Wir haben bereits in einem unserer Artikel die Vorteile der Verwendung von BigQuery für den vollständigen Zugriff auf Ihre Daten im Vergleich zur GA4-Schnittstelle erwähnt.
In diesem Artikel möchten wir auf einen weiteren Fall eingehen, in dem BigQuery gegenüber GA4 Vorteile bietet – nämlich die Verwendung von Daten zur Erstellung von Dashboards. Es ist bekannt, dass der Zugang zu korrekten, aktuellen und verständlichen Daten einen direkten Einfluss auf die Geschwindigkeit und Qualität der Entscheidungsfindung und somit auf das Wachstum des Unternehmens hat.
In GA4 hat die Darstellung von Daten im Vergleich zu UA einen grossen Schritt nach vorne gemacht. Aber gleichzeitig sind die Möglichkeiten von Standard- und benutzerdefinierten Berichten sehr begrenzt. Hier kommt Looker Studio zur Hilfe, mit der Möglichkeit, eine direkte Verbindung mit GA4-Daten herzustellen und mit robusteren Datenvisualisierungs- und Anzeigefunktionen, wie in vollwertigen, kostenpflichtigen BI-Tools.
Vor nicht allzu langer Zeit hat Google jedoch eine Begrenzung der Anzahl der Datenabfragen über die GA4-API eingeführt. Leider ist das die einzige Möglichkeit für Looker Studio, die Daten von GA4 zu erhalten, um die Dashboards zu erstellen. In Anbetracht der Tatsache, dass die verbleibende Zeit bis zur Abschaltung von Universal Analytics nur noch wenige Monate beträgt, ist es überflüssig, Dashboards mit Daten zu erstellen, die bald ihren Nutzen verlieren werden. Daher gibt es nur eine einzige zuverlässige und leicht zu verknüpfende Datenquelle für Dashboards: BigQuery.
Selbst wenn Google uns nicht auf die eine oder andere Weise fast dazu zwingen würde, diese Quelle zu nutzen, indem Beschränkungen für die Verwendung anderer Datenquellen eingeführt wurden, würde BigQuery dennoch unsere Aufmerksamkeit verdienen. In diesem Artikel beschreiben wir die wichtigsten Varianten, BigQuery als Datenquelle für die Erstellung von Dashboards mit Looker Studio zu nutzen und geben Optimierungs-Tipps, die es Ihnen ermöglichen, nicht das gesamte Budget für ein einziges Dashboard auszugeben. Beachten Sie jedoch, dass die Kosten von BigQuery nach dem Volumen der gespeicherten und verarbeiteten Daten berechnet werden.
Um ein hochwertiges Dashboard zu erstellen, brauchen wir zunächst einmal Daten. GA4 kann täglich alle rohen und ungeprüften Daten über das Nutzerverhalten auf der Webseite zu BigQuery exportieren. Da wir den Looker Studio – BigQuery Link hier als eine fortgeschrittene Option und einen Ersatz für den Standard GA4 Bericht betrachten, werden wir die Daten für die Erstellung des Reports aus dem Standard GA4 Export nehmen.
Sobald wir uns für die Daten entschieden haben, gibt es mehrere Möglichkeiten, Looker Studio mit BigQuery zu verbinden:
- Der einfachste Weg ist in unserem Fall die direkte Verbindung mit den Tabellen mit GA4-Daten in BigQuery. Diese Daten werden in Partitionstabellen mit einer standardisierten Struktur und täglichen Partitionen gesammelt. Wir können eine Verbindung zu einer Tabelle für einen bestimmten Tag und zu allen vorhandenen Tabellen auf einmal herstellen oder zu Tabellen, die Daten für einen vordefinierten Zeitraum enthalten. Der Nachteil dieser Methode ist, dass Looker Studio bei einer solchen Verbindung alle Daten, die in dem angegebenen Zeitraum gesammelt wurden, bei BigQuery abfragt, unabhängig davon, ob wir sie für die Erstellung des Dashboards verwenden. Dies wiederum erhöht die Menge der verarbeiteten Daten und damit die Rechnungen für BigQuery, da die Daten jedes Mal angefordert werden, wenn die Benutzer das Dashboard manuell aktualisieren. Diese Methode ist optimal für die Erstellung von schnellen Dashboards auf der Grundlage einer kleinen Datenmenge oder von vorbereiteten Tabellen.
