Conectar BigQuery y bases de datos

Cuando tus datos crecen mas alla de lo que Google Sheets puede manejar eficientemente, es momento de usar BigQuery o bases de datos SQL. En esta leccion aprenderemos a conectar estas fuentes mas potentes a Looker Studio.

Cuando usar BigQuery vs Sheets

Indicadores de que necesitas BigQuery

Senal	Sheets	BigQuery
Filas de datos	< 100,000	Millones+
Actualizaciones	Pocas al dia	Continuas
Consultas complejas	Basicas	JOINs, agregaciones
Tiempo de carga	> 30 segundos	Requiere optimizacion
Costo	Gratis	Pago por consulta

Beneficios de BigQuery

• Escala: Maneja petabytes de datos
• Velocidad: Consultas en segundos sobre millones de filas
• SQL estandar: Lenguaje familiar
• Integracion: Nativo con Google Analytics 4, Ads, Firebase
• Machine Learning: BigQuery ML integrado

Conectar BigQuery a Looker Studio

Requisitos previos

1. Proyecto de Google Cloud con BigQuery habilitado
2. Permisos: BigQuery Data Viewer (minimo)
3. Datos en al menos una tabla

Paso 1: Iniciar la conexion

1. En Looker Studio, Crear > Fuente de datos
2. Busca y selecciona "BigQuery"
3. Autoriza acceso si es necesario

Paso 2: Seleccionar datos

Tienes tres opciones para seleccionar datos:

Opcion A: Tabla existente

Proyecto > Dataset > Tabla

Ejemplo:
mi-proyecto-123 > analytics > eventos_ga4

1. Selecciona tu proyecto de GCP
2. Selecciona el dataset
3. Selecciona la tabla
4. Clic en "Conectar"

Opcion B: Consulta personalizada

Usa SQL para definir exactamente que datos quieres:

SELECT
  event_date,
  event_name,
  COUNT(*) as eventos,
  COUNT(DISTINCT user_pseudo_id) as usuarios
FROM
  `mi-proyecto.analytics_123456789.events_*`
WHERE
  _TABLE_SUFFIX BETWEEN '20260101' AND '20260131'
GROUP BY
  event_date, event_name

Ventajas de consulta personalizada:

• Filtrar datos antes de cargar
• Agregar datos para reducir volumen
• JOIN entre tablas
• Calculos complejos en SQL

Opcion C: Vista de BigQuery

1. Crea una VIEW en BigQuery
2. Conecta la VIEW como si fuera una tabla

CREATE VIEW `mi-proyecto.mi_dataset.vista_dashboard` AS
SELECT
  fecha,
  canal,
  SUM(revenue) as revenue_total
FROM
  `mi-proyecto.mi_dataset.ventas`
GROUP BY
  fecha, canal

Ventaja: La logica SQL vive en BigQuery, Looker Studio solo consume.

Paso 3: Configurar la fuente

Despues de conectar, revisa:

1. Tipos de datos: Verifica que fechas, numeros y texto esten correctos
2. Campos: Renombra si es necesario para claridad
3. Agregaciones predeterminadas: SUM, AVG, COUNT, etc.

Entender los costos de BigQuery

Modelo de precios

BigQuery cobra por:

Concepto	Costo aproximado
Almacenamiento	$0.02/GB/mes
Consultas (on-demand)	$5/TB procesado
Streaming inserts	$0.01/200MB

Como Looker Studio genera costos

Cada vez que alguien:

• Abre el dashboard
• Cambia un filtro
• Actualiza los datos

Looker Studio ejecuta consultas a BigQuery, generando costos.

Ejemplo de calculo de costos

Tabla de eventos: 500 GB
Dashboard visto: 100 veces/dia
Promedio de consultas por vista: 5
Datos procesados por consulta: 10 GB

Costos diarios:
100 vistas x 5 consultas x 10 GB x $5/TB
= 100 x 5 x 0.01 TB x $5
= $25/dia

Costos mensuales: ~$750

Estrategias para reducir costos

1. Usa tablas agregadas

En lugar de consultar la tabla cruda:

-- Crear tabla resumen diaria
CREATE TABLE `proyecto.dataset.resumen_diario` AS
SELECT
  DATE(timestamp) as fecha,
  fuente,
  COUNT(*) as eventos,
  SUM(revenue) as revenue
FROM `proyecto.dataset.eventos_raw`
GROUP BY fecha, fuente

Conecta Looker Studio a la tabla resumen.

2. Usa particionamiento

Si tu tabla esta particionada por fecha:

-- Looker Studio solo procesa las particiones necesarias
SELECT * FROM `proyecto.dataset.eventos`
WHERE fecha BETWEEN '2026-01-01' AND '2026-01-31'

3. Habilita cache en Looker Studio

1. Edita la fuente de datos
2. Configura "Actualizacion de datos" a intervalos mayores
3. El cache reduce consultas repetidas

4. Usa BigQuery BI Engine

Para dashboards de alto trafico:

1. Reserva capacidad de BI Engine en GCP
2. Looker Studio usa memoria en lugar de procesamiento
3. Costos predecibles y mejor rendimiento

Conectar bases de datos SQL

Conectores disponibles

Looker Studio soporta conexiones directas a:

Base de datos	Conector
MySQL	Nativo
PostgreSQL	Nativo
SQL Server	Conector comunidad
Cloud SQL	Nativo (Google)
Amazon Redshift	Conector comunidad

Conectar MySQL/PostgreSQL

Paso 1: Informacion necesaria

Tendras que proporcionar:

Campo	Ejemplo
Host	mi-servidor.ejemplo.com
Puerto	3306 (MySQL) / 5432 (PostgreSQL)
Base de datos	mi_base_datos
Usuario	usuario_looker
Contrasena	********

Paso 2: Configurar acceso

Tu base de datos debe permitir conexiones desde Google:

1. Whitelist IPs de Google: Configura firewall para permitir IPs de Looker Studio
2. Usa SSL: Recomendado para seguridad
3. Usuario dedicado: Crea un usuario con permisos de solo lectura

-- MySQL: Crear usuario de solo lectura
CREATE USER 'looker_studio'@'%' IDENTIFIED BY 'password_seguro';
GRANT SELECT ON mi_base.* TO 'looker_studio'@'%';
FLUSH PRIVILEGES;

Paso 3: Conectar en Looker Studio

1. Selecciona el conector de MySQL o PostgreSQL
2. Ingresa la informacion de conexion
3. Selecciona la tabla o escribe una consulta
4. Conectar

Consideraciones de seguridad

Practica	Descripcion
Usuario de solo lectura	Nunca uses usuario con permisos de escritura
IPs restringidas	Limita acceso a IPs de Google
SSL obligatorio	Encripta la conexion
Credenciales rotadas	Cambia contrasenas regularmente
Monitoreo	Revisa logs de acceso

Optimizar rendimiento

1. Indexa columnas de filtro

Si filtras frecuentemente por fecha o categoria:

-- MySQL
CREATE INDEX idx_fecha ON ventas(fecha);
CREATE INDEX idx_region ON ventas(region);

2. Usa consultas personalizadas eficientes

En lugar de traer toda la tabla:

-- Malo: trae todo
SELECT * FROM ventas

-- Bueno: solo lo necesario
SELECT
  fecha,
  region,
  SUM(monto) as total_ventas
FROM ventas
WHERE fecha >= '2026-01-01'
GROUP BY fecha, region

3. Considera materializar vistas

Para consultas complejas que se ejecutan frecuentemente:

-- BigQuery: Vista materializada
CREATE MATERIALIZED VIEW `proyecto.dataset.resumen_ventas`
AS SELECT
  DATE(timestamp) as fecha,
  COUNT(*) as transacciones,
  SUM(revenue) as revenue_total
FROM `proyecto.dataset.transacciones`
GROUP BY fecha;

4. Monitorea tiempos de consulta

En BigQuery:

1. Ve a la consola de GCP
2. BigQuery > Historial de trabajos
3. Identifica consultas lentas de Looker Studio

Ejemplo practico: Dashboard con BigQuery

Escenario

Tienes datos de Google Analytics 4 exportados a BigQuery y quieres crear un dashboard de rendimiento.

Paso 1: Crear consulta optimizada

-- Guardar como VIEW en BigQuery
CREATE OR REPLACE VIEW `mi-proyecto.analytics.dashboard_ga4` AS
SELECT
  PARSE_DATE('%Y%m%d', event_date) as fecha,
  traffic_source.source as fuente,
  traffic_source.medium as medio,
  COUNT(DISTINCT user_pseudo_id) as usuarios,
  COUNT(*) as eventos,
  COUNTIF(event_name = 'purchase') as compras,
  SUM(IFNULL(ecommerce.purchase_revenue, 0)) as revenue
FROM
  `mi-proyecto.analytics_123456789.events_*`
WHERE
  _TABLE_SUFFIX >= FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE(), INTERVAL 90 DAY))
GROUP BY
  fecha, fuente, medio

Paso 2: Conectar la VIEW

1. En Looker Studio, conecta BigQuery
2. Selecciona la VIEW dashboard_ga4
3. Configura tipos de datos

Paso 3: Crear visualizaciones

Grafico de linea: Usuarios por dia

• Dimension: fecha
• Metrica: usuarios

Tabla: Rendimiento por fuente

• Dimension: fuente, medio
• Metricas: usuarios, compras, revenue

KPIs

• Total usuarios (ultimos 30 dias)
• Total revenue
• Tasa de conversion (compras/usuarios)

Puntos clave de esta leccion

• BigQuery es ideal cuando tus datos superan las capacidades de Sheets
• Cada consulta de Looker Studio a BigQuery tiene un costo ($5/TB)
• Usa tablas agregadas, particionamiento y cache para reducir costos
• Las consultas personalizadas te dan control total sobre los datos
• Para bases SQL (MySQL, PostgreSQL), crea usuarios de solo lectura
• Monitorea el rendimiento y optimiza consultas lentas
• Considera BigQuery BI Engine para dashboards de alto trafico

Proxima leccion

En la siguiente leccion, exploraremos los conectores de comunidad que te permiten conectar Looker Studio a cientos de otras fuentes como Facebook Ads, LinkedIn, HubSpot y mas.

---

Quiz de comprension

1. Cual es el costo aproximado por TB de consultas on-demand en BigQuery?
2. Menciona dos estrategias para reducir costos de BigQuery en Looker Studio
3. Que permisos minimos necesita un usuario de base de datos para Looker Studio?
4. Cual es la ventaja de usar una VIEW de BigQuery en lugar de una consulta directa?