Qué es la exportación de GA4 a BigQuery

Lo primero que conviene aclarar es qué viaja por ese enlace. No se exportan los informes de Analytics ni sus métricas ya calculadas. Se exportan los eventos tal como se recogieron, uno por fila, con sus parámetros anidados dentro de la misma fila. La tasa de eventos clave, la sesión con interacción o el usuario activo no llegan como número: llegan como materia prima con la que tú vuelves a calcularlos si los necesitas.

El conjunto de datos que se crea en BigQuery lleva el identificador de la propiedad en el nombre y contiene una tabla por día. Cada fila trae el nombre del evento, la marca de tiempo en microsegundos, el identificador seudónimo del navegador o de la instalación, los parámetros del evento, las propiedades de usuario, los artículos del comercio electrónico y los datos de la fuente de tráfico.

Esa estructura anidada es la diferencia práctica con una exportación de informes en hoja de cálculo. Obliga a escribir SQL con desanidado, y a cambio permite formular preguntas que la interfaz no admite, porque en la interfaz cada informe ya decidió por ti cómo agrupar los datos.

El enlace se configura en la administración de la propiedad y requiere permisos de edición en Analytics y de propietario en el proyecto de Google Cloud. Hay dos modalidades que se pueden activar a la vez. La exportación diaria por lotes envía una vez al día todos los eventos del día anterior, sin muestreo, normalmente a media tarde según la zona horaria de la propiedad. La exportación en streaming envía los eventos del día en curso en pocos minutos, como servicio de mejor esfuerzo y sin garantía de exhaustividad. Las propiedades 360 disponen además de una variante diaria más rápida.

Cada modalidad escribe en tablas distintas. La diaria genera tablas con el sufijo de la fecha; la de streaming genera tablas intradía que se borran al final del día, cuando la tabla diaria queda completa. Las tablas intradía no incluyen algunos campos, entre ellos la fuente de tráfico. Además, Analytics sigue actualizando la tabla diaria hasta tres días después del evento para recoger los datos que llegan tarde desde dispositivos sin conexión.

Hay un límite que decide muchos proyectos. Una propiedad estándar admite hasta un millón de eventos diarios en la exportación por lotes; si se supera, la exportación diaria se pausa y los días anteriores no se reprocesan. La exportación en streaming no tiene ese tope. El coste no lo cobra Analytics: lo cobra BigQuery por almacenamiento y por procesamiento de consultas, con un nivel gratuito mensual, y el streaming se factura además por volumen enviado. También es posible exportar al entorno de pruebas de BigQuery sin coste, con las limitaciones de ese entorno.

SELECT
  event_date,
  event_name,
  COUNT(*) AS event_count
FROM
  `bigquery-public-data.ga4_obfuscated_sample_ecommerce.events_*`
WHERE
  event_name IN ('page_view', 'session_start', 'purchase')
  AND _TABLE_SUFFIX BETWEEN '20201201' AND '20201202'
GROUP BY 1, 2;

La exportación resuelve cuatro cosas que la interfaz no resuelve. La primera es la agregación: los informes muestran valores ya condensados y, cuando una dimensión tiene demasiados valores distintos, agrupan la cola bajo una fila llamada (other). En BigQuery esa cola sigue estando ahí, fila por fila. La segunda es la atribución: si quieres tu propio modelo, tu propia ventana o tu propia definición de sesión, necesitas los eventos originales y no una métrica ya atribuida.

La tercera es el cruce. El identificador de pedido que viaja en el evento de compra se puede unir con la tabla de pedidos del sistema de gestión, y entonces la conversación deja de ser sobre transacciones y pasa a ser sobre pedidos cobrados, devoluciones y margen. La cuarta es la conservación: los datos en bruto quedan en tu proyecto, con tu política de retención, no con la de la interfaz.

Conviene decir también lo que no hace. No trae datos anteriores a la fecha del enlace, y no existe relleno retroactivo. Tampoco reproduce las métricas modeladas de la interfaz, así que una cifra de BigQuery y otra de Analytics pueden diferir sin que ninguna esté mal. Y no sustituye al seguimiento diario: para mirar una tendencia rápida, la interfaz sigue siendo la vía más barata.

• Activa la exportación al crear la propiedad, aunque todavía no vayas a consultarla, porque los datos anteriores al enlace no se recuperan.
• Activa la exportación diaria y la de streaming a la vez si necesitas el día en curso, y usa cada tabla para lo que sirve.
• Vigila el volumen diario de eventos si la propiedad es estándar y reduce los eventos superfluos antes de acercarte al tope de la exportación por lotes.
• Filtra siempre por sufijo de tabla o por partición de fecha, para no escanear años enteros en cada consulta.
• Vuelve a consultar los tres últimos días antes de dar una cifra por definitiva, porque las tablas diarias siguen recibiendo eventos tardíos.
• Guarda las consultas en un repositorio con control de versiones y documenta qué definición de métrica implementa cada una.

• Esperar que el enlace traiga el histórico anterior a su activación, y descubrirlo cuando ya hace falta el dato.
• Comparar sin más una cifra de BigQuery con la de la interfaz y llamarlo error, cuando la diferencia procede del modelado, de la atribución o de la definición de sesión.
• Ignorar el aviso por correo del límite y enterarse semanas después de que la exportación diaria está pausada y de que esos días no se recuperan.
• Tratar las tablas intradía como definitivas, cuando se borran al cerrar el día y no incluyen todos los campos.
• Lanzar consultas sin filtro de fecha sobre todo el conjunto de datos y descubrir el coste de procesamiento a final de mes.