BigQuery es el almacén de datos en la nube de Google que gestiona millones de filas sin fallar, algo que Google Sheets no puede hacer con más de 100 000 filas. El principal obstáculo no es la complejidad técnica, sino el mito de que se necesitan conocimientos de SQL. No lo tienes. Necesitas 6 consultas previamente escritas, la posibilidad de cambiar una fecha y 15 minutos para la configuración. En esta guía, se muestra cómo introducir datos de marketing en BigQuery, analizarlos con consultas listas para usar y decidir si vale la pena actualizar desde Sheets.

BigQuery frente a Google Sheets: cuando cada una tiene sentido

Por qué los profesionales del marketing utilizan realmente BigQuery

Publicas anuncios en Google, Meta, LinkedIn, quizás TikTok. Cada plataforma descarga datos en diferentes formatos. El CSV de Facebook muestra fechas como el 12/02/2025. Google Ads utiliza el 2 de diciembre de 2025. LinkedIn lo llama «gasto», Google lo llama «coste» y tu tabla dinámica acaba de estropearse porque alguien clasificó la columna B sin la columna A.

BigQuery corrige este problema almacenando todos los datos en un solo lugar con un formato uniforme. La velocidad de consulta no depende de su portátil. Se ejecuta en los servidores de Google. Una consulta que inmoviliza Sheets durante 45 segundos se ejecuta en 3 segundos en BigQuery.

El valor para los profesionales del marketing multiplataforma

Cuando administras campañas en varias plataformas, el trabajo manual se acumula rápidamente. Exporta semanalmente desde cada plataforma, formatea los archivos CSV para que coincidan con los nombres de las columnas, corrige las fórmulas cuando se lanzan nuevas campañas y reconstruye tablas dinámicas que no funcionan. Este ritual semanal puede consumir fácilmente varias horas.

BigQuery elimina este flujo de trabajo por completo. Una vez que tus plataformas están conectadas a través de una herramienta como Dataslayer, los datos fluyen automáticamente a tablas estandarizadas. Tu informe semanal se convierte en una consulta guardada que se ejecuta en segundos, en lugar de un proyecto de reconstrucción manual. El tiempo ahorrado aumenta en función del número de plataformas que gestione.

Configuración de Dataslayer en BigQuery (15 minutos)

Antes de poder consultar datos, debes incorporarlos a BigQuery. Ruta manual: exporta los CSV semanalmente, formatea de forma idéntica y sube manualmente. Ruta realista: automatiza con Dataslayer.

Pasos de configuración rápida:

1. Crea un proyecto de BigQuery
‍

• Ir a Consola de Google Cloud
• Haz clic en «Nuevo proyecto» → Ponle un nombre análisis de marketing
• Copia tu ID de proyecto (parece análisis de mercadotecnia -123456)

2. Habilita la API de BigQuery (Obligatorio)
‍

• Después de crear el proyecto, haga clic en «Habilitar» cuando se le solicite
• Esto debe hacerse antes de crear conjuntos de datos

3. Crea tu conjunto de datos
‍

• En BigQuery Explorer → Haz clic con el botón derecho en tu proyecto → «Crear conjunto de datos»
• ID del conjunto de datos: datos_anuncios
• Ubicación: UE (Europa) o EE. UU. (América)
• Caducidad de la tabla: Dejar DESACTIVADO (o tus datos se eliminan automáticamente)

4. Conecta Dataslayer
‍

• Iniciar sesión Capa de datos BigQuery
• Haz clic en «Nueva transferencia»

5. Configure su fuente de datos
‍

• Seleccione la plataforma (ejemplo: Google Ads) → Autorizar
• Elige: cuentas, intervalo de fechas, métricas (coste, conversiones, clics), dimensiones (fecha, campaña, dispositivo)

6. Establecer destino
‍

• Haga clic en el botón «Transferir datos»
• Rellene los campos:
  • Proyecto: Selecciona tu proyecto
  • Conjunto de datos: Seleccione datos_anuncios
  • Nombre de la tabla: google_ads_performance (o tu preferencia)
  • Modo de escritura: Anexar (crítico). Conserva los datos históricos)

7. Elige la frecuencia
‍

• Cronograma: Todos los días a las 3 a.m. (recomendado para datos actualizados y de bajo costo)
• Manual: Actualizar bajo demanda
• Dividido manualmente: Para grandes importaciones históricas (más de 2 años)

8. Haga clic en «Confirmar cambios»

Errores comunes:
‍

• «La API de BigQuery no está habilitada» → Ve a API y servicios → Habilitar la API de BigQuery
• «Permiso denegado» → Usa la misma cuenta de Google que creó el proyecto
• «Combinación de parámetros no válida» → Utilice las plantillas prediseñadas de Dataslayer (algunas métricas o dimensiones no funcionan juntas según las API de la plataforma)

Para ver capturas de pantalla detalladas y resolución de problemas, consulte Guía de configuración oficial de BigQuery de Dataslayer.

Consejo profesional: Empieza con tus 2 plataformas publicitarias más importantes. Consulta las siguientes consultas con datos gestionables antes de conectar 6 plataformas más.
‍

6 consultas SQL de copiar y pegar para análisis de marketing

Abre BigQuery → Haz clic en tu proyecto → «Redactar nueva consulta». Pégalas y reemplázalas SU_ID_PROYECTO con las tuyas, ajusta las fechas.

Consulta 1: Gasto total por canal (últimos 30 días)

SELECT 
  'Google Ads' AS channel,
  SUM(cost) AS total_spend,
  SUM(conversions) AS conversions
FROM `YOUR_PROJECT_ID.ad_data.google_ads_performance`
WHERE date >= DATE_SUB(CURRENT_DATE(), INTERVAL 30 DAY)

UNION ALL

SELECT 
  'Facebook Ads' AS channel,
  SUM(spend) AS total_spend,
  SUM(conversions) AS conversions
FROM `YOUR_PROJECT_ID.ad_data.facebook_ads_performance`
WHERE date >= DATE_SUB(CURRENT_DATE(), INTERVAL 30 DAY)

ORDER BY total_spend DESC;

Qué hace: Combina varias plataformas en una sola tabla. Observe que Facebook usa «gastar» mientras que Google usa «costo». BigQuery gestiona la incoherencia.

Consulta 2: Mejores campañas según ROAS

SELECT 
  campaign_name,
  SUM(cost) AS spent,
  SUM(conversion_value) AS revenue,
  ROUND(SUM(conversion_value) / NULLIF(SUM(cost), 0), 2) AS roas
FROM `YOUR_PROJECT_ID.ad_data.google_ads_performance`
WHERE date >= '2025-01-01'
  AND cost > 100
GROUP BY campaign_name
HAVING roas > 1.5
ORDER BY roas DESC
LIMIT 20;

Traducción: Muestre las campañas que gastaron más de 100 dólares y obtuvieron al menos 1,5 veces más, clasificadas primero como las mejores. Cambiar > 1,5 hasta su umbral de rentabilidad.

Consulta 3: Tendencias de rendimiento mensuales

SELECT 
  FORMAT_DATE('%Y-%m', date) AS month,
  SUM(clicks) AS clicks,
  ROUND(SUM(clicks) / NULLIF(SUM(impressions), 0) * 100, 2) AS ctr,
  SUM(cost) AS spend,
  ROUND(SUM(cost) / NULLIF(SUM(clicks), 0), 2) AS cpc
FROM `YOUR_PROJECT_ID.ad_data.google_ads_performance`
WHERE date >= '2024-01-01'
GROUP BY month
ORDER BY month DESC;

Caso de uso: Detecta la estacionalidad. Si el CTR cae cada diciembre, es posible que tu audiencia B2B esté mentalmente agotada durante las vacaciones.

