Integracja BigQuery i Google Analytics 4: po co to robić i co daje biznesowi w 2026 roku

Integracja BigQuery i Google Analytics 4 to natywny, bezpłatny eksport „surowych” danych o każdym zdarzeniu z GA4 do chmurowej hurtowni danych Google BigQuery. Połączenie znosi największe ograniczenia interfejsu GA4: próbkowanie danych, agregację i 14-miesięczny limit przechowywania. W 2026 roku to już nie „funkcja dla enterprise”, lecz podstawowy krok dla biznesu, który chce być właścicielem własnych danych, łączyć je z CRM i budować analitykę opartą na AI. Wyjaśniamy, co daje integracja, ile kosztuje i jak ją skonfigurować w około 10 minut.

Czym jest BigQuery i po co łączyć go z GA4

Google BigQuery to chmurowa hurtownia danych (data warehouse) od Google Cloud, która pozwala przechowywać i analizować ogromne zbiory danych za pomocą zapytań SQL. Integracja BigQuery i GA4 to wbudowany mechanizm eksportu: Google Analytics 4 codziennie (lub ciągle, strumieniowo) przesyła do BigQuery pełne, niezagregowane dane o każdym zdarzeniu — odsłonach stron, kliknięciach, zakupach, parametrach użytkowników i ruchu.

Kluczowa różnica względem interfejsu GA4: w raportach widzisz już przetworzone i zagregowane liczby, a w BigQuery otrzymujesz „surowe” wiersze na poziomie pojedynczych zdarzeń. Historycznie taki eksport był dostępny wyłącznie dla klientów płatnej wersji Google Analytics 360, ale w GA4 Google udostępnił go wszystkim za darmo — i właśnie dlatego to połączenie stało się faktycznym standardem poważnej analityki internetowej.

Co integracja daje biznesowi w 2026 roku

W skrócie — pełną kontrolę nad własnymi danymi. Oto cztery praktyczne korzyści, dla których firmy konfigurują eksport.

1. Dane bez próbkowania i progów. W złożonych raportach (Eksploracje) GA4 stosuje próbkowanie danych, a progi prywatności ukrywają część wierszy. Do BigQuery trafia 100% zebranych zdarzeń — każde zapytanie działa na pełnym zbiorze danych.
2. Przechowywanie danych bez limitu 14 miesięcy. GA4 przechowuje szczegółowe dane zdarzeń maksymalnie 14 miesięcy (domyślnie — 2). W BigQuery dane leżą tak długo, jak potrzebujesz — możesz porównywać rok do roku i budować długie analizy kohortowe.
3. Łączenie z CRM i innymi źródłami. Jednym zapytaniem SQL można połączyć zachowanie użytkownika na stronie z danymi CRM, call trackingu, ERP czy kont reklamowych — i policzyć realne LTV, a nie tylko „konwersje z ostatniego kliknięcia”.
4. Fundament pod AI i uczenie maszynowe. BigQuery ML i modele Gemini w Google Cloud działają bezpośrednio na tabelach eksportu: prognoza churnu, skłonność do zakupu, segmentacja RFM — bez wynoszenia danych do zewnętrznych systemów.

Osobny argument właśnie na 2026 rok: coraz więcej decyzji w marketingu podejmują agenci AI i strategie automatyczne. Potrzebują one czystych, pełnych danych, a nie agregatów z interfejsu. Firmy, które już zgromadziły historię w BigQuery, zyskują przewagę — modelu nie da się wytrenować na danych, których nie zapisano.

Ile kosztuje eksport GA4 do BigQuery

Sam eksport po stronie Google Analytics jest bezpłatny dla wszystkich standardowych usług GA4. Płaci się wyłącznie za zasoby Google Cloud, przy czym obowiązuje stały bezpłatny poziom: 10 GiB przestrzeni i 1 TiB przetwarzania zapytań miesięcznie. Dla większości małych i średnich witryn to wystarcza — w praktyce integracja działa za 0 zł.