- Die zweite Möglichkeit ist die Verwendung des integrierten SQL-Editors in Looker Studio. Diese Methode ist ähnlich wie die vorherige. Der einzige Unterschied besteht darin, dass Sie die für das Plotten verwendeten Daten flexibler anpassen können. Die Menge der verarbeiteten Informationen wird jedoch nicht viel geringer sein als bei einer direkten Verbindung zu den Tabellen, da bei jeder Aktualisierung des Dashboards eine neue Anfrage an BigQuery gestartet wird.
- Die dritte Möglichkeit besteht darin, die BigQuery-Funktionalität zu nutzen, um Ansichten zu erstellen, die nur die erforderlichen Daten enthalten und Looker Studio direkt mit diesen zu verbinden. Der Unterschied hierbei ist, dass die Anfrage nicht in Looker Studio gespeichert wird sondern in BigQuery und die Daten gemäss der View-Konfiguration in BigQuery gespeichert werden. Damit können die Daten limitiert werden, die via BigQuery gezogen und verarbeitet werden.
- Der vierte Weg (unserer Meinung nach der optimalste) ist die Erstellung von Zwischentabellen in BigQuery, gefolgt von einer direkten Verbindung mit Looker Studio. In diesem Fall müssen Sie zunächst die erforderlichen Mindestdaten für die Erstellung eines Dashboards bestimmen, Zwischentabellen erstellen, die nur diese Daten enthalten und Looker Studio direkt mit ihnen verbinden.
Sie können diese Tabellen mit Hilfe von SQL-Abfragen erstellen, mit dem Unterschied, dass die Abfragen in einer vorher festgelegten Regelmässigkeit ausgeführt werden (BigQuery hat dafür sogar eine eigene Funktion für «geplante Abfragen») und nicht von der Häufigkeit der Aktualisierung der Dashboards abhängen. Bei der Aktualisierung des Dashboards wird die Abfrage an eine Zwischentabelle gesendet, die ein viel geringeres Volumen hat als die ursprünglichen Tabellen, was sich positiv auf den Betrag auswirkt, der Ihnen für die Nutzung von BigQuery berechnet wird.
Der einzige Nachteil dieser Methode ist die Schwierigkeit, Änderungen an Zwischentabellen vorzunehmen: Wenn es irgendwann notwendig wird, zusätzliche Felder hinzuzufügen, müssen alle historischen Daten in der Tabelle überschrieben werden. Dies ist jedoch selten der Fall.
- Die letzte Möglichkeit besteht darin, Zwischentabellen in BigQuery selbst zu erstellen und sie dann mit dem in Looker Studio integrierten SQL-Editor zu verbinden. Diese Methode ist häufiger redundant, da ein Teil der Datenverarbeitungslogik auf der BigQuery-Seite verbleibt und ein Teil an Looker Studio übertragen wird, was die Suche nach Fehlern im Code und die Kontrolle der Änderungen sofort erschwert. Wir empfehlen, diese Methode mit Vorsicht zu verwenden und nur dann, wenn Sie minimale Änderungen oder zusätzliche Berechnungen an bereits vorbereiteten Datentabellen vornehmen müssen und es dafür unangemessen wäre, alle historischen Daten in der BigQuery-Zwischentabelle zu überschreiben.
Wenn Ihre Dashboards auf anfänglich kleinen Tabellen aufbauen, wenn Flexibilität wichtig ist, wenn die Möglichkeit, Daten schnell zu ändern, wichtig ist und wenn die Kostenfrage nicht entscheidend ist, dann sollten Sie eine der ersten drei beschriebenen Methoden in Betracht ziehen. Bei komplexeren Konstellationen ist die Anwendung der Technik mit Zwischentabellen immer eine Option.
Auf jeden Fall ist die Kombination von BigQuery und Looker Studio im Moment die beste Lösung, wenn Sie auf vollständige und ungesampelte Daten für Ihre Webseite oder App angewiesen sind und diese Daten jederzeit und schnell in Ihrem Dashboard zur Verfügung haben möchten ohne Einschränkungen durch die GA4 Quota Limits.
