BigQuery: dlaczego musisz się z nim zaprzyjaźnić?

Mamy marzec 2023 roku. Zostały Ci nieco ponad trzy miesiące na wdrożenie Google Analytics 4. Jeśli ostatnie dwa lata spędził_ś pod kamieniem, to tylko podpowiem, że 1 lipca 2023 roku, Google przestanie rozwijać swoją usługę Universal Analytics. Jedyną obowiązującą usługą będzie Google Analytics 4. Musisz się nie tylko doszkolić w tym zakresie i zmienić swoje podejście do analityki internetowej, ale także pogodzić z myślą, że korzystanie z pełnych możliwości GA4 będzie znacznie bardziej angażujące Twój czas niż korzystanie z Google Universal Analytics. Różnic między tymi dwoma systemami jest wiele, a jedną z podstawowych jest czas przechowywania danych. W Google Universal Analytics kilkoma kliknięciami mogł_ś sobie ustawić nielimitowane przechowywanie danych w systemie. Dzięki czemu najistotniejsze dane z każdego roku miał_ś zawsze pod ręką.

W Google Analytics 4 również możesz ustawić czas przechowywania danych. Na maksymalnie 14 miesięcy. W praktyce oznacza to, że Twoje dane będą przechowywane w systemie równo przez 14 miesięcy od momentu, w którym GA4 je zarejestrował. Co się wydarzy z nimi potem? Tutaj wiele już zależy od Ciebie i od konfiguracji Twojego Analyticsa. Jeśli utworzył_ś połączenie z BigQuery, to dane będą przesyłane właśnie do tego narzędzia. Jak utworzyć połączenie z BigQuery? Odsyłam Cię do artykułu Pawła Cioska, który znajdziesz tutaj.
Skoro już wiesz, co się stanie z Twoimi danymi i że gdzieś trafią, to odpowiedzmy sobie na to fundamentalne pytanie:

Czym jest BigQuery?

Jest to „hurtownia danych”, którą znajdziesz w usłudze chmurowej Google’a, czyli Google Cloud Platform. Czym dokładnie jest Google Cloud Platform? W tym celu również odsyłam do artykułu Pawła. Dzięki BigQuery możesz analizować potężne zbiory danych, używając do tego języka SQL, czyli strukturalnego języka zapytań (Structural Query Language). Jeśli korzystałeś kiedykolwiek z Azure, Microsoft SQL Server, Oracle Database czy MySQL, to już dość dobrze wiesz, do czego przyda Ci się BigQuery.

Uff… Definicję i kontekst mamy już za sobą. Przetłumaczmy to tak, żeby zrozumiał to każdy. Do dzieła!

BigQuery to taki wirtualny magazyn

Wyobraź sobie, że masz przed sobą wielki magazyn z wieloma regałami, na których stoją równiutko ustawione, jak od linijki, kartony wypełnione danymi. I tutaj bardzo ważna uwaga! Bo te kartony, to nie są takie zwykłe kartony, ale są one podpisane. I to tak, żeby każdy wiedział, co się w nich znajduje. Mniej więcej tak to działa w BigQuery. Dane są posegmentowane w kartonach po to, by móc z nich korzystać i analizować je do woli.

Przykład? Proszę bardzo.

Przyjmijmy, że mamy osobę, która stoi na czele dochodowego e-commerce’u. Prowadzi ona sprzedaż w kilku krajach. Chce sprawdzić ranking sprzedaży w określonym przedziale czasowym z podziałem na kraje. W tej sytuacji najprawdopodobniej zleca to analitykowi. Analityk wziął garść danych z kartonu „Country”. Drugą garść z kartonu „Product”. Sięgnął też do kartonu „Sales” i stamtąd też coś wyciągnął. Następnie, odpowiednimi funkcjami posklejał to wszystko w jedną całość. Wyszedł mu z tego całkiem ładny raport, zawierający dane, których dokładnie wymagał od niego manadżer.

Wizualizacja danych w BigQuery

Co jest jeszcze fajne w BigQuery? To, że możesz używać go do wizualizacji danych. Chyba nie trzeba tłumaczyć, jak bardzo jest to ważne. Wszyscy w końcu wolą otrzymać schludny raport z odpowiednią wizualizacją danych, niż wielokolumnową i wielowierszową tabelę.

Dzięki wykorzystaniu BigQuery w wizualizacji danych, Twoje raporty będą tak ładne, że wszystkie foki na Helu zaczną klaskać, a z oczu popłyną wartką strugą krokodyle łzy wzruszenia.
Gdy połączysz BigQuery z Looker Studio, zyskasz bardzo dużo możliwości wizualizacji i uatrakcyjniania swoich raportów. Warto skorzystać, bo zyskają na tym wszyscy, którzy mają do czynienia z raportami w Twojej organizacji. Przejrzystość jest kluczowa w prawidłowej interpretacji danych! W samopoczuciu helskich fok też odgrywa znaczącą rolę.

