BigQuery en experimentación digital: ¿podré aprovecharlo?

Utilizar BigQuery en experimentación digital puede aportar multitud de beneficios a tus acciones de Growth. No obstante, hay que tener en cuenta una serie de factores para sacarle el máximo partido a la analítica digital.

¿Qué es BigQuery?

Se trata de un servicio de Google Cloud que ofrece un «almacén de datos empresarial completamente administrado que te ayuda a administrar y analizar tus datos con funciones integradas como el aprendizaje automático, el análisis geoespacial y la inteligencia empresarial«.

A través de él, puedes trabajar con una arquitectura sin servidores de lo más revolucionaria, ya que cambia la forma de responder preguntas clave para cualquier empresa. La gestión de infraestructura pasa a un segundo plano y se potencian las consultas SQL para tratar de solucionar los desafíos más complejos.

Gracias a un motor de análisis distribuido y escalable, BigQuery te permite obtener respuestas en cuestión de segundos si trabaja con terabytes de datos, y en minutos si el tratamiento es de petabytes.

¿Cómo sé si mi empresa es apta para la implementación de Big Query?

Hay situaciones concretas que maximizan el uso de BigQuery en experimentación digital y hacen que su uso tenga más sentido, principalmente porque nos ayuda a analizar un mayor volumen de datos de manera más ágil.

Estas son las condiciones que se deberían dar:

• Tener un mínimo de visitas. Según la propiedad que tenga, habrá una diferenciación: 10 millones de eventos para GA4 y 1.000 millones en GA360
• Samplear los datos en los informes de exploración relevantes
• Exceder los límites de los tokens para la llamada a la API de GA4 con Looker Studio, por lo que en los reportes se dejan de ver los datos
• Ocultar determinada información, la cual sea sensible, a determinados departamentos. Esto a no ser que se tenga GA4 360 no se puede hacer
• Tener que acceder al dato en el mismo día. No es 100% real time, pero es más rápido via BigQuery Streaming

4 cosas a tener en cuenta antes de implementar BigQuery

En el canal online, estamos acostumbrados a ver ligeras discrepancias entre resultados según sea la fuente de datos.

Al respecto de esta situación, tenemos que saber que los datos de BigQuery a menudo no coinciden con los datos de GA4, ya que se pierden algunos de los valores de interpretación que GA4 aplica una capa de análisis.

Es decir:

1. Todos los cálculos en GA4 se realizan usando como referencia los Usuarios Activos, no Usuarios
2. Los métodos de identificación de usuarios también se ven afectados (en BigQuery son algo menos precisos)
3. Se pierde el modelo de atribución Data Driven. Hay que diseñar un modelo de atribución dentro de Big Query, debido a esto todos los cálculos que impliquen esta atribución se verán afectados.
4. Existen diferencias a la hora de estimar la cardinalidad de métricas y dimensiones. Además, pueden haber algunas variaciones importantes visibilizando en BigQuery nuevos valores que en GA4 se agrupaban en «Others»

Google Analytics 4 y BigQuery

Más allá de sentir la imperiosa necesidad de abandonar Universal Analytics y migrar a Google Analytics 4, las empresas con un alto volumen de datos y transacciones deberían explorar la conveniencia de utilizar BigQuery.

Es un plus de flexibilidad que además permite ir más allá de los análisis de datos tradicionales.

En su web, Google te cuenta todo el servicio de BigQuery: qué es, cómo empezar a usarlo, tipos de almacenamiento, análisis de datos, estadísticas y otros recursos clave de la plataforma. Si crees que ha llegado el momento de implementarlo en tu compañía, cuéntanos en detalle.