≡En resumen
- BigQuery es una base de datos analítica: está pensada para consultar millones o miles de millones de filas, no para guardar los pedidos de una web en tiempo real.
- Separa almacenamiento y cómputo, así que pagas por separado lo que guardas y lo que consultas.
- Con el modelo bajo demanda pagas por bytes leídos: un SELECT * sobre una tabla grande puede costar mucho más que elegir solo las columnas necesarias.
- La exportación de GA4 a BigQuery está disponible también en las propiedades gratuitas, con un límite diario de un millón de eventos en la exportación diaria.
- El sandbox de BigQuery permite probarlo sin tarjeta de crédito, con límites de 10 GB de almacenamiento y 1 TB de consultas al mes.
01 ¿Qué es BigQuery?
Es un data warehouse, es decir, un almacén pensado para analizar datos históricos, no una base de datos transaccional como MySQL. Google lo anunció en 2010 y su motor procede de Dremel, la tecnología que Google usaba internamente para consultar billones de filas en segundos. Hoy forma parte de Google Cloud Platform y es una de sus piezas más usadas en analítica y en proyectos de big data.
02 Cómo funciona BigQuery por dentro
La clave de su velocidad está en tres decisiones de diseño que explica la documentación oficial:
Almacenamiento y cómputo separados
Los datos se guardan en una capa y las consultas se ejecutan en otra. Cada una escala sin afectar a la otra.
Formato columnar
Los datos se guardan por columnas, no por filas. Una consulta que usa 3 columnas de 100 solo lee esas 3.
Ejecución en paralelo
Cada consulta se reparte entre muchas unidades de cómputo (slots). Google habla de terabytes en segundos y petabytes en minutos.
Serverless
No hay servidores que dimensionar, parchear ni escalar: escribes SQL y Google asigna los recursos.
| Concepto | Qué es | Equivalente aproximado |
|---|---|---|
| Proyecto | Contenedor de Google Cloud con facturación y permisos | Cuenta |
| Conjunto de datos (dataset) | Grupo de tablas con una ubicación (por ejemplo, UE o Madrid) | Base de datos |
| Tabla | Datos con esquema de columnas; puede estar particionada por fecha | Tabla |
| Vista | Consulta guardada que se usa como una tabla | Vista SQL |
| Slot | Unidad de cómputo virtual que ejecuta las consultas | CPU virtual |
03 Para qué sirve BigQuery: casos de uso
Analítica web avanzada
Analizar los eventos brutos de GA4 sin muestreo ni límites de la interfaz y conservarlos todo el tiempo que quieras.
Data warehouse de marketing
Unir Google Ads, Meta, CRM, ventas y web para medir rentabilidad por canal, campaña o cliente.
Cuadros de mando
Conectar Looker Studio, Looker u otras herramientas de BI para informes que se actualizan solos.
Machine learning con SQL
BigQuery ML permite entrenar modelos de predicción, clasificación o previsión con sentencias SQL.
IA generativa
Gemini en BigQuery ayuda a generar SQL y Python, explorar datos en lenguaje natural y preparar datos.
Logs y datos geoespaciales
Analizar registros de aplicaciones o calcular distancias y zonas con funciones geográficas.
Cuando los datos de la empresa ya están ordenados en un solo sitio, el siguiente paso suele ser usarlos para automatizar decisiones o alimentar asistentes internos. Es el tipo de proyecto en el que aplicamos soluciones de inteligencia artificial para empresas: predicción de demanda, segmentación de clientes o respuestas basadas en tus propios datos.
04 Precio de BigQuery y capa gratuita
BigQuery cobra por separado el cómputo (analizar datos) y el almacenamiento (guardarlos). Para el cómputo hay dos modelos: bajo demanda, en el que pagas por los bytes que procesa cada consulta, y capacidad, en el que pagas por slots por hora mediante las ediciones Standard, Enterprise y Enterprise Plus. Estos son los precios de lista en la región de EE. UU. a septiembre de 2026:
| Concepto | Precio | Gratis cada mes |
|---|---|---|
| Consultas bajo demanda | 6,25 $ por TiB procesado | 1 TiB |
| Almacenamiento lógico activo | ≈ 0,023 $ por GiB al mes | 10 GiB |
| Almacenamiento lógico a largo plazo (sin cambios en 90 días) | ≈ 0,016 $ por GiB al mes | Incluido en los 10 GiB |
| Capacidad (ediciones) | Por slot y hora, según edición y compromiso | No aplica |
05 BigQuery y Google Analytics 4: cómo exportar tus datos
La integración más popular en marketing es la exportación de GA4 a BigQuery, disponible también en las propiedades estándar (gratuitas). Si todavía no tienes una medición fiable, empieza por configurar Google Analytics 4 con eventos y conversiones: exportar datos mal recogidos solo multiplica el problema.
-
1
Crea un proyecto en Google Cloud
Activa la API de BigQuery. Puedes empezar en modo sandbox o con facturación habilitada.
-
2
Vincula GA4
En GA4, Administrar > Vinculaciones de productos > Vinculaciones de BigQuery, elige el proyecto y la ubicación de los datos.
-
3
Elige el tipo de exportación
Diaria (datos completos del día anterior) o streaming (casi en tiempo real, con un coste adicional de 0,05 $ por GB).
-
4
Revisa los límites
En propiedades estándar, la exportación diaria tiene un límite de un millón de eventos al día; puedes excluir eventos si te acercas.
-
5
Consulta las tablas events_
GA4 crea una tabla por día (events_AAAAMMDD) con una fila por evento y sus parámetros anidados.
Google publica un conjunto de datos de ejemplo de GA4 de una tienda online. Esta consulta cuenta las páginas vistas por día:
SELECT event_date, COUNT(*) AS paginas_vistas FROM `bigquery-public-data.ga4_obfuscated_sample_ecommerce.events_*` WHERE event_name = 'page_view' GROUP BY event_date ORDER BY event_date;
El comodín events_* recorre todas las tablas diarias. En tus propios datos, añade un filtro por _TABLE_SUFFIX para leer solo las fechas que necesitas y pagar menos.
06 BigQuery vs una base de datos tradicional
| Criterio | BigQuery | MySQL / PostgreSQL |
|---|---|---|
| Tipo de uso | Analítico (OLAP): informes, agregados, históricos | Transaccional (OLTP): pedidos, usuarios, stock |
| Volumen cómodo | De gigabytes a petabytes | De megabytes a cientos de gigabytes |
| Infraestructura | Serverless, gestionada por Google | Servidor propio o gestionado |
| Modelo de coste | Por datos procesados o por capacidad | Por servidor, siempre encendido |
| Escrituras frecuentes fila a fila | No es su fuerte | Su punto fuerte |
Lo habitual es combinarlas: tu aplicación guarda los datos en su base de datos transaccional y, cada hora o cada día, un proceso los copia a BigQuery para analizarlos sin cargar el sistema en producción. Diseñar esa arquitectura, con sus integraciones y cuadros de mando, forma parte del desarrollo de aplicaciones web a medida.
Preguntas frecuentes sobre Google BigQuery
Es el almacén de datos serverless de Google Cloud. Permite guardar grandes volúmenes de datos y analizarlos con SQL en segundos sin administrar servidores.
Para analizar grandes volúmenes de datos: eventos de GA4, ventas, campañas, logs o datos de producto. También para crear cuadros de mando y modelos de machine learning con SQL.
Tiene capa gratuita: cada mes, 1 TiB de consultas y 10 GiB de almacenamiento. A partir de ahí, el modelo bajo demanda cuesta 6,25 $ por TiB procesado en la región de EE. UU.
Sí, se consulta con SQL (GoogleSQL), pero es un almacén analítico, no una base de datos transaccional. No está pensado para guardar pedidos o sesiones de una web en tiempo real.
Desde Administrar, Vinculaciones de productos y Vinculaciones de BigQuery en GA4, eligiendo un proyecto de Google Cloud y el tipo de exportación, diaria o streaming.
Google Cloud Platform es el conjunto de servicios en la nube de Google; BigQuery es uno de ellos, dedicado al almacenamiento y análisis de datos.
Es un modo gratuito que no pide tarjeta de crédito, con 10 GB de almacenamiento, 1 TB de consultas al mes y tablas que caducan a los 60 días.
Fuentes consultadas
Sobre el autor
Germán Gutiérrez
Development Manager en appyweb
Dirige el equipo de desarrollo de appyweb: aplicaciones web y móviles, SaaS, integraciones y arquitectura de software.
Ver perfil en LinkedIn ↗