BigQuery es el almacén de datos de Google Cloud. Cargas tablas, las consultas en SQL y pagas por los bytes que lee cada consulta. Para alguien que compra medios, es el único sitio donde Google Ads, GA4 y tu CRM caben dentro de la misma consulta.
Eso es lo fácil de decir. La pregunta de verdad es si tu cuenta tiene algo que hacer ahí, y la mayoría de las que miro todavía no.
Un almacén, no otro panel de control
Tu interfaz de Google Ads responde a las preguntas para las que fue construida. El coste por campaña, las conversiones por dispositivo, los términos de búsqueda de las últimas semanas. Son informes preparados: alguien decidió de antemano qué filas querrías ver y hasta dónde podrías bajar.
Piensa en el cuadro de mandos de tu coche y en la toma de diagnóstico bajo el volante. Mismo coche, mismos sensores. El cuadro muestra seis cifras elegidas para ti. La toma da todos los valores que el coche registra, al ritmo al que los registra, incluidos los que ninguna aguja enseña. Nadie conecta una máquina de diagnóstico para mirar el nivel de gasolina.
BigQuery es esa toma. Es un servicio dentro de Google Cloud, no Google Cloud en sí: abres un proyecto Cloud y BigQuery es lo que activas dentro.
La estructura cabe en tres niveles:
- El proyecto: el contenedor de facturación y de accesos. Todo vive dentro de uno.
- El dataset: una carpeta dentro de ese proyecto, ligada a una región que eliges una vez.
- La tabla: las filas en sí, una por evento, por clic, por pedido.
El lenguaje es SQL, el mismo de casi todas las bases de datos. Cuenta más de lo que parece: tu equipo técnico ya sabe leer tus datos publicitarios, y no estás aprendiendo una herramienta que no existe en ningún otro sitio.
Para qué sirve de verdad en una cuenta publicitaria
Cuatro usos vuelven en casi todas las cuentas que acaban necesitándolo.
- Cruzar fuentes. La inversión por un lado, los negocios cerrados por otro, unidos por un identificador de clic o de pedido. Ninguna interfaz lo hace, porque ninguna interfaz posee los dos lados.
- Guardar el histórico. Las plataformas guardan lo que guardan. Un almacén guarda lo que tú decides, mientras pagues el almacenamiento.
- Leer la fila en bruto. GA4 agrega en sus informes. La exportación contiene el evento tal como se recibió, con sus parámetros, antes de cualquier agrupación.
- Alimentar un panel que no se cae. Looker Studio conectado en directo a una API se vuelve lento y choca con las cuotas. Sobre una tabla, lee.
Una cifra para que el volumen se vea. Saqué los términos de búsqueda de las catorce cuentas que gestiono en treinta días: 47.463 filas. Una sola cuenta se lleva 32.895, casi siete de cada diez, y tres cuentas no devuelven nada porque no tienen tráfico de Search. Esa diferencia es justo el tema. La misma funcionalidad puede no venir a cuento en once cuentas y ser estructural en una.
Cómo entran los datos
Te vas a cruzar con tres puertas, y no están abiertas igual.
GA4 tiene una exportación nativa. Vinculas la propiedad a un proyecto Cloud y los eventos empiezan a aterrizar en una tabla diaria. El centro de ayuda de Analytics es claro sobre lo que recibes: el dato de evento en bruto, sin muestreo, una vez al día, con una opción de streaming que corre de forma continua. Las propiedades estándar tienen un tope de un millón de eventos al día para la exportación diaria, y una propiedad que lo supera de forma repetida ve esa exportación en pausa. Conviene saberlo antes de una temporada fuerte, no durante.
Google Ads tiene un servicio de transferencia. El BigQuery Data Transfer Service va a buscar tus informes según una planificación, como mucho una vez cada 24 horas, con una ventana de actualización de siete días por defecto y treinta como máximo. Puedes escribir tus propios informes en GAQL, con un detalle que cuesta una tarde cuando lo descubres tarde: los informes personalizados de ese conector no aceptan ni WHERE, ni ORDER BY, ni LIMIT, ni PARAMETERS. Filtras después de cargar, no antes.
Tu CRM entra por la ruta que tenga. Un fichero programado, un conector, un script. Suele ser la parte que tarda semanas, y no tiene nada que ver con BigQuery.
Un detalle decide más presupuestos de lo que debería: en la página de precios, la orquestación de la transferencia figura sin coste para las fuentes de Alphabet, lo que cubre Google Ads, GA4, Merchant Center, Search Ads 360, Display & Video 360 y Campaign Manager. Facebook Ads está en la lista de pago, facturado por consumo. Si tu reporting se apoya en Meta, la parte gratuita de esta historia es más pequeña de lo que sugería la demo.
Lo que cuesta, y lo que cuesta de verdad
Corren dos contadores. El almacenamiento, facturado por gibibyte al mes. El cálculo, facturado sobre los bytes que leen tus consultas, no sobre las filas que devuelven.
El nivel gratuito cubre más de lo que imagina la mayoría de anunciantes: el primer tebibyte de datos procesados cada mes es gratis, y los diez primeros gibibytes de almacenamiento activo también. Un año de informes de Google Ads de una cuenta mediana cabe ahí sin apretar.
