Cómo Conectar Google Sheets a Google BigQuery

Cuatro formas gratuitas y de pago para conectar Google Sheets a Google BigQuery

Cómo Conectar Google Sheets a Google BigQuery para Marketers (Sin Código)

Porter es un conector nativo de IA. Configura todo con lenguaje natural, no SQL ni formularios. Campos personalizados, filtros, programación—todo se solicita en español simple. Sin código, sin ingeniería de datos requerida.

• La vista previa de datos siempre está activa. A medida que seleccionas métricas, dimensiones, filtros y rangos de fechas, Porter muestra tus datos en tiempo real. Verifica todo antes de enviar a BigQuery.
• Los datos llegan transformados, combinados y listos para visualizar. No se necesitan transformaciones SQL después.

En este tutorial, te mostraremos cómo enviar tus datos de Google Sheets a Google BigQuery con Porter. Enviaremos datos personalizados de hojas de cálculo con cualquier campo que definas, y cálculos personalizados como totales, ratios y segmentaciones personalizadas.

Configurar una conexión

Inicia sesión en portermetrics.com con Google. Haz clic en “Create” y selecciona “Google BigQuery” como destino. Nombra tu conexión (e.g., “Google Sheets Perfomance”). Selecciona Google Sheets como fuente de datos.

• Combinación de datos: opcionalmente, agrega Google Ads, Meta Ads, HubSpot en la misma conexión para reportes cross-channel.

Conectar tus cuentas de Google Sheets

Conecta tu cuenta de Google y otorga acceso a tus Hojas de cálculo. Selecciona las hojas específicas que deseas importar. Selecciona los Sheets que deseas conectar.

Conectar tu destino BigQuery

Autentícate con inicio de sesión de Google o Service Account. Selecciona Project ID, Dataset location, Dataset y Table name.

• Inicio de sesión de Google (recomendado): Porter lista tus proyectos en un menú desplegable. La opción más fácil.
• Service Account JSON: para empresas con gestión estricta de permisos en Google Workspace. Copia un texto JSON desde los detalles de tu proyecto para conectar.
• Dataset location: US, EU, o tu región preferida.
• Auto-actualización de esquema: si cambias tu consulta más tarde, Porter actualiza el esquema automáticamente y lo reescribe en tu tabla de BigQuery, a diferencia de otras herramientas.

¿Nuevo en BigQuery? Crea tu primer proyecto:

Ve a console.cloud.google.com. En el Menú de Navegación (arriba a la izquierda), selecciona BigQuery → Studio. En el panel izquierdo, verás tus proyectos.

1. Crear un Proyecto: selecciona o crea un nuevo proyecto (e.g., “Marketing Data”). Elige un nombre, tipo y organización. BigQuery crea una carpeta para él.
2. Crear un Dataset: expande la carpeta de tu proyecto, haz clic en los puntos suspensivos y selecciona “Create Dataset”. Nómbralo (e.g., “sheets_data”) y selecciona una ubicación (US o EU).
3. Crear una Tabla: dentro de tu dataset, puedes crear una tabla (e.g., “google_sheets”). O deja que Porter la cree automáticamente cuando envíes tu primera consulta.

El Project ID, Dataset name y Table name que configures aquí son los mismos valores que ingresarás en la configuración de BigQuery de Porter.

Verifica tus datos en BigQuery:

Cuando seleccionas una tabla, BigQuery muestra la vista de Schema primero. Estos son los metadatos: nombres de campos, tipos de campos y modos. Para ver tus datos exportados, ve a la pestaña Preview. Una vez que tu consulta se ejecute, verás la tabla completa con tus datos.

Elegir métricas

En el menú desplegable de métricas, busca y selecciona: e.g., Revenue, Units Sold, Leads, Conversions.

Elegir dimensiones

Para segmentar tus datos, en el menú desplegable de dimensiones, busca y selecciona: e.g., Category, Date.

• Otras dimensiones: Campaign, Date.
• Dimensiones de tiempo: Date, Week, Month, Quarter, Year disponibles para análisis de tendencias.
• Lista completa de campos: Consulta la documentación de Porter para todos los campos y dimensiones disponibles.

Ver todos los campos de Google Sheets

Crear campos personalizados

Para métricas personalizadas, agrega una nueva métrica, solicita tu fórmula en lenguaje natural y verifica la fórmula generada y una vista previa de la consulta. Elige el formato de tu métrica (número, moneda, porcentaje). Para este ejemplo: Custom = “column_a / column_b”.

Para dimensiones personalizadas, solicita tu fórmula para segmentar datos basándote en convenciones de nomenclatura. Si tus convenciones de nomenclatura incluyen objetivo, etapa del embudo o productos, solicita una fórmula como: “If category contains ‘Product A’, tag as ‘Product A’. If contains ‘Product B’, tag as ‘Product B’. Else ‘Other’.” En la vista previa, ve cómo Porter transforma condicionales en regex para segmentaciones personalizadas.

Crea tus propias métricas o dimensiones para que no se necesite SQL ni transformación en BigQuery. Tus datos están listos para conectarse a Looker Studio. Operaciones soportadas: matemáticas (suma, resta, división, multiplicación), condicionales (if/then/else), regex (coincidencia de patrones). Las mismas capacidades que los campos calculados de Looker Studio.

Establecer rango de fechas

Selecciona un rango de fechas del menú desplegable. Para este ejemplo: last 30 days.

• Rangos dinámicos: today, yesterday, last 7/14/28/30/90 days, this week/month/quarter/year to date, last week/month/quarter/year.
• Rangos fijos: fechas específicas de inicio y fin.
• Auto-actualización: los datos se actualizan automáticamente basándose en el rango dinámico.

Agregar filtros

Aplicaremos un filtro para enfocarnos en las filas relevantes para tu análisis.

Para este ejemplo:

• Condición: Exclude
• Campo: Amount Spent
• Operador: equals
• Valor: 0

Esto excluye todas las filas sin actividad, para que tu consulta solo devuelva filas con datos.

• Operadores disponibles: equals, contains, not contains, greater than, less than, starts with, ends with.
• Detección de valor: Porter detecta automáticamente si el campo es un número o texto.
• Combinar filtros: agrega lógica AND/OR dentro de la misma condición o crea múltiples filtros en una consulta.

Programar actualización

Solicita tu programación en lenguaje natural. Para este ejemplo: “every day at 8am”.

• Ejemplos: “Every Monday at 5am”, “Weekdays at 7pm”, “Every hour”, “Every Tuesday and Friday at 9am”.
• Auto-conversión: Porter convierte las solicitudes en expresiones cron.
• Zona horaria: detectada automáticamente desde tu navegador.
• Frecuencia mínima: cada minuto. Sin costo extra por actualizaciones frecuentes.

Elegir modo de escritura

Selecciona cómo Porter escribe datos en BigQuery. Para este ejemplo: Overwrite.

• Overwrite (recomendado): elimina la tabla existente y escribe datos frescos. Sin duplicados.
• Append: agrega nuevas filas debajo de los datos existentes. Riesgo de duplicados si el mismo rango de fechas se ejecuta dos veces.
• Update: coincide filas por dimensión y actualiza valores. Para datos con valores cambiantes.

Enviar, monitorear y organizar

Haz clic en “Save” para guardar tu consulta y haz clic en “Send” para entregar los datos a Google BigQuery. La transferencia toma unos segundos dependiendo del volumen de datos. Una vez terminado, puedes actualizarla o crear más consultas.

Para crear más consultas: regresa al gestor de consultas dentro de tu conexión, o ve a Porter Metrics → Account → Reports → Connections. En la pestaña Queries, verás todas las consultas ejecutándose desde tu cuenta con su conexión asociada, nombre, fuentes de datos, hora de última ejecución, último estado y opción para ejecutar manualmente.

Para monitorear ejecuciones: haz clic en el ícono de puntos suspensivos y selecciona “History”. Verás logs con fecha y hora exactas, tipo de ejecución (manual o programada) y estado. Si ocurre un error, verás el mensaje de error específico.

Para organizar tus datos: gestiona conexiones y consultas dentro de ellas. Nombra conexiones por campaña (e.g., “Black Friday”), por cliente, o por fuente de datos. Dentro de cada conexión, crea tantas consultas o tablas como necesites y renómbralas. Puedes habilitar/deshabilitar consultas o conexiones, y actualizar cualquier consulta en cualquier momento—Porter actualiza y reescribe el esquema en BigQuery automáticamente.

Cómo Conectar tu Tabla de BigQuery a Google Looker Studio

Primero, verifica tus datos en BigQuery:

Ve a console.cloud.google.com/bigquery. En el menú izquierdo, bajo Products, encuentra BigQuery → Studio. Aquí es donde gestionas tus tablas.

Jerarquía de BigQuery:

• Project (e.g., “Marketing Data”): tu contenedor de nivel superior.
• Dataset (e.g., “sheets_data”): una colección de tablas dentro de un proyecto.
• Table (e.g., “Google Sheets”): tus datos reales.

En BigQuery Studio, ve a “Classic Explorer” y selecciona tu proyecto. Haz clic en los puntos suspensivos para crear un nuevo dataset si es necesario (establece un nombre y ubicación, e.g., US o Europe). Navega a tu dataset y tabla. En “Schema”, ve la lista de campos y sus tipos. En “Preview”, ve tus datos reales. Para actualizar datos, regresa a Porter y reenvía—Porter sobrescribe la tabla.

Conectar BigQuery a Looker Studio:

Ve a Looker Studio. Haz clic en “Create” y selecciona “Report” para iniciar un reporte en blanco. Looker Studio te pedirá agregar una fuente de datos. Busca “BigQuery” y conecta tu cuenta de Google.

Verás opciones: Recent Projects, My Projects, Shared Projects, Custom Query, Public Datasets.

Selecciona “My Projects” y navega a tu proyecto, dataset y tabla. En este ejemplo: Project “Marketing Data” → Dataset “sheets_data” → Table “Google Sheets”. Haz clic en “Add” para conectar.

Una vez conectado, Looker Studio carga los campos de tu tabla. Crea un gráfico, agrega tus dimensiones (e.g., date) y métricas (e.g., Value). Asegúrate de establecer un rango de fechas que coincida con tu consulta en Porter.

Tus datos de BigQuery ahora están conectados a Looker Studio.

Por Qué los Marketers Mueven Datos de Google Sheets a BigQuery

• Conecta cualquier herramienta de reportes: BigQuery se conecta a Looker Studio, Power BI, Tableau, o cualquier herramienta de BI. Un warehouse, todos los destinos.
• Atribución multi-touch: Une Google Sheets con datos de eventos crudos de GA4. Rastrea el camino completo del usuario desde el clic en el anuncio hasta la conversión.
• Fuente de verdad: Define qué significa “conversión” para tu empresa. Compara Meta vs. GA4 vs. HubSpot. Elige una fuente para CAC, ROAS y CPA. Termina el debate de “¿qué número es el correcto?”.
• Acceso para toda la empresa sin permisos de plataforma: Gestionar permisos en todas las plataformas es complicado. Con BigQuery, cualquiera puede acceder a datos de marketing sin cuentas o roles en cada plataforma. Un modelo de permisos, todos los datos.
• Haz los datos disponibles para IA: La IA necesita datos limpios y estructurados con contexto. Cada herramienta de IA se siente aislada. Integrar fuentes es complicado. Con BigQuery como tu warehouse universal, cualquier herramienta de IA puede acceder a tus datos de marketing. Sin integraciones personalizadas. Sin configuración complicada.
• Combinación de datos: Combina Google Sheets con CRM, GA4, Shopify, Google Ads en un warehouse. Mide ganancias reales, no ROAS de plataforma. Calcula CAC combinado en todos los canales.

Próximos Pasos

Ahora que tus datos de Google Sheets están en BigQuery:

• Conectar a BigQuery: aprende Google BigQuery para marketers y lee tutoriales para conectar otras fuentes de datos.
• Conectar a Looker Studio: Construye dashboards que cargan en segundos. Usa plantillas de Porter o crea las tuyas.
• Conectar a Google Sheets: Exporta datos de BigQuery a Sheets para análisis rápido, compartir con clientes, o cálculos personalizados.
• Combinar datos de múltiples fuentes: Agrega Google Ads, GA4, Shopify, CRM a la misma conexión. Porter mapea automáticamente campos equivalentes. Crea reportes cross-channel sin JOINs de SQL.
• Crear flujos de trabajo con IA: Automatiza alertas y reportes con lenguaje natural. Ejemplo: “Every Monday at 9am, get Google Sheets data for last 7 days, analyze performance with AI, send summary to Slack.”
• Usar plantillas: Comienza con plantillas pre-construidas de Looker Studio. Rendimiento de campañas, análisis creativo, desgloses de audiencia—listas para conectar.
• Explorar otros destinos: Envía datos de Google Sheets a PostgreSQL, u otros warehouses. El mismo proceso de configuración.

Explorar todas las plantillas de Google Sheets