Zaczynasz od arkusza z kilkoma leadami. Mijają lata. Biznes rośnie. Pewnego dnia Arkusz Google zawiesza się przy próbie odświeżenia formuły – dotknąłeś hard-limitu 10 milionów komórek. Co dalej? Google BigQuery – hurtownia danych klasy enterprise, która dla małych i średnich firm ma ważną właściwość: darmowy tier na start.
Darmowy limit BigQuery – co dokładnie jest bezpłatne?
Według oficjalnego cennika Google Cloud, każde konto BigQuery ma dożywotnio co miesiąc bezpłatnie:
| Zasób | Darmowy limit / miesiąc | Cena po przekroczeniu |
|---|---|---|
| Przechowywanie danych (aktywne) | 10 GB | $0.02/GB/mies |
| Zapytania SQL (on-demand) | 1 TB / mies | $5/TB |
| Streaming inserts | 0 (brak free tier) | $0.01/200 MB |
Dla większości MŚP 1 TB/miesiąc zapytań jest wystarczające przez pierwsze 1-2 lata. Dane z GA4, Google Ads i kilku arkuszy zajmują zazwyczaj 1-5 GB. Koszt zerowy przez długi czas – pod warunkiem że zapytania są pisane optymalnie (SELECT potrzebne_kolumny zamiast SELECT *).
Dlaczego BigQuery zamiast własnego serwera?
BigQuery to model serverless – nie płacisz za serwer stojący i czekający. Płacisz tylko za zapytania, które wysyłasz. Nie ma zapytań w tym miesiącu? Rachunek = $0. Wyślesz jedno duże zapytanie do raportu rocznego? Zapłacisz ułamek centa za TB przetworzonych danych.
W porównaniu z alternatywami:
- Excel / Sheets: limit 10M komórek, brak historii, brak współbieżnych zapytań
- Serwer MySQL/Postgres: płacisz za instancję 24/7 (min. ~$50/mies), wymaga administratora
- BigQuery: $0 do 1 TB/mies zapytań, skaluje się automatycznie, zero DevOps
3 filary BigQuery jako ramy operacyjnej
1. Prędkość (Dremel Engine): BigQuery przetwarza dane kolumnowo, nie wierszami. Tabela z 5 miliardami zdarzeń GA4 – odpowiedź w kilkanaście sekund, nie w 20 minut jak Excel Pivot. Zapytanie uruchamia automatycznie setki procesorów równolegle i zwalnia je zaraz po zakończeniu.
2. Natywne integracje: GA4 eksportuje dane do BigQuery jednym kliknięciem (bez API, bez skryptów). Google Ads ma connector w GCP. Wyniki lądują w tabelach BigQuery automatycznie co dobę. Stamtąd Data Studio podłącza się bezpośrednio – jeden klik i masz żywy raport na milionach wierszy.
3. Bezpieczeństwo (IAM + Row-Level Security): Nie ma pliku Excel wysyłanego mailem. Dostęp do projektu BigQuery jest kontrolowany przez Google IAM – każdy użytkownik ma tylko te uprawnienia, które mu przyznasz. Handlowiec uruchamiający to samo zapytanie co prezes widzi tylko własny region (Row-Level Security na poziomie tabeli lub widoku).
Koszty Sheets z 10M wierszy i BigQuery z 10M wierszy bywają identyczne. Różnica: BigQuery odpowiada w sekundy, nie minuty – i nie wysypuje się gdy dwóch użytkowników otwiera raport jednocześnie.
Cennik po przekroczeniu darmowego limitu
Gdy przejdziesz 1 TB/mies zapytań, koszt to $5/TB. Dla typowego MŚP z raportami uruchamianymi kilka razy dziennie na danych GA4 + Ads:
- Raport dzienny (zapytanie ~1 GB): 30 dni × $0.005 = $0.15/mies
- Dashboard z 10 widżetami odświeżanymi 5x dziennie (każdy ~100 MB): ~$7.50/mies
- Miesięczny raport zarządowy (zapytanie ~10 GB): $0.05/uruchomienie
Koszty są przewidywalne i niskie. Możesz też ustawić limity budżetowe w Google Cloud Billing Alerts – jeśli wydatki przekroczą np. $20/mies, dostajesz maila. Szczegółowy przewodnik po kontrolowaniu kosztów znajdziesz w artykule jak analizować koszty BigQuery i nie przepłacić.
Jak zacząć z BigQuery w 5 krokach
- Wejdź na console.cloud.google.com → utwórz projekt Google Cloud
- W menu wybierz BigQuery → aktywuj API (bezpłatne)
- Utwórz dataset (np.
analytics) i tabelę lub podepnij GA4 Export - Wyślij pierwsze zapytanie w edytorze SQL:
SELECT COUNT(*) FROM `projekt.dataset.tabela` - Podepnij Data Studio: Dodaj źródło danych → BigQuery → wybierz tabelę
Cały proces zajmuje 30 minut. Bez serwera, bez kodu poza SQL, bez faktur jeśli zostaniesz w darmowym limicie.