Sumber pengguna, atau Media pengguna untuk pengguna baru |
Ekspor streaming $0,05 per GB (pelajari lebih lanjut harga BigQuery) Tabel dibuat: ga_realtime_sessions_YYYYMMDD Tampilan BigQuery dibuat: ga_realtime_sessions_view_YYYYMMDD |
|
Ekspor harian Tabel dibuat: events_YYYYMMDD |
Ekspor harian Tabel dibuat ga_sessions_intraday_YYYYMMDD
ga_sessions_YYYYMMDD
|
|
Ekspor, umum Pengisian ulang: tidak ada pengisian ulang Set data: untuk setiap properti tertaut, terdapat 1 set data bernama analytics_<property id> Jika Anda telah menerapkan mode izin, ekspor mencakup:
|
Ekspor, umum Pengisian ulang: setelah penautan, pengisian ulang untuk data selama 13 bulan atau 10 miliar hit, mana saja yang lebih sedikit (Pengisian ulang ke Sandbox BigQuery dapat gagal) Set data: untuk setiap tampilan tertaut, terdapat 1 set data yang bernama sama dengan tampilan |
|
Skema ekspor Setiap baris dalam tabel BigQuery mewakili satu peristiwa Data peristiwa unik untuk Google Analytics 4 Meskipun ada beberapa kolom Google Analytics 4 yang pada dasarnya sama dengan kolom Universal Analytics (mis., device.category dan device.deviceCategory), ada lebih banyak perbedaan daripada persamaan antara data peristiwa GA4 dan data hit UA |
Skema ekspor Setiap baris dalam tabel BigQuery mewakili satu sesi Data hit yang unik untuk Universal Analytics Meskipun ada beberapa kolom Universal Analytics yang pada dasarnya sama dengan kolom Google Analytics 4 (mis., device.deviceCategory dan device.category), ada lebih banyak perbedaan dibanding persamaan antara data hit UA dan data peristiwa GA4. |
Referensi terkait
Kunjungi Panduan Developer BigQuery untuk mempelajari lebih lanjut tentang: