为什么 Google BigQuery 是完美的营销数据湖

要运行高级分析，您需要使用数据。 但是，一旦您决定收集数据，您就需要决定如何存储它。 您应该选择标准数据仓库还是数据湖？ 在本文中，我们将讨论为什么将 Google BigQuery 作为数据湖是最佳选择。

数据湖是数据存储发展的下一个层次。 根据 TechTarget 的说法， “数据湖是一个存储库，它以原始格式保存大量原始数据，直到需要它为止。” 数据湖的出现是因为新技术和业务需求需要新的方法来存储和处理信息。

但是你究竟能用数据湖做什么呢？

借助数据湖，您可以从任何来源收集和存储任何原始、非结构化数据。 您不需要先定义数据的结构和模式； 您可以根据需要处理数据并在其上构建您的商业智能解决方案。

今天的客户旅程比以往任何时候都更加分散。 这些旅程中的所有数据都需要存储在某个地方，而不会有数据丢失的风险。 你永远不知道一年内需要什么样的数据。 数据湖可应对此任务。

为了更好地理解数据湖的工作原理，让我们将传统数据仓库与数据湖进行比较。

想象一下，你想建造一座带塔的城堡。 对于这项任务，您可以在两组工具之间进行选择：大小相同但颜色不同的立方体，或者包含各种形状、大小和颜色的积木的 250 块乐高积木。

您可能已经猜到，相同大小的基本立方体代表标准数据存储。 要将数据存储在数据仓库中，您必须首先将其转换为相同的格式和结构。 换句话说，您需要：

• 花时间预处理数据
• 完全用统一的立方体建造你的城堡

如果您的企业刚刚迈出第一步，那么多维数据集（普通数据存储）很有用。

但是如果你想建造一座带有炮塔、窗户、风向标和投石机的迪士尼城堡，你需要一套乐高积木（即数据湖）。 数据湖不可否认的优势在于它能够从任何地方获取原始的非结构化数据。 您可以将您拥有的所有信息放入数据湖中：来自广告服务、移动应用程序、呼叫跟踪和 CRM 系统、网站、自动售货机的数据。 然后，您可以获取您需要的数据并以您的业务需要的方式构建报告。 很诱人，不是吗？

此外，使用数据湖，您无需花时间预处理数据。 您只需在数据源和数据湖之间设置一次连接器。 然后您可以创建任何报告。 最令人兴奋的是，数据湖允许您创建具有实时更新的仪表板——这正是您即时响应指标和 KPI 的关键变化所需要的！

1. 如果您正在寻找用于将数据传输到 Google BigQuery 的便捷连接器，我们建议您使用 OWOX BI Pipeline。 它将来自 Google Analytics、广告服务、网站、线下商店、呼叫跟踪系统和 CRM 系统的数据整合到 Google BigQuery 中。

2. 如果您想基于您最喜欢的 Google 表格中的 Google BigQuery 数据构建报告，或者您想将数据从 Google 表格传输到 Google BigQuery，我们建议使用免费且方便的 OWOX BI BigQuery 报告插件。

BigQuery Reports 插件受欢迎的原因有很多：

• 它是免费、安全和可靠的
• 它不需要您将数据上传为 CSV 文件或使用付费的第三方服务
• 它仅使用 Google 的官方 API

您可以在此处找到有关此 OWOX BI 插件的更多详细信息。

现在我们已经弄清楚了数据存储和数据湖之间的区别，我们需要选择最好的变体。 市场上有许多数据湖解决方案，但对于营销而言，只有一个最佳选择——Google BigQuery。 让我们简要介绍一下 Google BigQuery 是什么以及为什么它是存储营销数据的最佳解决方案。

很难想象一个营销人员不使用 Google Ads、Google Analytics、YouTube 和其他 Google 服务。 谷歌是一个真正的营销和广告怪物。 Google BigQuery 是 Google 基础架构的一部分。 简单来说，这意味着原生集成。