Lo que significa que la factura casi nunca viene de lo que guardas. Viene de cómo preguntas. Un SELECT * sobre una tabla ancha lee todas las columnas que no necesitabas, en cada ejecución, y un panel que la refresca cincuenta veces al día multiplica eso por cincuenta. Nombra tus columnas, filtra por la fecha de partición, y el mismo trabajo cuesta una fracción.
La regla que me quedaría: el almacenamiento es barato, lo que pagas son tus preguntas.
Empezar sin tarjeta bancaria
El entorno de pruebas de BigQuery te deja cargar tablas y lanzar consultas sin ninguna cuenta de facturación vinculada. Mismos límites gratuitos que arriba, y es la forma honesta de averiguar si tienes un caso de uso real antes de que nadie firme nada.
Lee sus límites antes de construir encima, porque dos de ellos muerden. Las tablas, las vistas y las particiones caducan automáticamente a los 60 días, y ese entorno no admite ni el Data Transfer Service, ni el streaming, ni las instrucciones DML. Sirve para probar una consulta sobre una exportación de GA4. No es donde montas tu pipeline de Google Ads.
Si quieres un primer gesto útil que no cuesta nada y lleva diez minutos: vincula tu propiedad de GA4 a un proyecto Cloud y activa la exportación diaria. El dato empieza a circular en las 24 horas siguientes al enlace, y cada día trae el fichero del día anterior. El histórico que no recoges hoy es el que te faltará dentro de ocho meses.
Lo que sorprende: los modelos viven dentro
BigQuery ML te deja crear y ejecutar modelos de machine learning con el mismo SQL de tus consultas, y el modelo se guarda en tu dataset, al lado de tus tablas. Nada sale del almacén, y nadie tiene que construir un pipeline hacia una herramienta aparte.
Para un anunciante, eso abre una puerta que estaba cerrada sin equipo de datos: puntuar los leads que se parecen a los que firmaron, proyectar una curva de estacionalidad sobre tu propio histórico, agrupar clientes por comportamiento antes de construir una audiencia. Aquí mantendría las expectativas tranquilas. Un modelo levantado sobre un conjunto de datos flaco y mal medido produce disparates muy seguros de sí mismos, y las cuentas con más ganas de esto suelen ser aquellas cuyo dato de conversión no está listo.
Los límites que la demo no enseña
Nada de esto es motivo para descartar BigQuery. Es motivo para saber a qué te comprometes.
- Ayer, no ahora. La exportación diaria llega a media tarde con el día anterior. Para todo lo que sea tiempo real, te quedas en la interfaz de la plataforma.
- El techo del millón de eventos. Las propiedades GA4 estándar ven parar su exportación diaria si lo superan de forma repetida. Los sitios con mucho tráfico lo tocan y se enteran cuando falta una tabla.
- Alguien tiene que escribir el SQL. El almacén responde preguntas, no tiene ninguna propia. Una cuenta sin nadie que lo consulte consigue una habitación vacía muy bien ordenada.
- Mide, no actúa. Nada de lo que calculas en BigQuery llega a tus campañas mientras no lo devuelvas, y eso es otro proyecto. Escribí sobre la versión que Google abrió este año, donde Google Ads lee una tabla de BigQuery para alimentar una acción de conversión, y sus condiciones de entrada son estrictas.
Cuándo no lo necesitas
Tomo la posición que las páginas de fabricantes evitan: si tu pregunta cabe en un informe, gana el informe. Es más rápido, es gratis y ya lo tienes delante.
BigQuery empieza a tener sentido cuando una de estas frases es verdad en tu casa:
- Necesitas la inversión y la facturación en la misma fila, y la facturación vive en un sistema que Google no ve nunca.
- Necesitas un histórico que va más allá de lo que la plataforma conserva por ti.
- Ya exportas a hojas de cálculo que se rompen, se congelan o hay que repegar a mano cada mes.
- Alguien de tu lado sabe escribir SQL, o estás dispuesto a pagar esa competencia.
Ninguna de las cuatro? Entonces la respuesta honesta es que tu problema de reporting no es un problema de almacenamiento, y un almacén no arreglará una acción de conversión que nunca se montó bien. Eso es trabajo de medición y Google Tag Manager, y va antes.
Tres preguntas que salen siempre
BigQuery es una base de datos SQL? Se consulta en SQL, pero es un almacén pensado para el análisis, no una base de datos de aplicación. Consultas grandes volúmenes rápido; no lo usas para servir tu web.
Es lo mismo que Snowflake? Mismo oficio, economía distinta. Los dos guardan tus filas y responden en SQL. BigQuery factura los bytes que leen tus consultas y no pide ningún clúster que dimensionar; Snowflake factura el cómputo que dejas encendido. Para un anunciante ya dentro del ecosistema de Google, lo que decide rara vez es el motor: es que GA4 y Google Ads se vuelcan de forma nativa en BigQuery, y en el resto a través de un conector que mantienes tú.
Cuánto cuesta al mes? Para una sola cuenta publicitaria que exporta Google Ads y GA4, el almacenamiento se queda mucho tiempo dentro de los diez gibibytes gratuitos, y las consultas dentro del tebibyte gratuito mientras un panel no se refresque de cualquier manera. La factura crece con el número de personas que consultan, no con el número de campañas que tienes en marcha.
Antes de abrir un proyecto Cloud, el gesto útil es mirar qué registran de verdad tus conversiones, fila por fila. Es justo el arbitraje que hago en una auditoría de cuenta antes de tocar nada en una cuenta de Google Ads.