Consulta 4: Coste de adquisición de clientes por fuente

SELECT 
  utm_source,
  utm_medium,
  SUM(cost) AS total_spend,
  COUNT(DISTINCT user_id) AS new_customers,
  ROUND(SUM(cost) / NULLIF(COUNT(DISTINCT user_id), 0), 2) AS cac
FROM `YOUR_PROJECT_ID.ad_data.conversion_data`
WHERE date >= DATE_SUB(CURRENT_DATE(), INTERVAL 90 DAY)
  AND event_type = 'purchase'
GROUP BY utm_source, utm_medium
HAVING new_customers > 5
ORDER BY cac ASC;

Por qué es importante: LinkedIn puede costar 120 dólares por cliente frente a los 35 dólares por cliente de Facebook, pero si los clientes de LinkedIn tienen un LTV más alto, esos 120 dólares podrían ser más rentables a largo plazo.

Consulta 5: Rendimiento geográfico

SELECT 
  country,
  region,
  SUM(impressions) AS impressions,
  SUM(clicks) AS clicks,
  SUM(cost) AS cost,
  SUM(conversions) AS conversions,
  ROUND(SUM(cost) / NULLIF(SUM(conversions), 0), 2) AS cpa
FROM `YOUR_PROJECT_ID.ad_data.google_ads_performance`
WHERE date >= DATE_SUB(CURRENT_DATE(), INTERVAL 60 DAY)
GROUP BY country, region
HAVING conversions >= 5
ORDER BY conversions DESC;

Caso de uso: El análisis geográfico suele revelar diferencias significativas en las tasas de conversión o los CPA entre las regiones, lo que permite optimizar la asignación del presupuesto.

Consulta 6: Rendimiento de palabras clave principales

SELECT 
  keyword,
  SUM(impressions) AS impressions,
  SUM(clicks) AS clicks,
  SUM(cost) AS cost,
  SUM(conversions) AS conversions,
  ROUND(SUM(cost) / NULLIF(SUM(conversions), 0), 2) AS cpa,
  ROUND(SUM(clicks) / NULLIF(SUM(impressions), 0) * 100, 2) AS ctr
FROM `YOUR_PROJECT_ID.ad_data.google_ads_keywords`
WHERE date >= '2025-01-01'
  AND impressions > 1000
GROUP BY keyword
ORDER BY conversions DESC
LIMIT 50;

Nota: No se preocupe por entender todas las funciones de SQL. Simplemente copie y cambie las fechas ('2025-01' a lo que necesites), y corre. La consulta procesa la lógica automáticamente.

Para un análisis más complejo que combine varias fuentes de datos, consulte nuestra guía sobre elegir el mejor almacén de datos para marketing.

Conectar BigQuery a Looker Studio (5 minutos)

Las tablas SQL funcionan, pero las partes interesadas quieren gráficos. Estudio Looker es la herramienta de panel gratuita de Google.

Configuración rápida:
‍

1. Ve a Looker Studio → Crear → Fuente de datos → BigQuery
2. Autorizar → Selecciona tu proyecto + conjunto de datos + tabla
3. Haga clic en «Conectar»
4. Arrastrar y soltar: gráfico de líneas para las tendencias, gráfico de barras para la comparación de campañas, tarjetas de puntuación para los totales

Optimización del rendimiento: No conectes Looker Studio directamente a tablas sin procesar con millones de filas. Crea primero una vista resumida:

CREATE OR REPLACE VIEW `YOUR_PROJECT_ID.ad_data.dashboard_summary` AS
SELECT 
  date,
  campaign_name,
  SUM(cost) AS cost,
  SUM(conversions) AS conversions
FROM `YOUR_PROJECT_ID.ad_data.google_ads_performance`
GROUP BY date, campaign_name;

Conecta Looker Studio a resumen del panel en lugar de la tabla sin procesar. Esto reduce el tiempo de carga entre un 60 y un 80% y reduce los costos de consulta, ya que se procesan datos agregados y no se escanean millones de filas en cada actualización del panel.

Para obtener más información sobre la optimización del rendimiento del panel, consulte por qué Looker Studio es lento y cómo solucionarlo.

