社区

2020年的数据表明，商业活动越来越多地转向网络，许多行业的公司离开网络就无法生存。那么在线客户越多，在线用户活动就越多，营销分析师就越需要使用数据来获得有用的见解。

在分析线上数据时，大多数人应该听说过Google Analytics，也就是谷歌的网页分析工具。以及和这个工具有关的、全世界各地的想从事营销的人，都会去考的谷歌分析证书Google Analytics Individual Qualification。同时，如果你想要用数据可视化的方法来展示营销分析和网页分析的数据时，你就可以用到Google Data Studio这一个数据可视化工具。

但是，在越来越复杂的营销分析行业，只会Google Analytics和Google Data Studio是不够的。因为，营销专家处理的数据量在不断地增长，仅仅使用销售和广告活动的信息已经不够了，营销报告应该考虑来自不同的数据源——广告服务、网站、移动应用程序、在线商店、线下商店、CRM和电话跟踪系统。同时，来自不同来源的数据结构也是不一样的。

Google Analytics和Google Data Studio没有足够的灵活和可扩展性，无法应对不断变化的需求。因而，我们需要一个能够存储大量不同来源的数据的地方，这些数据必须存储在某个地方，进行处理，而且最好是实时处理，并无限期地存储。于是，就有了Google BigQuery，这一个像SQL一样用来存储和调用数据的数据库。

今天，就让我们来学习一下，Google Analytics、Google Data Studio、Google BigQuery这三位好朋友究竟是做什么的、他们有什么联系。

Google Analytics

Google Analytics 是 Google 提供的免费网络分析工具，可以让用户聚合、过滤和可视化数据，以了解用户如何与网站互动，来帮助用户分析网站流量信息。具体来说，Google Analytics 允许用户跟踪和了解客户的行为、浏览体验、访问内容、设备信息等。

用户可以用Google Analytics提供的这些信息，去衡量营销策略的有效性、在线内容的质量、网站点击量、用户体验和网站功能等。很多时候，公司会识别和跟踪 KPI，以监控增长和转化率。所以无论用户拥有什么样的网站，用户都希望了解访问者的行为以提供更好的结果。

尽管Google Analytics很强大，但它也不是完美的，免费版的Google Analytics 的主要限制与采样和数据收集限制有关。受影响最大的是有大访问量但是却无法负担付费版Google Analytics的公司。

关于采样，免费的Google Analytics一旦请求的数据过大，Google Analytics会进行抽样，而且抽样的规则有很多，对于新手，你根本不知道什么情况就就会触发抽样。

而数据限额是指，Google Analytics有每个月1000万的请求（hits）的限制，超过限额后数据的准确度就会降低。

Data Studio

Google Data Studio是一项出色的数据可视化服务，可与Google其他产品一起用，并具有许多优势:

• 免费

• 为不同场景提供了大量的仪表板模板

• 可以将其连接到不同的数据源

Data Studio还包括许多筛选器、页面和报表级元素、计算字段、简单的共享选项及更多功能。

可以在两个级别使用这项服务:

• 基本。根据来自Google Analytics的数据创建报告

• 高级。根据不同的数据来源（内部CRM系统、广告服务成本数据）创建报告

如果需要基于一个或两个数据源建立一个直观易懂的仪表板，那么DataStudio非常适合小型公司和初创公司，但别忘了该服务是为数据可视化而设计的。它的缺点是缺乏对Excel文件的支持（来自Excel的数据必须手动连接），自动仪表板更新速度慢，以及缺乏多数据源的复杂可视化。

Data Studio的功能对于大多数中型公司来说已经足够了，只要它们使用单一数据源。换句话说，你需要将不同来源的数据上传到同一个数据存储中进行处理，然后再上传到Data Studio中。

但对于每年广告预算超过100万美元的大公司来说，处理的数据量对于这种免费服务来说实在是太大了。为了解决这个数据难题，可以使用Google BigQuery，它使公司能够在几分钟甚至几秒钟内处理PB级（Petabyte）的数据。

Google BigQuery是什么?

不同的企业（即使他们来自同一个领域）对营销分析有不同的要求——销售渠道、购买频率、品牌推广和客户保留的方法。虽然需求各异，但是GoogleBigQuery的发展使得市场上的几乎所有的公司都可以进行大数据分析。

Google BigQuery是一个完全的无服务器数据仓库，可以对PB级数据进行安全并可扩展的分析。此外，作为Google云平台的一部分（根据Forrester Research，该服务在分析数据管理方面处于领先地位），它与Google产品都互相兼容。

Google BigQuery简单快速，大量专业人士都会使用。它还提供了现成的SQL查询集，可以从收集的数据中获得有用的见解。它的优点还有:

• 安全性和可靠性。控制对加密项目或数据集的访问，并实施身份访问管理(IAM)

• 可扩展性。根据公司的规模、性能和成本要求定制数据存储

• 成本优化。获得即用即付的定价选项和成本预测能力

• 时间价值。GoogleBigQuery轻松上手，探索数据以找到有用的见解，并更快地抓着新的商机

BigQuery有助于减轻公司管理、控制、维护和安全数据仓库基础设施的负担，这使得公司能够专注于实现业务目标。

虽然我们认为这项服务对于营销分析师来说是极好的，但它不能被称为完美无瑕的服务。Google BigQuery 限制传入请求的数量、每天更新表的次数等。为了避免不必要的例行程序和繁琐工作，建议设置自动从所有数据源导入数据。

总结

• 为了处理数据营销的复杂性，需要创建一个适合你业务的营销分析环境

• 从小事做起，但要对未来的发展有一个计划

• 云存储是一个对于要用大数据发展的企业的最佳选择

• 使用Google BigQuery之类的服务可以降低运营和材料成本，确保项目的可扩展性，并利用包括机器学习的高级功能

• 通过将你的数据负载迁移到BigQuery，你可以降低基础设施维护成本，并有时间进行创新，找到实现业务目标的深刻见解和想法。