BigQuery est un entrepôt de données et d'analyse sur Google Cloud. Vous découvrez ici les avantages de l'exportation de données vers BigQuery ainsi que les cas d'utilisation.
Qu’est-ce que BigQuery ?
BigQuery est un entrepôt de données d’analyse Google Cloud conçu pour aider les entreprises à transformer leur big data en activation business. BigQuery permet de stocker des ensembles de données volumineux et lancer des requêtes SQL ultra-rapides grâce à la puissance de calcul de Google.
Pourquoi exporter les données vers BigQuery ?
- ✅ Devenir propriétaire de ses données pour les traiter et les affiner afin de réaliser des analyses plus pertinentes.
- ✅ Éviter de perdre les données des utilisateurs inactifs pendant plus de 2 à 14 mois, alors que GA4 les supprimera.
- ✅ Éviter les problèmes de cardinalité rencontrés dans l’interface de GA4 ou par la data API (ex : connecteur natif Looker Studio par exemple)
- ✅ Ne pas être limité par l’interface de GA4 ou par la data API avec lesquels vous rencontrerez toujours des problèmes de seuil.
- ✅ Stocker et joindre d'autres sources de données, telles que des données publicitaires, des données hors ligne et des données CRM pour effectuer des requêtes joignant plusieurs data sets.
- ✅ Avoir accès aux données brutes de GA4 ou des plateformes publicitaires pour réaliser des analyses plus profondes sur l'attribution et la déduplication des conversions.
- ✅ Utiliser la donnée en temps réel pour piloter ses stratégies marketing à des moments clés de l'année.
- ✅ Préprocesser les données en vue d'une analyse prédictive pour mieux prévoir la demande des consommateurs.
- ✅ Travailler rétroactivement sur les data sets GA4 ce qui n’est pas le cas avec les filtres et conversions dans GA4. Vous pouvez également filtrer ou modifier un tracking incorrect pour nettoyer et préparer la donnée.
Devenir propriétaire de vos données
En effet, la donnée présente dans l’interface n’est en réalité qu’une petite portion du potentiel d’analyse que proposent les données collectées dans Google Analytics. BigQuery permet de devenir propriétaire de ses données afin de les traiter et de les affiner pour réaliser des analyses plus pertinentes.
GA44 limite le stockage des données brutes à 14 mois.
Cela signifie que si vous souhaitez conserver vos données au-delà de cette période, vous devrez les exporter vers BigQuery ou un autre système de stockage de données.
Les exports vers BigQuery ne sont pas rétroactifs.
Seules les données collectées après l'exportation seront disponibles dans BigQuery. Il est donc important de planifier l'exportation de données en fonction de vos besoins et de vos objectifs d'analyse.
Cas d’usage d’exports de données vers BigQuery
Utiliser des données externes pour faire des analyses avancées
BigQuery étant un entrepôt de données, il y est possible de stocker d’autres sources de données telles que des données publicitaires, des données hors ligne et des données CRM pour effectuer des requêtes joignant plusieurs datasets. Le fait de lier différents types de données permettra par exemple de comparer votre chiffre d’affaires avec la marge effectuée sur une période donnée. Ces analyses peuvent ensuite être envoyées vers un outil de data visualisation (Google Data Studio) pour obtenir des rapports illustrés mêlant vos données Google Analytics et vos données externes.
Avoir une vision globale de l’attribution des conversions
Grâce à la fonctionnalité d’export de données vers BigQuery, vous avez accès aux données brutes de plateformes publicitaires et pouvez ainsi réaliser des analyses plus profondes sur l’attribution et la déduplication des conversions. Ces analyses pourront permettre d’avoir une vue consolidée de l’attribution dans un outil de data visualisation afin de prendre rapidement des décisions budgétaires sur les différentes plateformes.
Utiliser la donnée en temps réel pour ses stratégies marketing
Il ne faut que quelques secondes pour transférer le flux de données Google Analytics 4 vers BigQuery. De plus, les données sont transférées en continu (environ toutes les 15 minutes). Il est donc plus facile de piloter ses stratégies marketing à des moments clefs de l’année où chaque minute compte (comme le Black Friday par exemple).
Création d’audiences prédictives
Dans BigQuery, vous pouvez utiliser des requêtes SQL pour préprocesser les données en vue d’une analyse permettant de mieux prévoir la demande des consommateurs.
En effet, BigQuery dispose de fonctions de Machine Learning intégrées (BigQuery ML) permettant d’effectuer cette analyse. Celle-ci permettra d’augmenter votre taux de rétention des clients en captant plus efficacement et plus rapidement les signaux d’attrition (Churn Modeling) ou de conversion (Conversion Modeling), LTV etc.
Vous pouvez activer ces audiences via vos différents partenaires (CRM, Média, Paid, Social etc.)
En savoir plus
Auteur
Edouard de Joussineau
Dirigeant de Starfox Analytics. 9 ans dans le CRO & la Web Analyse. Entrepreneur et Product Manager mais également amateur de bon vin, de F1 et d’échecs.
Suivez Starfox Analytics sur Linkedin
Un besoin, une question ? Notre équipe vous répondra au plus vite.
→ Suivez Starfox sur Linkedin
Suggérer une amélioration
Quelque chose n’est pas clair, vous souhaitez contribuer à la base de connaissance ou simplement, suggérez des améliorations ? Contactez [email protected].
