In diesem Blogbeitrag möchte ich die neuen Versionen der Google-Tools zusammenfassen, die wir täglich verwenden Datenurteil. Daher möchte ich einen Überblick über die neuen Funktionen von BigQuery, Looker Studio, Google Analytics und Google Tag Manager geben. Darüber hinaus werde ich mich auf die Veröffentlichungen konzentrieren, die ich für die wichtigsten halte, und ich werde auch einige andere Änderungen nennen, die vorgenommen wurden.
Wenn ihr genauer hinschauen wollt, findet ihr hier die Release Notes von BigQuery, Looker Studio, Google Analytics & Google Tagmanager.
BigQuery
Registerkarte „Diagramm“ im Abfrageergebnis
Wenn Sie das Ergebnis einer erfolgreichen Abfrageausführung sehen, ist eine neue Registerkarte verfügbar.
Dort können Sie zwischen einem Balkendiagramm und einem Liniendiagramm wählen. Dann musst du eine Dimension festlegen und du kannst bis zu 5 Metriken hinzufügen. Dann siehst du so etwas:
Es ist eine hervorragende Gelegenheit, einige kleine Überprüfungen Ihrer Daten vorzunehmen. Wenn Sie Einblicke in eine neue Tabelle benötigen, ist dies ein leistungsstarkes Tool, um sich einen Überblick über die Daten zu verschaffen, insbesondere über die Verteilung der Daten. Es ist nicht als Ersatz für professionelle Datenvisualisierungstools gedacht, aber es ist trotzdem sehr nützlich.
Neuer LIKE-Operator
Es stehen zwei neue Like-Operatoren zur Verfügung, mit denen Sie Ihre Daten genauer filtern können. Die beiden Operatoren sind LIKE ANY/LIKE SOME und LIKE ALL.
Ein Beispiel für LIKE ANY (LIKE SOME ist nur ein Synonym):
WÄHLEN SIE shipping_city, COUNT (DISTINCT order_id) ALS count_orders
VON `project_name.dataset_name.order`
WO shipping_city WIE IRGENDEIN ('%burg%', '%A%')
NACH 1 GRUPPIEREN
SORTIERT NACH 2 ABSTICHEN
Ergebnis: Es werden alle Schifffahrtsstädte angezeigt, deren Name „burg“ ODER „A“ enthält.
Der andere Operator ist WIE ALLE
WÄHLEN SIE shipping_city, COUNT (DISTINCT order_id) ALS count_orders
VON `project_name.dataset_name.order`
WO shipping_city ALLE MAG ('%burg%', '%A%')
NACH 1 GRUPPIEREN
SORTIERT NACH 2 ABSTICHEN
Ergebnis: Es werden alle Schifffahrtsstädte angezeigt, deren Name sowohl „burg“ ALS auch „A“ enthält.
Datenprofile und Datenqualitätsanalyse
Wenn Sie sich eine Tabelle in BigQuery ansehen, sehen Sie zwei neue Tabs:
wichtig: Um Einblicke zu erhalten, müssen Sie die Dataplex-API aktivieren, was im Laufe der Zeit Kosten verursacht.
Wir werden später einen ausführlichen Blogbeitrag über diese beiden Tools verfassen. Nur ein kurzer Überblick:
Datenprofil:
- Ein Tool, um Ihre Daten zu verstehen
- Sie können bestimmte Datenprofil-Scans erstellen, anzeigen und verwalten
- Pro Scan können Sie den Umfang, die Filter, die Stichprobengröße und den Zeitplan definieren
Datenqualität:
- Ein Tool zum Nachweis der Richtigkeit Ihrer Daten
- Sie können bestimmte Datenqualitätsprüfungen erstellen, anzeigen und verwalten
- Pro Prüfung können Sie den Umfang, die Filter, die Stichprobengröße und den Zeitplan definieren
Hier finden Sie die Dokumentation für Datenprofil und Qualität der Daten.
Duett KI
Mit dem neuen Mitarbeiter von Google, Duet AI, können Sie Unterstützung bei der SQL-Code-Entwicklung erhalten. Die KI kann SQL-Abfragen vervollständigen, generieren und erklären.
Um Duet AI in Ihren Projekten zu aktivieren, müssen Sie Folgendes tun:
- Sie müssen sich für Duet AI bewerben, indem Sie das Formular ausfüllen bilden und warte bis du die Bestätigung bekommst
- Öffnen Sie eine Cloud Shell und führen Sie den folgenden Befehl aus: gcloud-Dienste aktivieren cloudaicompanion.googleapis.com
- Wenn der Vorgang abgeschlossen ist, sehen Sie in der oberen rechten Ecke des Bildschirms das Symbol für den AI-Assistenten
Wir stehen immer noch auf der Warteliste für das Vorschauprogramm, aber wir freuen uns darauf, Zugriff darauf zu erhalten.
Hier findest du die Dokumentation dafür.
BigQuery Studio
Ich möchte nur BigQuery Studio erwähnen, weil sein volles Potenzial noch geklärt werden muss und du es selbst ausprobieren musst.
Die Idee dahinter ist, direkt auf bestimmte Google Cloud-Dienste in BigQuery zuzugreifen bzw. diese zu integrieren. Beispiele für Dienste sind:
- Colab Enterprise Python-Notebooks für sofortige Python-Entwicklungslaufzeiten
- Die genannten Datenprofile, Datenqualitätsscans und die Duet AI-Funktionen sind ebenfalls Teil davon
Weitere Informationen finden Sie hier.
Andere Änderungen
BigQuery hat viele Updates bekommen, die ich hier erwähnen möchte:
- BigQuery DataFrames ist eine Python-API, um Einblicke in Daten zu erhalten und ML-Aufgaben auszuführen.
- Datenreinräume für eine sichere Umgebung, in der gemeinsam an Daten gearbeitet werden kann (Teil von Analytics Hub)
- Viele neue BigQuery ML-Funktionen wie neue Texteinbettungsfunktionen, Import neuartiger Modelle, Sprachverarbeitung, Übersetzung und Computer Vision in BQ über vortrainierte Vertex-KI-Modelle und vieles mehr
- Erstellen Sie Ihre eigenen Maskierungsroutinen mit einer REGEXP_REPLACE-Skalarfunktion
- Sie können die EXPORT DATA-Anweisung verwenden, um BigQuery-Daten nach Bigtable zu exportieren.
Datenformular
Kleine Änderungen
Dataform hat einige kleine Verbesserungen in das Ökosystem gebracht, die ich kurz beschreiben möchte:
- Es ist jetzt möglich, das Repository mit Bitbucket zu verbinden
- Sie können sich über SSH bei allen verschiedenen Repository-Anbietern authentifizieren
- In der Liste aller verfügbaren Repositorys in Dataform können Sie die Liste individuell filtern und sortieren.
Looker Studio
Neuer Boxplot-Diagrammtyp
Google hat Looker Studio viele neue Diagrammtypen hinzugefügt und zuerst werden wir uns die Boxplot-Diagramme ansehen.
Hier ist zunächst ein Beispiel für ein Boxplot-Diagramm in Looker Studio, das den prognostizierten Umsatz eines Unternehmens zeigt:
Und die entsprechenden Daten:
Das Boxplot-Diagramm benötigt 1 Dimension (in diesem Fall den Monat) und hat 5 Metriken, die Sie auswählen müssen. Die 5 Metriken sind unterschiedliche Wertebereiche, und dann haben Sie die folgenden Teile im Diagramm:
- Der Anfang der Zeile ist das Minimum
- Der Anfang des Quadrats ist das untere Perzentil.
- Die Linie im Quadrat ist der Median
- Das Ende des Quadrats ist das höhere Perzentil
- Das Ende der Zeile ist das Maximum
Neuer Candlestick-Charttyp
Ganz ähnlich dem Boxplot-Diagramm ist das Candlestick-Diagramm.
Hier ist das Candlestick-Diagramm, das dem Boxplot-Beispiel ziemlich ähnlich ist:
Und die entsprechenden Daten:
Es hat dieselbe Struktur wie das Boxplot-Diagramm, außer dass wir nur 4 Metriken benötigen. Die fehlende Metrik ist der Median, wir haben also keine Linie in den Quadraten.
Neuer Wasserfall-Diagrammtyp
Das Wasserfalldiagramm ist anders, hat aber auch die Idee, die Entwicklung einer Metrik im Laufe der Zeit darzustellen.
