Cuando una empresa crece, la interfaz estándar de Google Analytics 4 (GA4) se vuelve insuficiente. Te enfrentas a límites de almacenamiento, muestreo de datos y la imposibilidad de conectar los clics de la web con el comportamiento de tus clientes en el CRM (como Salesforce o HubSpot).

La solución es exportar los datos en bruto a BigQuery y procesarlos con SQL.

1. El salto a tu propio almacén de datos

Activar la conexión gratuita de GA4 a BigQuery es lo primero que hace cualquier analista serio. Los dos mundos son muy diferentes:

  • Interfaz de GA4: Datos agregados y muestreados. Estás atrapado en los reportes que Google decide mostrarte.
  • BigQuery: Tienes cada evento individual registrado en una fila, sin muestrear. El dato es 100% de tu propiedad y puedes consultarlo con SQL sin límites.

2. La estructura del dato en GA4 (Nested Data)

En BigQuery, los datos de GA4 no vienen en una tabla plana convencional de columnas. Vienen anidados (nested). Un solo evento (fila) contiene listas (arrays) de parámetros dentro de sí mismo.

Para leer un valor numérico como el precio de compra o el ID de transacción, tienes que desanidar ese array utilizando la función UNNEST de SQL.

3. Interactúa: Simulador de Desanidado SQL (UNNEST)

Haz clic en el parámetro del JSON (izquierda) que quieres extraer de GA4 y observa cómo se construye la consulta SQL a BigQuery (derecha) y cómo se aplana en la tabla de salida.

Dato Crudo en BigQuery (JSON)

{
  "event_name": "purchase",
  "event_params": [
    { "key": "page_title", "value": "Checkout" },
    { "key": "value", "value": 99.90 },
    { "key": "campaign", "value": "summer_sale" }
  ]
}

Consulta SQL Generada

SELECT 
  event_name,
  (SELECT value.double_value FROM UNNEST(event_params) WHERE key = 'value') AS valor
FROM `tabla_events`

Tabla Plana de Salida

event_name valor
purchase 99.90

4. Dataform y dbt: Tu Fuente de Verdad

En lugar de escribir complejas consultas SQL a mano cada vez que necesitas actualizar tus informes, los analistas avanzados utilizan herramientas como Dataform o dbt.

Estas herramientas permiten programar la limpieza de datos en bruto y consolidarlos en tablas resumidas (“data marts”) de manera automática cada mañana. De esta manera, tu herramienta de visualización (como Looker Studio o Power BI) se conectará a datos ya modelados y limpios, asegurando reportes rápidos y consistentes.