BigQuery Nedir?

BigQuery, Google Cloud'un sunucusuz ve ölçeklenebilir bulut veri ambarıdır. Petabayt seviyesinde veriyi standart SQL ile sorgulayabilirsin; sunucu yönetmek, indeks kurmak, donanım planlamak gerekmez. Pazarlama dünyasında özellikle GA4'ün ham event verisini, Google Ads ve YouTube Studio export'larını biriktirmek için de facto standarttır.

neden marketing için önemli

• GA4 ham veri export · GA4 ücretsiz olarak günlük tüm event'leri BigQuery'ye atabilir. Universal Analytics'in tersine, sample'sız ve raw.
• Google Ads Data Transfer · kampanya, keyword ve ad group seviyesinde otomatik export.
• Cross-source birleştirme · GA4 + Ads + Shopify + CRM aynı SQL ile birleştirilebilir.
• Looker Studio entegrasyonu · BigQuery → Looker Studio dashboard akışı dakikalarda kurulur.

fiyatlandırma modeli

İki ana boyut:

• Storage: 0,96 TL/GB/ay aktif, 0,48 TL/GB/ay long-term (90+ gün değişmemiş tablo).
• Compute (sorgu): On-demand 300 TL/TB scanned veya kapasite bazlı (slot reservation).

Aylık 1 TB ücretsiz sorgu kotası var. Çoğu KOBİ/küçük marka aslında ücretsiz bandın içinde kalır.

pazarlama veri ambarı tipik mimarisi

1. Ingestion: Fivetran, Airbyte, Stitch veya doğrudan API ile veri çekme.
2. Storage: BigQuery dataset'lerinde ham veri (raw_ga4, raw_meta, raw_shopify).
3. Transform: dbt veya scheduled query ile temizleme + birleştirme.
4. Mart: İş birimine hazır model (mart_revenue, mart_attribution).
5. BI: Looker Studio, Tableau, Power BI veya custom panel (d-lens) bağlanır.

yaygın hatalar

• SELECT * sorgular · büyük tabloyu tüm sütunlarla taramak fatura patlatır. Hep gerekli sütunları seç.
• Partitioning kullanmamak · date-partitioned tablodan yararlanmazsan tüm geçmişi tarar.
• Clustering atlamak · sık filtrelenen sütunlarda clustering sorgu maliyetini 5-10x azaltır.
• Veri retention'ı düşürmemek · hiç kullanılmayan ham log'lar yıllarca saklanır, storage faturası birikir.

alternatifler

• Snowflake · bulut-agnostik, daha pahalı ama daha esnek; enterprise standardı.
• Amazon Redshift · AWS ekosistemi tercih ediyorsa.
• Databricks · Lakehouse mimarisi, ML ağırlıklı ekipler için.
• ClickHouse / Postgres · küçük ölçek + cost-conscious ekipler için.