BigQuery vs Google Analytics，哪些数据更准确？

Question

作为高级Google Analytics / BigQuery客户，我们的问题是，哪些数据更准确？

我倾向于倾向于将BigQuery更准确，因为我们实际上可以看到原始数据，但我们并没有深入了解Google Analyitc用于计算其数字的方法。

我也认为很多都与SAMPLING有关。

当您计算单个网页的总浏览量之类的简单内容时，Google Analytics数字会在 .00001％中排列为BigQuery：

sum(case when regexp_match(hits.page.pagepath,r'(?i:/contact.aspx)') and hits.type = "page" then 1 else 0 end) as total_pageviews

当您为单个页面计算更复杂的内容（如“唯一身份系统浏览量”）时，Google Analytics数字 5％大于BigQuery。请注意，它最多采样100万：

count(distinct (case when regexp_match(hits.page.pagepath,r'(?i:/contact.aspx)') and hits.type = "page" then concat(fullvisitorid, string(visitid)) end), 1000000) as unique_pageviews

我很想知道其他人的想法或Google开发者自己可以解释的内容。

Answer 1

如果您是高级客户，我假设这是因为您拥有一个包含大量数据的大型网站。如果数据过多，Google AnalyticsAPI会对您的数据进行抽样。您可以尝试通过提高采样级别来防止这种情况。即使采样级别设置为高精度，您仍然可以从API获取采样数据。

检查从API返回的Json，它会告诉您数据是否正在被采样。

Big Query不会对您的数据进行采样，高级客户可以通过采样数据使用API​​，但我认为您必须与Google联系以设置该数据。

Big Queries支持的更大一点是，您不仅限于7个维度，还有10个指标，就像您使用Google AnalyticsAPI一样。

注意：我不是Google开发人员，但我是Google Analytics的Google开发人员专家。

Answer 2

我是BigQuery的忠实粉丝。我也使用过Google Analytics（分析）。所以问题是关于数据更准确的地方。

嗯，这个问题的答案总是如此：“数据更准确，越接近它的起源”。 BigQuery是Google所有数据的底层存储。这是收集，索引数据然后通过SQL接口访问的地方。

Google Analytics是一款开发时考虑了大量免费帐户的工具。为了支持免费账户，GA需要很好地扩展。为了扩展，公司通过预先聚合数据来优化存储。

所以你真的要比较两件事：预先汇总/预聚合数据（GA）和原始累积数据（BigQuery）。你信任哪个？

现在，听起来还有第二个问题：“如何从BigQuery获得准确的聚合？” BigQuery充满了ANSI不兼容的SQL，这对于即席查询很难记住。最好在BigQuery之上连接BI工具，这样就可以以一致的方式探索数据（即相同的阈值/舍入）。