Cuando BigQuery realmente tiene sentido

Usa BigQuery si:

✓ Procese más de 50 000 filas al mes en todas las plataformas
✓ Ejecuta campañas en más de 3 canales simultáneamente
✓ Es necesario comparar el rendimiento del primer trimestre de 2024 con el del primer trimestre de 2025
✓ Tener más de 2 personas que necesitan los mismos datos
✓ Calcule métricas personalizadas (LTV, análisis de cohortes, atribución multitáctil)

Quédate con las sábanas si:

✗ Publica solo anuncios de Facebook con menos de 10 campañas activas
✗ Procesa menos de 10 000 filas al mes
✗ Gasto publicitario mensual inferior a 3000$
✗ Solo necesita informes trimestrales

El punto de equilibrio honesto

Al trabajar con agencias y equipos internos, BigQuery merece la pena en:
‍

• Gasto publicitario mensual: Más de 10 000$
• Plataformas: 3 o más
• Frecuencia de presentación de informes: Mínimo semanal
• Tamaño del equipo: Más de 2 personas accediendo a los datos

Por debajo de estos umbrales, Google Sheets funciona bien. El tiempo que se ahorra con BigQuery no justifica la curva de aprendizaje.

Verificación de la realidad de costos de BigQuery

BigQuery cobra por almacenamiento (barato) y consultas (también es barato si eres inteligente al respecto). Por Precios oficiales de Google Cloud:

Costos de almacenamiento

• Primeros 10 GB: gratis
• Después de 10 GB: 0,02 USD por GB/mes
• Datos sin cambios durante 90 días: 0,01 USD por GB al mes (descuento automático)

La mayoría de los equipos de marketing almacenan entre 5 y 50 GB. Ejemplo: 30 GB = 0,40 USD al mes.

Costos de consulta

• Primer TB procesado por mes: gratis
• Después de 1 TB: 5$ por TB

Qué significa «procesado»: Si tu tabla tiene 20 columnas pero solo tú SELECCIONAR 3 columnas, BigQuery solo cobra por esas 3 columnas, no por toda la tabla.

Ejemplos de costos reales

Equipo pequeño (2 plataformas, 1 año de historia):
‍

• Almacenamiento: 12 GB = 0,04 dólares/mes
• Consultas: 80 GB procesadas = Gratis
• Total: 0,04 USD/mes

Agencia (5 clientes, 3 plataformas cada una):
‍

• Almacenamiento: 150 GB = 2,80 dólares al mes
• Consultas: 600 GB procesadas = Gratis
• Total: 2,80$ al mes

Gran marca (8 plataformas, 3 años de historia):
‍

• Almacenamiento: 500 GB = 9,80 USD al mes
• Consultas: 1,8 TB procesados = 4 USD al mes
• Total: 13,80$ al mes

Cómo mantener bajos los costos

Filtrar por fecha: DÓNDE fecha >= '2025-01-01' evita escanear años de datos antiguos

Seleccione columnas específicas: Nunca usar SELECCIONAR * en producción. Enumere solo las columnas que necesita

Cree tablas de resumen: Almacene datos semanales/mensuales preagregados para consultas frecuentes

Programe con prudencia: Realiza consultas una vez al día a las 3 de la mañana, no 20 veces durante el día

De acuerdo con Guía de estimación de costes de Google, los patrones de consulta eficientes mantienen a la mayoría de los equipos de marketing por debajo de los 10 dólares al mes.

PREGUNTAS MÁS FRECUENTES

¿Realmente puedo usar BigQuery sin aprender SQL?

Para el 90% de los análisis de marketing, sí. Las 6 consultas anteriores se refieren a los informes más comunes. Solo necesita entender SQL en el nivel de «cambiar las fechas y los nombres de las tablas». Cuando necesites algo personalizado, describe lo que quieres para chatear con GPT o Claude: «Muestra campañas con un CPA inferior a 40€, agrupadas por dispositivo y ordenadas por gasto». Las herramientas de inteligencia artificial escriben SQL sorprendentemente bien para solicitudes sencillas.

¿Cuánto dura realmente la configuración de BigQuery?

Crear un proyecto de Google Cloud, habilitar la API y conectar la primera fuente de datos: de 15 a 20 minutos. Conexión de 5 plataformas publicitarias con actualizaciones automáticas diarias: de 2 a 3 horas repartidas en una semana. La parte difícil no es técnica. Se trata de decidir qué métricas son importantes para tu negocio específico. El uso de Dataslayer reduce este tiempo en un 70% en comparación con la escritura de scripts de API personalizados para cada plataforma.

¿Qué ocurre si cometo un error y elimino los datos?

Las consultas de esta guía utilizan SELECCIONAR declaraciones. Son de solo lectura y no pueden borrar nada. Para eliminar realmente los datos, tendrás que escribir intencionadamente ELIMINAR o CAER comandos. Incluso si lo hicieras, BigQuery guarda automáticamente copias de seguridad de todas las tablas durante 7 días. Puedes restaurar con: SELECCIONE* DE 'tabla' PARA SYSTEM_TIME A PARTIR DEL '2025-11-28'. El mayor riesgo es que las consultas incorrectas arrojan información errónea y no eliminen datos accidentalmente.

¿Cuánto cuesta realmente BigQuery al mes?

Para la mayoría de los equipos de marketing: entre 0 y 15 USD al mes. Obtienes 10 GB de almacenamiento gratis y 1 TB de procesamiento de consultas gratis al mes. Una configuración típica con 3 o 4 plataformas, actualizaciones diarias e informes periódicos consume entre 100 y 200 GB en consultas (gratis) y entre 20 y 50 GB de almacenamiento (entre 20 y 0,80 USD al mes). Los costos solo aumentan si se procesan más de 5 TB al mes o se almacenan años de datos de alta frecuencia. Aun así, cuesta entre 20 y 40 dólares al mes, no 200 dólares.

¿Cuándo debo usar BigQuery en lugar de Google Sheets?

El punto de ruptura es de alrededor de 50 000 filas. Por debajo de eso, Sheets funciona bien. Por encima de las 100 000 filas, Sheets se vuelve difícil. La carga es lenta, las fórmulas se rompen, las tablas dinámicas fallan. Si publicas campañas en más de 3 plataformas y quieres un análisis histórico que vaya más allá de los «últimos 30 días», BigQuery tiene sentido. Si solo necesitas instantáneas mensuales de una sola plataforma, quédate con Sheets y ahórrate la curva de aprendizaje.

Tu primera semana con BigQuery

Día 1: Crea un proyecto de Google Cloud, habilita la API y crea un conjunto de datos. Conecta tu plataforma que más gasta usando Versión de prueba gratuita de Dataslayer.

Días 2 y 3: Deje que los datos se acumulen (necesitará de 2 a 3 días antes de que las consultas arrojen resultados significativos).

Día 4: Copiar consulta #1. Edita el ID de tu proyecto y el rango de fechas. Ejecútalo. Observe el tiempo de respuesta de 3 segundos.

Día 5: Prueba la consulta #2. Compara la velocidad con la que experimentarías en Sheets con datos equivalentes.

Semana 2: Conecta una segunda plataforma. Crea un panel de control básico de Looker Studio utilizando el método de vista resumida.

Semana 3: Muestre su panel de control a un colega o parte interesada. Observe su reacción cuando filtren por fecha y se actualice al instante.

La curva de aprendizaje no es empinada. Simplemente es diferente de Sheets. En la tercera semana, te preguntarás cómo te las has arreglado con las exportaciones a CSV y las fórmulas de VLOOKUP.

¿Quieres saltarte las exportaciones CSV manuales? Pruebe Dataslayer gratis durante 15 días para conectar Google Ads, Facebook Ads, LinkedIn, TikTok y más de 45 plataformas directamente a BigQuery. No se requiere codificación. Consulte nuestro Guía de integración de BigQuery para ver ejemplos de paneles visuales.