Wat is BigQuery?
BigQuery is een dataopslag omgeving van Google in de cloud. Op die omgeving kan de data gevormd worden naar eigen inzicht door middel van queries. Een query is een opdracht die bepaalde data levert uit een database. Heb je bijvoorbeeld een database die bestaat uit klantgegevens en wil je de gemiddelde omzet per klant weten, dan kan je door een query heel makkelijk die gegevens eruit krijgen. De query stelt dus een vraag (bijvoorbeeld: wat is de gemiddelde omzet per klant?) aan de gehele database waar alle klantgegevens van de organisatie instaan.
Waarvoor gebruiken we BigQuery?
BigQuery kan je gebruiken voor verschillende doeleinden. Bij ons is BigQuery onmisbaar bij de vorming van dashboards in Google Looker Studio. De data uit GA4, Facebook, Instagram, LinkedIn, Snapchat en TikTok verzamelen we in BigQuery. Vervolgens selecteren via queries de specifieke data die we nodig hebben en koppelen die data aan elkaar.
Waarom gebruiken we BigQuery?
We gebruiken BigQuery om meerdere redenen. De voornaamste redenen zijn:
- BigQuery fungeert als bron voor onze dashboards in Google Lookers Studio;
- We passen machine learning toe in BigQuery om dingen te voorspellen.
Dashboards Google Looker Studio
Tot eind 2022 maakten we onze dashboards op in Google Looker Studio; voorheen Google Data Studio. De bron voor deze dashboards was Universal Analytics, maar door de komst van GA4 is dit veranderd. Net als Universal Analytics kan GA4 als bron fungeren voor de dashboards. Alleen heeft het een aantal beperkingen. De GA4-data laadt langzaam, de data is niet compleet en bij te veel handelingen in een dashboard ontvang je foutmeldingen. Met als gevolg dat je gedurende een uur geen statistieken meer kunt inzien.
In het najaar van 2022 hebben we GA4 gekoppeld aan BigQuery. BigQuery hebben we vervolgens gekoppeld aan Google Looker Studio. Waardoor de GA4-data nu zonder problemen is te zien in Google Looker Studio.
Machine learning
Na verloop van tijd beschik je in BigQuery over veel data die interessant is om te analyseren. Dat analyseren kan op de “ouderwetse” manier door stap voor stap door de data heen te gaan. Je kunt ook gebruiken maken van machine learning van Google. Binnen zeer korte tijd (enkele minuten) voorspelt BigQuery dan de uitkomst van een hypothese. Wil je bijvoorbeeld weten welk apparaat het meest interessant is om op te adverteren, dan kan je dat snel uitzoeken via BigQuery.
Waarom is BigQuery beter dan alternatieven?
Om de data in BigQuery te kunnen bewerken is kennis nodig van (SQL) queries. Zonder query-kennis is BigQuery geen mogelijkheid. Om toch de data in Google Looker Studio te krijgen kan dan een licentie afgenomen worden bij partijen als Supermetrics en Power My Analytics. Waarbij zij de plaats innemen van BigQuery. In een schema ziet het eruit zoals op de afbeelding.
In BigQuery kan je iedere denkbare statistiek zelf maken. Wil je bijvoorbeeld zelf een statistiek ontwikkelen voor de betrokkenheid van bezoekers, dan is dat mogelijk. Wil je conversies met terugwerkende kracht in kaart brengen? Geen probleem. Tools als Supermetrics en Power My Analytics bieden die mogelijkheid niet. Daarnaast zorgen ze ook niet voor snellere Google Looker Studio dashboards.
Welke mogelijkheden heeft BigQuery die anderen niet hebben?
Zoals al verteld in de vorige alinea kan je via alternatieve tools op BigQuery de statistieken minder goed zelf vormgeven. Daarnaast heb je via Supermetrics en Power My Analytics ook niet de mogelijkheid om machine learning toe te passen.