Hier ist ein Beispiel für ein Wasserfalldiagramm:
Und das entsprechende Diagramm:
Wasserfalldiagramme eignen sich, wenn es negative und positive Werte für die Metrik gibt und/oder wenn der Wert im Laufe der Zeit akkumuliert werden soll. Der Gesamtbalken am Ende der Datei ist optional und kann in den Einstellungen ausgewählt werden.
Wenn Sie alle neuen Diagrammtypen in einem Dashboard sehen möchten, können Sie einen Blick darauf werfen hier.
Google Analytics
Verhaltensmodellierung
Einer der am häufigsten verwendeten Berichte in Universal Analytics war die Funnel Exploration, in der Sie sehen, wie viele Benutzer/Sitzungen auf Ihrer Website beginnen und verschiedene Schritte auf Ihrer Website durchlaufen, bis die Konvertierung erfolgt.
Dieser Bericht ist jetzt auch in GA4 verfügbar. Sie finden ihn im Abschnitt Monetarisierung > Kaufverhalten der Nutzer.
Ein Problem ist, dass dieser Bericht statisch ist und die Schritte nicht geändert werden können. Wenn Sie benutzerdefinierte Trichterberichte benötigen, können Sie diese im Explorationsmodus erstellen.
Publikumsbericht
Es ist ein neuer Standardbericht für Ihre erstellten Zielgruppen verfügbar. Unter Benutzer > Benutzerattribute > Zielgruppen finden Sie den Bericht und er hat das gewohnte Layout. Ein Zeitreihendiagramm oben und eine detaillierte Tabelle darunter.
Neue Bedingungen in Berichten verfügbar
Google hat bereits in benutzerdefinierten Berichten die Filteroption hinzugefügt. Der Filter hat einige neue Optionen wie „beginnt mit“, „passt genau“ und Regex bekommen.
Zu Beginn von Google Analytics 4 war der Ersteller benutzerdefinierter Berichte sehr eingeschränkt. Mit der Filteroption sind diese Berichte jetzt unter anderem leistungsfähiger, um eine detailliertere Analyse für Ihre Anwendungsfälle durchzuführen.
Google Tagmanager
Transformationen im serverseitigen Container
Es gibt eine neue Ebene zwischen Clients und Tags im Servercontainer namens Transformationen.
Transformationen haben die Aufgabe, auf verschiedene Weise mit den Eventdaten zu interagieren. Sie können definieren, welche Eventdaten Sie hinzufügen, ändern oder ausschließen möchten.
Und hier kannst du zum Beispiel bestimmte Eventdaten ändern:
Wenn du diese Transformationen aktivieren möchtest, kannst du sie zuweisen:
- Allgemein (für alle Tags)
- Nur zu einigen Tag-Typen (GA4, FB, GADs,...)
- Nur zu bestimmten Tags
Die Transformationen waren ein fehlendes Stück, um bereinigte Daten für Ihre Tags zu haben, die sie verwenden können. Es ist besonders nützlich, mehr Kontrolle darüber zu haben, welche Tags Zugriff auf welche Daten haben.
Weitere Links
Dieser Beitrag ist Teil der Google Data Analytics-Serie von Datenurteil und erklärt Ihnen jeden Monat die neuesten Funktionen in BigQuery, Data Studio, Google Analytics und Google Tag Manager.
Folge uns auf LinkedIn für Einblicke in unsere tägliche Arbeit und wichtige Updates zu BigQuery, Data Studio und Marketing Analytics.
Abonniere unseren YouTube-Kanal für Diskussionen zu DWH, BigQuery, Looker Studio und Google Tag Manager.
Wenn Sie BigQuery von Grund auf lernen möchten, erhalten Sie Zugriff auf unsere kostenloser BigQuery-Kurs
Verbessern Sie Ihre Fähigkeiten mit Google Data Studio und BigQuery, indem Sie sich für unser Udemy-Kurs.
Benötigen Sie Hilfe bei der Einrichtung eines modernen, kostengünstigen Data Warehouse oder eines analytischen Dashboards? Senden Sie uns eine E-Mail an hello@datadice.io um einen Anruf zu vereinbaren.