Skaluj swoje działania z Machine Learningiem

Prawda jest taka, że nie musisz korzystać z BigQuery, ale tylko pod warunkiem, że bardzo zależy Ci na utracie danych. Jeśli jednak jesteś odpowiedzialnym przedsiębiorcą, to zrób to jak najszybciej. Prędzej czy później będzie to konieczne. Do tego czasu możesz zaprzyjaźniać się z funkcjonalnościami tego narzędzia. To co odróżnia BigQuery od systemów zarządzania bazami danych, to możliwość skorzystania z rozwiązań Machine Learningu. Algorytmy uczenia maszynowego potrzebują uczyć się na dużej ilości danych. Taką ilość jest w stanie zapewnić właśnie BigQuery. W konsekwencji – przy podstawowej znajomości SQL-a możesz stworzyć modele predykcyjne dotyczące m.in. przychodowości Twojego biznesu w nadchodzących miesiącach.

Pomoc w planowaniu mediów

Wyobraź sobie, jak przyjemne może stać się planowanie mediów. Zamiast przygotowywać zawodne estymacje oparte na średnich kosztach CPC, współczynniku konwersji, itd., możesz skorzystać z narzędzia, które załatwi sprawę za Ciebie. Dodatkowo te predykcje opakuje w bardzo ładny i przejrzysty wykres. Możesz też zoptymalizować koszty marketingu, dzięki dokładniejszemu mediaplanningowi. Zero waste marketing jest nie tylko trendem, ale dzięki niemu zaoszczędzone środki możesz przeznaczyć na skalowanie swoich działań. Nie wiem jak Ty, ale ja „o takie analityki nic nie robiłem”.

Tanio to już było

Na koniec porozmawiajmy o pieniądzach. I o tym, dlaczego teraz trzeba wydawać ich więcej. Po pierwsze: takie są wymogi Google. To powinno zamknąć temat. W rozgrywce między big-techami, których narzędzia napędzają nasze biznesy, jesteśmy zaledwie pionkami. Trzeba płacić za coś, co było za darmo (np. za analitykę). Warto więc przygotować się na to, że korzystanie z Google Cloud Platform będzie nas kosztowało mniej więcej 60$ w skali miesiąca. Im więcej terabajtów danych zostanie przetworzone, tym więcej zapłacimy. Niemało – zwłaszcza dla właścicieli niedużych firm. Już od dłuższego czasu dane osobowe są cenniejsze od ropy, więc nic dziwnego, że Google chce na tym zarobić.

Co daje Google Cloud Platform?

To nie jest tak, że nie warto w to zainwestować. Aktualnie nie masz innego wyjścia. Płacąc jednak za Google Cloud Platform, nie musisz ograniczać się tylko do korzystania z BigQuery, bo to narzędzie daje całe multum możliwości biznesowych! Przede wszystkim możesz wdrożyć Google Tag Managera Server Side, czyli zadbać o bezpieczeństwo danych swoich klientów i uczynić z tego przewagę konkurencyjną. Bezpieczeństwo danych jest także jednym z trendów. I to takich obowiązkowych. Zatem w ramach cyklicznej płatności, masz już „upieczone dwie pieczenie na jednym ogniu”. A możesz upiec ich znacznie więcej – zapoznaj się tylko z możliwościami, które daje Ci Google Cloud Platform.

Polecam też mój artykuł dotyczący GTM-a Server Side. Tekst został jednokrotnie nagrodzony i to przez ludzi, z którymi pracuję, więc warto sprawdzić 😊.

Podsumowanie

Należy zacząć interesować się BigQuery, bo w 2023 roku nadchodzi dosyć spora rewolucja w analityce internetowej. I dokładnie z tego względu powiem Ci, że MUSISZ się tym tematem zainteresować! Tu będę boleśnie szczery – niczym klocek Lego nadepnięty gołą stopą – jeśli nie znajdziesz „magazynu” dla swoich danych, to po prostu stracisz je na dobre. Wraz z nimi utracisz wiele możliwości, na przykład analizy rok do roku czy na przestrzeni lat. Źle to brzmi, prawda? Z tego względu – ale też z wielu innych – zabezpiecz się przed tym i zapoznaj się z BigQuery już dziś!

#Datadriven to już nie tylko trend – to droga do przywództwa w Twojej branży.

#samnektar napisał Jakub Strzelka z Beeffective

Szukasz wsparcia w efektywnych działaniach w digitalu – możemy Ci w tym pomóc!