BigQuery er et datalager i skyen, der giver dig mulighed for at køre højeffektive forespørgsler på store datasæt.
Du kan eksportere alle dine rå hændelser fra Google Analytics 4-ejendomme (herunder underejendomme og oprulningsejendomme) til BigQuery og derefter bruge en SQL-lignende syntaks til at forespørge om dataene. I BigQuery kan du vælge at eksportere dine data til et eksternt lager eller importere eksterne data for at kombinere dem med dine Analytics-data.
Når du eksporterer data til BigQuery, ejer du de pågældende data, og du kan bruge BigQuery-ACL'er til at administrere tilladelser til projekter og datasæt.
Der foretages en komplet dataeksport én gang om dagen. Der bliver også eksporteret data kontinuerligt i løbet af dagen (se Streamingeksport nedenfor).
Du kan eksportere til en BigQuery-forekomst, der er adgang til uden beregning (BigQuery-sandbox), men der pålægges gebyrer for eksporter, som overskrider sandbox-grænserne.
Standardejendomme har en daglig BigQuery Export-grænse på 1 million hændelser. Få flere oplysninger om andre BigQuery Export-grænser
Forskelle mellem Google Analytics-grænsefladen og BigQuery Export
BigQuery-hændelseseksport giver adgang til råhændelser og data på brugerniveau, eksklusive eventuelle værditilføjelser, som Google Analytics foretager af de data, der findes i standardrapporter og -udforskninger. Dataene fra BigQuery-hændelseseksporten kan derfor afvige fra dataene i Google Analytics-grænsefladen.
Se Broforbindelse mellem Google Analytics-brugerfladen og BigQuery Export for at få oplysninger om forskellene på eksport af data om hændelser via henholdsvis BigQuery og Google Analytics-brugerfladen samt mulighederne for at mindske disse forskelle.
Streamingeksport
Du kan vælge muligheden for streamingeksport, når du knytter din Google Analytics 4-ejendom til BigQuery.
BigQuery-streamingeksport gør data tilgængelige for den aktuelle dag inden for få minutter via BigQuery-eksport.
Når du bruger denne mulighed, får BigQuery mere opdaterede oplysninger om dine brugere og deres trafik på din ejendom, som du derefter kan analysere.
Streamingeksport opretter én ny tabel for hver dag:
events_intraday_YYYYMMDD: En intern staging-tabel, som indeholder poster for sessionsaktivitet, der har fundet sted i løbet af dagen. Streamingeksport er en operation, der udføres så godt, som det er muligt, og omfatter muligvis ikke alle data på grund af eksempelvis behandling af forsinkede hændelser og/eller mislykkede uploads. Dataene eksporteres regelmæssigt i løbet af dagen. Denne tabel kan indeholde poster for en session, hvis sessionen strækker sig over flere eksporthandlinger. Denne tabel slettes, nårevents_YYYYMMDDer fuldført.
Hvis du vælger den daglige indstilling, når du konfigurerer BigQuery Export, oprettes den følgende tabel også hver dag.
events_YYYYMMDD: Den fulde daglige eksport af hændelser.
Du bør sende en forespørgsel om events_YYYYMMDD i stedet for events_intraday_YYYYMMDD, så der forespørges om et stabilt datasæt for dagen.
Se BigQuery Export-skemaet for at få flere oplysninger om tabellerne events_YYYYMMDD og events_intraday_YYYYMMDD.
BigQuery-streamingeksport indeholder ikke følgende data om brugertilskrivning for nye brugere:
- traffic_source.name (rapporteringsdimension: Bruger – kampagne)
- traffic_source.source (rapporteringsdimension: Bruger – kilde)
- traffic_source.medium (rapporteringsdimension: Brugermedium)
Tilskrivningsdata for nuværende brugere er inkluderet, men det tager cirka 24 timer at færdigbehandle disse data, så vi anbefaler, at du ikke bruger disse data fra streamingeksporten, men i stedet henter brugertilskrivningsdata fra den komplette daglige eksport.
Der påløber yderligere BigQuery-omkostninger for brug af streamingeksport til en pris på 0,05 USD pr. gigabyte data. 1 GB svarer til ca. 600.000 Google Analytics-hændelser (tallet kan dog variere alt efter hændelsesstørrelsen). Få flere oplysninger om BigQuery-priser.
Tidsplanen for tabelopdateringer
Opdateringer af de tabeller, der er oprettet som en del af BigQuery Export, er underlagt tidszonen for den Analytics-ejendom, som data eksporteres fra.
Streamingeksporttabeller (events_intraday_YYYYMMDD) opdateres løbende i løbet af dagen (f.eks. fra kl. 00.00 til 23.59.59 i ejendommens tidszone). Når en ny dag starter i ejendommens tidszone, skrives hændelser til en ny tabel samme dag.