Google 正在不断开发其云服务平台，包括 BigQuery。 所以你不必担心这项服务会被放弃，不再支持和更新。 Google BigQuery 的其他优势之一是简单快速，可供大量专家使用。 它还带有现成的 SQL 查询集，因此您可以从收集的数据中获得有用的见解。

我们不要忘记营销人员当前的问题：如何快速响应市场变化以及如何实时管理投标和细分自动化。 此外，我们不要忘记，您的成功很大程度上取决于您如何自动化和个性化您的营销。 Google BigQuery 与机器学习 (ML) 和人工智能 (AI) 结合使用，可帮助您通过细分受众、搜索有用的见解以及做更多事情来让您的生活更轻松来分析和自动化营销。

最重要的是，Google BigQuery 是一个完全托管的无服务器数据仓库，可以对 PB 级数据进行安全且可扩展的分析。 十多年来，Google BigQuery 一直在开发、改进并为营销人员和分析师提供方便的界面和广泛的功能。

如果您已经熟悉 BigQuery，则可以立即跳到本文的结论，或阅读其他有关设置和使用 BigQuery 的文章。 如果您仍然犹豫不决，以下是您应该尝试 BigQuery 的一些原因。

什么是 BigQuery？

BigQuery 一分钟了解

BigQuery 网页界面快速入门

使用 Cloud Console 快速入门

让我们仔细看看为什么 Google BigQuery 是当今营销人员的最佳选择。

1. 集成。 BigQuery 是 Google Cloud Platform 的一部分（根据 Forrester Research 的数据，它是分析数据管理的领导者），这意味着与其他 Google 产品（包括 Google Analytics 和 Google Ads）的原生集成。
2. 数据处理速度。 BigQuery 旨在支持对任何类型的数据进行实时分析。 您可以轻松地以任何规模使用 SQL 查询。
3. 没有服务器。 使用 BigQuery 云服务不需要您提供任何附件。 此外，无论您的员工在哪里工作，他们始终可以安全地访问数据。
4. 数据安全。 BigQuery 中的所有数据均受 Google 标准保护。
5. 成本。 所有用户每月免费获得 10 GB 的存储空间和最多 1 TB 的请求。 此外，新用户在 90 天内收到 300 美元，用于支付 Google 平台上的服务费用。 有关更多信息，请参阅 Google 的 BigQuery 定价和成本控制指南。
6. BigQuery 机器学习。 借助这项服务，专家可以直接在数据湖中构建结构化和半结构化数据的预测模型。

总而言之，Google BigQuery 是一个不断发展壮大的大型生态系统的一部分。 您可以使用它来应用机器学习并发现新出现的数据模式并测试新假设。 这将导致及时了解您的业务表现，这将使您能够修改流程以获得更好的结果。

有用的链接：

• 开始使用 Google Cloud Platform — 学习 Google Cloud Platform 基础知识的交互式教程
• Google BigQuery 主要功能概览——练习撰写营销分析请求； 查看 BigQuery 的主要功能，并通过具体示例了解它们的可能性； 学习如何编写基本查询并在演示数据上进行测试
• 连接 BigQuery 和 Google 表格 - 了解如何根据 GBQ 的数据在 Google 表格中构建任何报告或图表，而无需将数据上传为 CSV 文件或使用付费的第三方服务
• 使用 BigQuery 实现数据仓库现代化——了解实体和在线零售商如何使用 BigQuery 中的高级分析来更好地预测需求并实时优化其运营
• 使用 BigQuery ML 构建电子商务推荐系统

营销分析及其基于数据的结论和预测是任何现代企业的必需品。 它不再是富人的玩具，而是商业发展和进步的必要和有用的工具。 但是，要充分利用高级分析并从中受益，必须为其创建基础。

为了实施新工具、机器学习和各种优化广告活动的方法，企业需要根据收集到的数据做出决策。 对于营销部门来说，存储数据的最佳解决方案是数据湖——特别是流行且方便的 Google BigQuery。