Kirjoittaja: Vectura Solutions Oy · Data-analytiikan ja raportoinnin toteutuksia vuodesta 2018.
Oppaan ydinkohdat
- BigQuery-vienti sisältää tapahtumatason dataa, jonka luvut voivat erota GA4:n käyttöliittymästä.
- Historiadata alkaa kertyä viennin käyttöönotosta, joten tarvittava säilytysaika kannattaa suunnitella etukäteen.
- Kokonaiskustannus riippuu vientitavasta, tallennuksesta ja BigQuery-kyselyistä.
Mitä vienti tekee
BigQuery-vienti siirtää GA4:n keräämää tapahtumadataa Google Cloud -projektiin. Päivittäinen vienti muodostaa päivätauluja, ja streaming-vienti tuo dataa päivän aikana. Vientiin vaikuttavat kerätyt tapahtumat, suostumukset, valitut suodattimet ja vientirajat.
BigQuery sisältää vietyä tapahtumatason aineistoa ilman raporttien otantaa. Se ei sisällä kaikkia GA4:n käyttöliittymän mallinnuksia tai rikastuksia, joten esimerkiksi käyttäjä- ja attribuutioluvut eivät välttämättä täsmää valmiisiin raportteihin.
Mistä alkaen historiadata kertyy?
GA4:n natiivi BigQuery-vienti ei täytä linkitystä edeltävää historiaa. Ensimmäisen viennin käynnistyminen voi kestää, joten varmista taulujen syntyminen. Vanhoja koostettuja raportteja voi edelleen hakea GA4:stä niiden saatavuuden rajoissa, mutta niistä ei voi palauttaa alkuperäistä tapahtumatason aineistoa.
GA4:n käyttäjä- ja tapahtumatason säilytysasetus vaikuttaa esimerkiksi Explorations-tarkasteluihin, mutta ei samalla tavalla valmiisiin koostettuihin raportteihin. BigQueryn säilytysaika hallitaan erikseen: tarkistakaa taulujen vanhenemisajat, laskutus ja organisaation hyväksymä säilytystarve.
Mitä se maksaa
Päivittäisestä viennistä ei veloiteta erillistä GA4-maksua. BigQueryn tallennus ja kyselyt voivat maksaa; streaming-viennistä veloitetaan lisäksi 0,05 USD/GB. Standard-omaisuuden päivittäisen viennin raja on miljoona tapahtumaa päivässä, joten tarkista määrä ja vientisuodattimet ennen käyttöönottoa.
Kustannus riippuu datamäärästä, säilytysajasta ja kyselyistä. GA4:n events_YYYYMMDD-taulut ovat erillisiä päivätauluja: rajaa jokerimerkkikyselyt _TABLE_SUFFIX-ehdolla. Omissa raportointitauluissa käytä päivämääräpartitiointia ja esilaskentaa.
Miten data on rakennettu
Vienti luo päiväkohtaiset taulut muotoa events_YYYYMMDD, sekä halutessa saman päivän kertyvän taulun. Rakenne on sisäkkäinen: yhdellä rivillä on tapahtuma, ja sen sisällä toistuva rakenne tapahtuman parametreille.
Toistuvia parametreja käsitellään SQL-kyselyissä esimerkiksi UNNEST-toiminnolla. Usein tarvittavat kentät kannattaa mallintaa selkeiksi sarakkeiksi, jotta samaa purkamista ei tarvitse toteuttaa jokaisessa raportissa erikseen.
- events_YYYYMMDD: päivittäin valmistuva tapahtumataulu
- events_intraday_YYYYMMDD: kuluvan päivän data, täydentyy pitkin päivää
- pseudonymous_users ja users: käyttäjätason taulut, jos ne on otettu käyttöön
- Parametrit sisäkkäisinä rakenteina, luettavissa UNNEST-toiminnolla
Mitä viennillä tekee
- Säilyttää vietyä historiaa GA4:n säilytysrajoista riippumatta, kun BigQueryn vanhenemisajat ja laskutus on määritetty
- Yhdistää verkkodatan myyntiin, asiakkuustietoihin ja muihin järjestelmiin
- Verrata eri attribuutioperiaatteita dokumentoiduilla laskentasäännöillä
- Laskea organisaation omia mittareita sovittujen määritelmien mukaan
- Rakentaa nopeat Data Studio -raportit esilasketun datan päälle
- Käyttää dataa koneoppimisen syötteenä esimerkiksi BigQuery ML:n kanssa
Käyttöönotto lyhyesti
Vienti kytketään GA4:n hallinnasta BigQuery-linkityksissä. Tarvitset vähintään Editor-roolin GA4-omaisuuteen sekä Googlen käyttöönotto-ohjeen mukaiset projektioikeudet. Päivittäistä vientiä voi kokeilla ilman laskutustiliä BigQuery sandboxissa. Sandboxissa taulut vanhenevat 60 päivässä eikä streaming-vienti ole käytettävissä; pitkäaikainen arkisto edellyttää laskutuksen ja säilytysasetusten järjestämistä.
Valitkaa datasetin sijainti ennen linkitystä. Arvioikaa sen yhteensopivuus muiden lähteiden, palveluiden ja organisaation tietojen käsittelyä koskevien vaatimusten kanssa. Sijainnin muuttaminen myöhemmin edellyttää erillistä siirtosuunnitelmaa.
Tarvitsetteko GA4-datan BigQueryyn?
Vectura Solutions Oy toteuttaa viennin, käyttöoikeudet ja raportointiin tarvittavat datamallit. Aloitamme käyttötarpeesta ja arvioimme, mitä valmiilla GA4-raporteilla ja mitä omalla mallinnuksella kannattaa ratkaista.
BigQuery-viennin ja datamallien toteutus