{"id":27701,"date":"2026-10-28T19:46:00","date_gmt":"2026-10-28T18:46:00","guid":{"rendered":"https:\/\/www.lukaswojcik.com\/blog\/?p=27701"},"modified":"2026-10-29T22:56:09","modified_gmt":"2026-10-29T21:56:09","slug":"bigquery-conversational-check-pl","status":"publish","type":"post","link":"https:\/\/www.lukaswojcik.com\/blog\/pl\/digital-analytics-pl\/bigquery-conversational-check-pl\/","title":{"rendered":"Pytania o dane GA4 i kontrola odpowiedzi za pomoc\u0105 SQL"},"content":{"rendered":"

Jasne pytanie to dopiero pocz\u0105tek<\/h2>\n

Ile zakup\u00f3w odnotowano wczoraj? Pytanie mo\u017ce dotyczy\u0107 zdarze\u0144 purchase, r\u00f3\u017cnych identyfikator\u00f3w transakcji albo uzgodnionych zam\u00f3wie\u0144. Wyniki mog\u0105 si\u0119 r\u00f3\u017cni\u0107. Przydatna analiza zaczyna si\u0119 wi\u0119c od kr\u00f3tkiej definicji liczonej wielko\u015bci.<\/p>\n

Co zapewnia Conversational Analytics<\/h2>\n

Google og\u0142osi\u0142o og\u00f3ln\u0105 dost\u0119pno\u015b\u0107 Conversational Analytics w BigQuery 30 czerwca 2026 roku. Pytania w zwyk\u0142ym j\u0119zyku prowadz\u0105 do zapyta\u0144 i analiz. Analiza danych z w\u0142asnej us\u0142ugi GA4 wymaga skonfigurowanego eksportu do BigQuery. Publiczny przyk\u0142ad poni\u017cej nie wymaga eksportu z w\u0142asnej us\u0142ugi. Asystent nie odtworzy brakuj\u0105cych zdarze\u0144 historycznych. Dost\u0119pno\u015b\u0107 wybranego interfejsu oraz uprawnienia Cloud wymagaj\u0105 sprawdzenia w konkretnym projekcie.<\/p>\n

Kr\u00f3tka definicja pomiaru<\/h2>\n

Na pocz\u0105tek przydaje si\u0119 liczba zdarze\u0144 purchase wed\u0142ug event_date w tabelach dziennych dla minionych dat mi\u0119dzy dwiema sta\u0142ymi datami. Definicja wskazuje te\u017c zbi\u00f3r danych, stref\u0119 czasow\u0105 us\u0142ugi i czas wykonania zapytania. Takie obliczenie liczy zdarzenia, a nie zam\u00f3wienia po usuni\u0119ciu duplikat\u00f3w. Zwroty i przych\u00f3d pozostaj\u0105 poza zakresem wska\u017anika.<\/p>\n

\"Definicja<\/figure>\n

Prosty punkt odniesienia<\/h2>\n

Poni\u017cszy SQL liczy wiersze purchase w publicznym przyk\u0142adowym zbiorze GA4. Historyczny zakres dat s\u0142u\u017cy jako powtarzalny wzorzec. W\u0142asny eksport wymaga zmiany projektu, zbioru i dat. Zapytanie nie zosta\u0142o wykonane w BigQuery na potrzeby artyku\u0142u, dlatego artyku\u0142 nie podaje wyniku tego zapytania. Publiczny zbi\u00f3r zawiera celowo zmienione dane i s\u0142u\u017cy do \u0107wicze\u0144, a nie do kontroli rzeczywistych wynik\u00f3w firmy. Zapytanie nie zwraca wiersza dla dnia bez zdarzenia purchase. Sam brak daty nie potwierdza wi\u0119c luki w danych. Pe\u0142ny ci\u0105g dat z warto\u015bciami zerowymi wymaga tabeli kalendarza i po\u0142\u0105czenia LEFT JOIN.<\/p>\n