• Eksport codzienny (Daily) — bezpłatny, limit 1 mln zdarzeń na dobę dla standardowych usług.
• Eksport strumieniowy (Streaming) — bez limitu zdarzeń, ale z opłatą około 0,05 USD za GB przesłanych danych; wymaga konta rozliczeniowego Google Cloud.
• Eksport danych użytkowników (User data) — codzienne tabele z atrybutami użytkowników, bezpłatnie.

Jak skonfigurować integrację: krok po kroku

Do konfiguracji potrzebujesz roli edytora w usłudze GA4 oraz projektu w Google Cloud z włączonym BigQuery API (tworzy się go w kilka minut w Google Cloud Console).

1. Otwórz GA4 → Administrator → sekcję „Połączenia z innymi usługami”.
2. Wybierz „Połączenia z BigQuery” i kliknij „Połącz”.
3. Wskaż projekt Google Cloud i region przechowywania danych (dla europejskiego biznesu naturalnym wyborem jest region UE).
4. Skonfiguruj strumienie danych i zdarzenia: które strumienie eksportować i które zdarzenia wykluczyć.
5. Wybierz typ eksportu: codzienny, strumieniowy lub oba; w razie potrzeby włącz eksport danych użytkowników.
6. Zatwierdź ustawienia — pierwsze tabele pojawią się w BigQuery w ciągu 24 godzin.

Na zrzucie ekranu poniżej — sekcja „Połączenia z innymi usługami” w panelu administracyjnym GA4. Zebrane są tu wszystkie dostępne integracje usługi: Google Ads, AdSense, Ad Manager, Merchant Center, Search Console i inne. Nas interesuje pozycja „Połączenia z BigQuery” — właśnie od niej zaczyna się konfiguracja eksportu.

Drugi zrzut ekranu to ekran konfiguracji samego połączenia BigQuery dla usługi GA4. W bloku „Strumienie danych i zdarzenia” widać szacowany dobowy wolumen eksportu względem limitu 1 mln zdarzeń oraz liczbę wybranych strumieni (tutaj — 1 z 1, bez wykluczonych zdarzeń). Niżej — blok „Typ eksportu” z włączonymi opcjami „Codziennie” i „Strumieniowo”, a także osobny blok „Dane użytkowników” z codziennym eksportem atrybutów użytkowników.

Jak wyglądają dane: struktura eksportu i pierwsze zapytanie SQL

Po aktywacji GA4 tworzy w BigQuery zbiór danych analytics_<property_id>. Eksport codzienny buduje tabele w formacie events_YYYYMMDD (po jednej na dzień), a strumieniowy — tabelę events_intraday_YYYYMMDD ze zdarzeniami bieżącej doby. Każdy wiersz to jedno zdarzenie z zagnieżdżonymi parametrami event_params i właściwościami użytkownika user_properties.

Prosty przykład: policzyć liczbę zakupów i przychód z ostatnich 7 dni bezpośrednio z „surowych” danych.

SELECT
  event_date,
  COUNT(*) AS purchases,
  SUM(ecommerce.purchase_revenue) AS revenue
FROM `my-project.analytics_123456789.events_*`
WHERE _TABLE_SUFFIX BETWEEN
      FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE(), INTERVAL 7 DAY))
      AND FORMAT_DATE('%Y%m%d', CURRENT_DATE())
  AND event_name = 'purchase'
GROUP BY event_date
ORDER BY event_date;

Te same tabele można następnie podłączyć do Looker Studio, Power BI czy dowolnego systemu BI — i budować raporty bez ograniczeń interfejsu GA4, w tym własny model atrybucji źródeł i kanałów ruchu.

