Cómo crear un data warehouse con BigQuery para tu PyME

Qué vas a lograr

Un data warehouse en BigQuery donde conviven datos de GA4, Google Ads, Meta Ads y tu CRM o Shopify. Podrás responder preguntas como: ¿cuál canal tiene mejor ROAS real? ¿qué clientes tienen mayor LTV? ¿qué campaña genera clientes que regresan? Con SQL estándar o conectado a Looker Studio.

Costo real: BigQuery sandbox es gratuito (10 GB storage + 1 TB queries/mes). Para PyME típica el costo rara vez supera $20 USD/mes. GA4 a BigQuery es completamente gratuito.

Requisitos previos

• Cuenta Google Cloud Platform en cloud.google.com con tarjeta de crédito (no se cobra sin superar free tier)
• GA4 configurado y funcionando
• Conocimiento básico de SQL: SELECT, WHERE, JOIN
• Para más fuentes: cuenta Fivetran (plan gratuito con conectores limitados) o Airbyte (open source gratuito)

Paso 1 — Configurar proyecto GCP y BigQuery

1. console.cloud.google.com → Create Project → nombre: analytics-mi-empresa
2. Menú lateral: BigQuery → habilitar la API
3. Crea un Dataset: BigQuery → tu proyecto → Create Dataset
   - Dataset ID: marketing_data
   - Location: us-central1 (más económico y compatible con GA4)
   - Default table expiration: None
4. Activa facturación: GCP → Billing → Link a billing account

Paso 2 — Conectar GA4 a BigQuery (gratis)

1. GA4 Admin → Property Settings → BigQuery Linking
2. Click Link → selecciona tu proyecto GCP
3. Selecciona Dataset de BigQuery
4. Tipo de export: Daily (recomendado)
5. Dentro de 24 horas aparece tabla events_YYYYMMDD en tu Dataset

Paso 3 — Conectar Google Ads y Meta Ads

Google Ads via Fivetran:

1. Fivetran tiene conector gratuito de Google Ads con 5,000 rows/mes
2. Fivetran → Add Connector → Google Ads → autorizar → seleccionar métricas → Dataset destino en BigQuery

Meta Ads via Fivetran o Make:

1. Fivetran conector de Meta Ads (plan gratuito incluye)
2. Alternativamente: Make descarga reporte de Meta Ads cada noche e inserta en BigQuery via API

Paso 4 — Crear vistas SQL unificadas

1. En BigQuery Query Editor, crea vistas que unifican datos de todas las fuentes
2. Ejemplo de vista de performance por canal:

CREATE OR REPLACE VIEW marketing_data.channel_performance AS
SELECT
  date,
  channel,
  SUM(sessions) as sessions,
  SUM(conversions) as conversions,
  SUM(cost) as cost,
  SAFE_DIVIDE(SUM(cost), SUM(conversions)) as cpa
FROM marketing_data.unified_traffic
GROUP BY date, channel;

3. Conecta Looker Studio al Dataset de BigQuery para visualización de dashboards

Verificación y troubleshooting

• Tabla GA4 no aparece: esperar 24 horas después de hacer el link
• Error de costos inesperados: activar Budget Alerts en GCP Billing a $5, $10, $20 USD
• Queries lentas: usar particionamiento por fecha en tablas grandes de GA4

Próximos pasos y optimización

• dbt: para transformaciones SQL más complejas y documentadas, es gratuito y open source
• Alertas automáticas: Scheduled Queries en BigQuery → resultados a Google Sheets → Apps Script alerta si métricas caen
• ML en BigQuery: BQML permite entrenar modelos de predicción directamente con SQL

En Weblindrome ofrecemos Análisis de datos para ayudarte con esta y otras implementaciones. Solicita una cotización personalizada.