SELECT event_date, COUNT(*) AS purchase_events\nFROM `bigquery-public-data.ga4_obfuscated_sample_ecommerce.events_*`\nWHERE _TABLE_SUFFIX BETWEEN '20210101' AND '20210107'\n  AND event_name = 'purchase'\nGROUP BY event_date\nORDER BY event_date;<\/code><\/pre>\n
To samo pytanie, te same dane<\/h2>\n
Polecenie dla asystenta powinno okre\u015bla\u0107 te same tabele, daty, zdarzenie i grupowanie. Kontroli wymagaj\u0105 zar\u00f3wno wygenerowany SQL, jak i wynik. Czy granice dat oraz filtry s\u0105 zgodne? Dodatkowe UNNEST tablicy items mo\u017ce zwielokrotni\u0107 wiersze zdarze\u0144. Liczenie r\u00f3\u017cnych transaction_id odpowiada ju\u017c na inne pytanie. Przekonuj\u0105cy opis nie zast\u0119puje takiej kontroli.<\/p>\n
Dlaczego raport GA4 nadal mo\u017ce si\u0119 r\u00f3\u017cni\u0107<\/h2>\n
Eksport surowych danych i raporty Analytics korzystaj\u0105 z r\u00f3\u017cnych sposob\u00f3w przetwarzania. Na por\u00f3wnanie wp\u0142ywaj\u0105 mi\u0119dzy innymi to\u017csamo\u015b\u0107, modelowanie, atrybucja i aktualno\u015b\u0107 danych. Google uzupe\u0142nia tabele dzienne o op\u00f3\u017anione zdarzenia jeszcze przez maksymalnie trzy dni po dacie zdarzenia. Zapis czasu zapytania pomaga oddzieli\u0107 zmian\u0119 danych od zmiany obliczenia.<\/p>\n
Koszt przed wykonaniem<\/h2>\n
Dry run sprawdza zapytanie i szacuje ilo\u015b\u0107 przetwarzanych danych bez obliczania wyniku. W\u0105ski zakres tabel oraz wskazane kolumny u\u0142atwiaj\u0105 kontrol\u0119. Uruchomienie produkcyjne wymaga odpowiedniego limitu kosztu i przegl\u0105du wykonanych zada\u0144. Samo LIMIT nie ogranicza niezawodnie ilo\u015bci odczytywanych danych.<\/p>\n
Measurement Summary<\/h2>\n
Wska\u017anik to liczba wierszy zdarze\u0144 purchase wed\u0142ug event_date. Zapytanie referencyjne i zapytanie AI musz\u0105 korzysta\u0107 z tych samych tabel, dat, filtr\u00f3w i stanu danych. Kontrola obejmuje brakuj\u0105ce dni, powielone wiersze wyniku oraz r\u00f3\u017cnice dzienne. Artyku\u0142 nie zawiera uwierzytelnionego uruchomienia BigQuery ani pomiaru dok\u0142adno\u015bci.<\/p>\n
\n
Pytania i odpowiedzi<\/h2>\n
Czy zdarzenia purchase s\u0105 r\u00f3wne zam\u00f3wieniom?<\/h3>\n
Nie zawsze. Powt\u00f3rzone zdarzenia lub brakuj\u0105ce identyfikatory transakcji mog\u0105 zmieni\u0107 por\u00f3wnanie. Wzorzec liczy wprost wiersze zdarze\u0144.<\/p>\n
Czy zgodno\u015b\u0107 wynik\u00f3w potwierdza poprawno\u015b\u0107 danych biznesowych?<\/h3>\n
Zgodno\u015b\u0107 potwierdza przede wszystkim takie samo obliczenie na tych samych danych. B\u0142\u0119dy zbierania danych mog\u0105 wyst\u0119powa\u0107 w obu wynikach.<\/p>\n
Czy narz\u0119dzie do kontroli odpowiedzi GA4 sprawdza SQL BigQuery?<\/h3>\n
Istniej\u0105ce narz\u0119dzie por\u00f3wnuje odpowiedzi Advisor z runReport z GA4 Data API. BigQuery wymaga osobnej kontroli SQL i wynik\u00f3w.<\/p>\n<\/div>\n
Narz\u0119dzia i dalsza lektura<\/h2>\n