Ograniczenia, o których warto wiedzieć z wyprzedzeniem

• Historia nie eksportuje się wstecz. Eksport zaczyna się w dniu aktywacji połączenia — dane z wcześniejszych okresów nie trafią do BigQuery. To główny powód, by skonfigurować integrację jak najwcześniej, nawet jeśli analizę danych zaczniesz później.
• Limit 1 mln zdarzeń na dobę dla eksportu codziennego w standardowych usługach: przy systematycznym przekraczaniu Google może wstrzymać eksport. Rozwiązania — wykluczenie zdarzeń technicznych, przejście na eksport strumieniowy lub na GA 360.
• Eksport strumieniowy nie gwarantuje kompletności danych — Google wprost ostrzega o tym w ustawieniach; do raportowania „pod rozliczenie” używaj tabel dziennych.
• Potrzebne są umiejętności SQL. Bez analityka lub agencji dane pozostaną „surowe” — wartość tworzą zapytania i modele zbudowane na ich podstawie.

Komu integracja jest potrzebna już teraz

• E-commerce — dokładne liczenie przychodu, pełny lejek i kohorty kupujących bez próbkowania.
• Firmy z CRM i działem sprzedaży — łączenie zachowań online z realnymi transakcjami i liczenie LTV.
• Projekty z dużym ruchem — to one najczęściej trafiają na próbkowanie i progi GA4.
• Zespoły wdrażające analitykę AI — BigQuery staje się jednym magazynem danych dla modeli i agentów.

Najczęstsze pytania (FAQ)

Czym jest integracja BigQuery i GA4?

To wbudowany mechanizm Google Analytics 4, który automatycznie eksportuje pełne, niezagregowane dane o każdym zdarzeniu (odsłony, kliknięcia, zakupy) do chmurowej hurtowni danych Google BigQuery — codziennie lub ciągle w trybie strumieniowym.

Ile kosztuje eksport GA4 do BigQuery?

Sam eksport jest bezpłatny dla wszystkich standardowych usług GA4. Płaci się tylko za zasoby Google Cloud ponad bezpłatny poziom — 10 GiB przestrzeni i 1 TiB zapytań miesięcznie. Eksport strumieniowy kosztuje dodatkowo około 0,05 USD za GB.

Czy do BigQuery trafią historyczne dane GA4?

Nie. Eksport zaczyna się od momentu aktywacji połączenia — danych z wcześniejszych okresów w BigQuery nie będzie. Dlatego integrację warto włączyć jak najwcześniej.

Jaki jest limit bezpłatnego eksportu codziennego?

1 milion zdarzeń na dobę dla standardowej usługi GA4. Przy systematycznym przekraczaniu limitu eksport może zostać wstrzymany. Eksport strumieniowy nie ma limitu zdarzeń.

Czym dane w BigQuery różnią się od raportów GA4?

W raportach GA4 dane są zagregowane, mogą być próbkowane i ukrywane przez progi prywatności. BigQuery przechowuje „surowe” wiersze na poziomie każdego zdarzenia — bez próbkowania, ze wszystkimi parametrami, dostępne przez SQL.

Czy do konfiguracji integracji potrzebny jest programista?

Nie — sama integracja zajmuje 10–15 minut w interfejsie GA4 i Google Cloud Console. Do analizy danych przydadzą się jednak umiejętności SQL albo pomoc analityka lub agencji.

Eksport codzienny czy strumieniowy — co wybrać?

Dla większości firm wystarczy codzienny — jest bezpłatny i kompletny. Strumieniowy jest potrzebny, gdy dane muszą być dostępne w ciągu minut: dashboardy real-time, wysyłki triggerowe, antyfraud. Oba tryby można włączyć jednocześnie.

Integracja BigQuery i GA4 to przypadek, w którym 15 minut konfiguracji dzisiaj decyduje o tym, jakie dane będziesz mieć za rok. Jeśli potrzebujesz poprawnie skonfigurować eksport, zbudować raporty na BigQuery albo połączyć analitykę internetową z CRM — zespół Spilno Agency zrobi to kompleksowo.