Daglige eksporttabeller (events_YYYYMMDD) oprettes, når Analytics indsamler alle hændelserne for dagen. I Analytics opdateres de daglige tabeller i op til 72 timer efter datoen i tabellen med hændelser, der tidsstemples med datoen for tabellen. Dette kan f.eks. være hændelsespakker, der ankommer sent fra Measurement Protocol eller Firebase-SDK'erne. Hvis tabeldatoen f.eks. er 20220101, opdaterer Analytics tabellen til og med 20220104 med hændelser, der har tidsstemplet 20220101.
Analytics kan til enhver tid opdatere de daglige tabeller efter de 72 timer, hvis der er tilfælde, der kræver, at Analytics behandler historiske data (f.eks. en fejlrettelse, der retter en behandlingsfejl).
Cookieløse ping og kundegenererede data
Når samtykketilstand er implementeret, bliver de cookieløse ping, som indsamles af Analytics, vist i BigQuery-eksporten sammen med data, som kunder har angivet, som f.eks. user_id og tilpassede dimensioner.
GA4 – Firebase-integration og BigQuery
Hvis en GA4-ejendom og et Firebase-projekt er integreret, kan de ikke linkes til separate BigQuery-projekter.
Sammenlign BigQuery Export i Google Analytics 4 og Universal Analytics
| Google Analytics 4 | Universal Analytics |
|---|---|
|
Tilgængelig for Standard-brugere (gratis) og 360-brugere (betalt) Standardgrænse: 1 million hændelser pr. dag 360-grænse: Flere milliarder hændelser pr. dag |
Tilgængelig for 360-brugere (betalt) |
|
Pris Gratis eksport til BigQuery-sandbox inden for sandbox-grænserne Eksporterede data, der overstiger sandbox-grænserne, medfører gebyrer i henhold til kontraktvilkårene |
Pris Gratis eksport til BigQuery-sandbox inden for sandbox-grænserne Eksporterede data, der overstiger sandbox-grænserne, medfører gebyrer i henhold til kontraktvilkårene |
|
Konfiguration Kan omfatte specifikke datastrømme og ekskludere specifikke hændelser for hver ejendom (giver dig mulighed for at styre eksportvolumen og -omkostninger) |
Konfiguration Kan linke 1 visning pr. ejendom (eksporterer alle data i denne visning) |
|
Streamingeksport 0,05 USD pr. GB (få flere oplysninger om BigQuery-priser) Oprettet tabel: events_intraday_YYYYMMDD Tabellen slettes hver dag:
Dette omfatter ikke Brugerkampagne-, Brugerkilde- eller Brugermedium-data for nye brugere |
Streamingeksport 0,05 USD pr. GB (få flere oplysninger om BigQuery-priser) Oprettet tabel: ga_realtime_sessions_YYYYMMDD BigQuery-visning oprettet: ga_realtime_sessions_view_YYYYMMDD |
|
Daglig eksport Oprettet tabel: events_YYYYMMDD |
Daglig eksport Tabellerne blev oprettet ga_sessions_intraday_YYYYMMDD
ga_sessions_YYYYMMDD
|
|
Eksport, generel Udfyldning: Ingen udfyldning Datasæt: For hver tilknyttede ejendom, 1 datasæt med navnet analytics_<property id> Hvis du har implementeret samtykketilstand, omfatter eksporten:
|
Eksport, generel Udfyldning: Ved tilknytning udfyldning af data for 13 måneder eller 10 milliarder hits, alt efter hvad der er mindst (Udfyldning til BigQuery-sandbox kan mislykkes) Datasæt: For hver tilknyttede visning, 1 datasæt med det samme navn som visningen |
|
Eksportér skema Hver række i en BigQuery-tabel repræsenterer en hændelse Hændelsesdata, der er unikke for Google Analytics 4 Selvom der er nogle felter i Google Analytics 4, der reelt er de samme som Universal Analytics-felterne (f.eks. device.category og device.deviceCategory), er der flere forskelle end ligheder mellem GA4-hændelsesdata og UA-hitdata |
Eksportér skema Hver række i en BigQuery-tabel repræsenterer en session Hitdata, der er unikke for Universal Analytics Selvom der er nogle Universal Analytics-felter, der stort set er de samme som Google Analytics 4-felterne (f.eks. device.deviceCategory og device.category), er der flere forskelle end ligheder mellem UA-hitdata og GA4-hændelsesdata. |
Relaterede ressourcer
Se udviklervejledningen til BigQuery for at få flere oplysninger om følgende: