BigQuery ist ein Cloud Data Warehouse, mit dem sich schnelle Abfragen großer Datasets ausführen lassen.
Sie können alle Rohereignisse aus Google Analytics 4-Properties (einschließlich untergeordneter Properties und Sammel-Properties) in BigQuery exportieren und diese Daten dann mithilfe einer SQL-ähnlichen Syntax abfragen. In BigQuery lassen sich die Daten in einen externen Speicher exportieren oder externe Daten importieren, um sie mit den Analytics-Daten zu kombinieren.
Wenn Sie Daten nach BigQuery exportieren, sind Sie der Inhaber der Daten und haben die Möglichkeit, die Berechtigungen für Projekte und Datasets mithilfe von BigQuery-ACLs zu verwalten.
Die Daten werden einmal täglich komplett und außerdem den ganzen Tag über fortlaufend exportiert (siehe Streaming-Export unten).
Sie können in eine kostenlose Instanz von BigQuery (BigQuery-Sandbox) exportieren, aber für Exporte, die die Sandbox-Limits überschreiten, fallen Gebühren an.
Bei Standard-Properties gilt ein tägliches Limit für BigQuery Export von einer Million Ereignissen. Weitere Informationen
Unterschiede zwischen der Google Analytics-Oberfläche und BigQuery Export
Mit dem BigQuery-Ereignisexport können Sie Rohdaten auf Ereignis- und Nutzerebene abrufen. Ausgenommen sind Werte, die in Google Analytics in Standardberichten und explorativen Datenanalysen verwendet werden. Aus diesem Grund können sich die Daten aus dem BigQuery-Ereignisexport von den Daten in Google Analytics unterscheiden.
Was die Unterschiede zwischen dem BigQuery-Ereignisexport und der Google Analytics-Benutzeroberfläche sind und wie Sie sie reduzieren können, erfahren Sie unter Die Lücke zwischen Google Analytics-UI und BigQuery-Export schließen.
Streaming-Export
Sie können die Option für den Streaming-Export auswählen, wenn Sie Ihre Google Analytics 4-Property mit BigQuery verknüpfen.
Mit dem Streaming-Export können über BigQuery Export innerhalb weniger Minuten Daten für den laufenden Tag abgerufen werden.
Sie erhalten aktuelle, analysierbare Daten zu Ihren Nutzern und deren Zugriffen in Ihrer Property.
Für jeden Tag wird eine neue Tabelle erstellt:
events_intraday_YYYYMMDD
: Das ist eine interne Staging-Tabelle, die Datensätze der Sitzungsaktivitäten an diesem Tag enthält. Im Streaming-Export sind unter Umständen nicht sämtliche Daten enthalten. Dazu zählen beispielsweise verspätete Ereignisse und/oder fehlgeschlagene Uploads. Die Daten werden den ganzen Tag über fortlaufend exportiert. Die Tabelle kann Datensätze einer Sitzung enthalten, wenn diese mehrere Exportvorgänge umfasst. Sie wird gelöscht, sobaldevents_JJJJMMTT
vollständig ist.
Wenn Sie beim Einrichten von BigQuery Export die Option „Täglich“ auswählen, wird jeden Tag die folgende Tabelle erstellt.
events_YYYYMMDD
: Enthält alle Ereignisse des Tages.
Für Abfragen wird events_JJJJMMTT
anstelle von events_intraday_JJJJMMTT
empfohlen, weil so auf ein stabiles Dataset für den Tag zurückgegriffen wird.
Weitere Informationen zu den Tabellen events_JJJJMMTT
und events_intraday_JJJJMMTT
finden Sie im Artikel [GA4] BigQuery Export-Schema.
Die folgenden Daten zur Nutzerattribution für neue Nutzer sind nicht im BigQuery-Streaming-Export enthalten:
- traffic_source.name (Berichtsdimension: Nutzerkampagne)
- traffic_source.source (Berichtsdimension: Nutzerquelle)
- traffic_source.medium (Berichtsdimension: Nutzermedium)
Daten zur Nutzerattribution für vorhandene Nutzer sind enthalten, aber deren Verarbeitung dauert etwa 24 Stunden. Daher empfehlen wir, nicht die Daten aus dem Streaming-Export zu verwenden, sondern Daten aus dem umfassenden täglichen Export abzurufen.
Für den Streaming-Export fallen zusätzliche BigQuery-Kosten in Höhe von 0,05 $ pro Gigabyte an Daten an. 1 Gigabyte entspricht ungefähr 600.000 Google Analytics-Ereignissen, wobei diese Zahl je nach Ereignisgröße variieren kann. Weitere Informationen zu den BigQuery-Preisen.
Zeitplan für die Tabellenaktualisierung
Beim BigQuery Export erstellte Tabellen werden gemäß der Zeitzone der Analytics-Property aktualisiert, aus der Daten exportiert werden.
Streaming-Exporttabellen (events_intraday_YYYYMMDD) werden über den Tag hinweg fortlaufend aktualisiert, also von 00:00:00 bis 23:59:59 Uhr in der Zeitzone der Property. Sobald in der Zeitzone der Property ein neuer Tag beginnt, werden die Ereignisse in eine neue Tabelle mit Tagesverlaufsdaten geschrieben.
Tägliche Exporttabellen (events_YYYYMMDD) werden erstellt, nachdem in Analytics alle Ereignisse für den Tag erfasst wurden. In Analytics werden tägliche Tabellen bis zu 72 Stunden nach dem Datum der Tabelle mit Ereignissen aktualisiert, wobei das Datum der Tabelle als Zeitstempel verwendet wird. Dies ist etwa bei Ereignispaketen der Fall, die verspätet über das Measurement Protocol oder die Firebase SDKs gesendet werden. Wenn das Tabellendatum zum Beispiel „20220101“ lautet, wird die Tabelle in Analytics bis „20220104“ mit Ereignissen aktualisiert, die den Zeitstempel „20220101“ haben.
Gelegentlich kann Analytics die täglichen Tabellen zu einem beliebigen Zeitpunkt nach dem 72-Stunden-Zeitfenster aktualisieren, wenn Verlaufsdaten in Analytics noch einmal verarbeitet werden müssen (z. B. für eine Fehlerkorrektur zur Behebung eines Verarbeitungsfehlers).
Pings ohne Cookies und von Kunden bereitgestellte Daten
Wenn der Einwilligungsmodus implementiert ist, sind von Analytics erfasste Pings ohne Cookies im BigQuery-Export zusammen mit vom Kunden bereitgestellten Daten wie user_id und benutzerdefinierten Dimensionen enthalten.
BigQuery Export in Google Analytics 4 und Universal Analytics im Vergleich
Google Analytics 4 | Universal Analytics |
---|---|
Verfügbar für Standard (kostenlos) und 360 (kostenpflichtig) Standardlimit: 1 Million Ereignisse pro Tag 360-Limit: Milliarden von Ereignissen pro Tag |
Verfügbar für 360 (kostenpflichtig) |
Kosten Kostenloser Export nach BigQuery-Sandbox im Rahmen der Sandbox-Limits Für exportierte Daten, die die Sandbox-Limits überschreiten, fallen Kosten entsprechend der Vertragsbedingungen an |
Kosten Kostenloser Export nach BigQuery-Sandbox im Rahmen der Sandbox-Limits Für exportierte Daten, die die Sandbox-Limits überschreiten, fallen Kosten entsprechend der Vertragsbedingungen an |
Einrichtung Spezifische Datenstreams einschließen und spezifische Ereignisse für einzelne Properties ausschließen (zur Kontrolle von Exportvolumen und -kosten) |
Einrichtung 1 Datenansicht pro Property verknüpfen (alle Daten in dieser Ansicht werden exportiert) |
Streaming-Export 0,05 $ pro GB (weitere Informationen zu BigQuery-Preisen) Erstellte Tabelle: events_intraday_JJJJMMTT Die Tabelle wird am Tagesende gelöscht, wenn
Enthält keine Daten zu Nutzerkampagnen, Nutzerquellen oder Nutzermedium für neue Nutzer |
Streaming-Export 0,05 $ pro GB (weitere Informationen zu BigQuery-Preisen) Erstellte Tabelle: ga_realtime_sessions_JJJJMMTT Erstellte BigQuery-Datenansicht: ga_realtime_sessions_view_JJJJMMTT |
Täglicher Export Erstellte Tabelle: events_JJJJMMTT |
Täglicher Export Erstellte Tabellen: ga_sessions_intraday_JJJJMMTT
ga_sessions_JJJJMMTT
|
Export, allgemein Backfill: kein Backfill Dataset: für jede verknüpfte Property 1 Dataset mit dem Namen „analytics_<Property-ID>“ Wenn Sie den Einwilligungsmodus implementiert haben, beinhaltet der Export Folgendes:
|
Export, allgemein Backfill: beim Verknüpfen Backfill von Daten aus 13 Monaten oder 10 Milliarden Treffern, je nachdem, welcher Wert kleiner ist (Backfill in BigQuery-Sandbox nicht immer möglich) Dataset: für jede verknüpfte Datenansicht 1 Dataset mit dem Namen der Datenansicht |
Exportschema Jede Zeile in einer BigQuery-Tabelle steht für ein Ereignis. Nur in Google Analytics 4 verfügbare Ereignisdaten Einige Google Analytics 4-Felder stimmen im Wesentlichen mit Universal Analytics-Feldern überein (z. B. „device.category“ und „device.deviceCategory“). Insgesamt gibt es aber mehr Unterschiede als Ähnlichkeiten zwischen GA4-Ereignisdaten und UA-Trefferdaten. |
Exportschema Jede Zeile in einer BigQuery-Tabelle steht für eine Sitzung. Nur in Universal Analytics verfügbare Trefferdaten Einige Universal Analytics-Felder stimmen im Wesentlichen mit Google Analytics 4-Feldern überein (z. B. „device.deviceCategory“ und „device.category“). Insgesamt gibt es aber mehr Unterschiede als Ähnlichkeiten zwischen UA-Trefferdaten und GA4-Ereignisdaten. |
Weitere Informationen
Im BigQuery Developers Guide finden Sie Informationen zu: