Como Conectar Google Sheets ao Google BigQuery

Quatro formas gratuitas e pagas de conectar Google Sheets ao Google BigQuery

Como Conectar Google Sheets ao Google BigQuery para Profissionais de Marketing (Sem Código)

Porter é um conector nativo de IA. Configure tudo com linguagem natural, não SQL ou formulários. Campos personalizados, filtros, agendamento—tudo com prompts em inglês simples. Sem código, sem engenharia de dados necessária.

• A prévia dos dados está sempre ativa. Conforme você seleciona métricas, dimensões, filtros e intervalos de datas, o Porter mostra seus dados em tempo real. Verifique tudo antes de enviar para o BigQuery.
• Os dados chegam transformados, combinados e prontos para visualizar. Sem transformações SQL necessárias depois.

Neste tutorial, mostraremos como enviar seus dados do Google Sheets para o Google BigQuery com o Porter. Enviaremos dados de planilha personalizados com qualquer campo que você definir, e cálculos personalizados como totais, razões e segmentações personalizadas.

Criar uma conexão

Faça login em portermetrics.com com Google. Clique em “Create” e selecione “Google BigQuery” como destino. Nomeie sua conexão (e.g., “Sheets Data”). Selecione Google Sheets como fonte de dados.

• Combinação de dados: opcionalmente, adicione Google Ads, Meta Ads, HubSpot na mesma conexão para relatórios cross-channel.

Conecte suas contas Google Sheets

Conecte sua conta Google e conceda acesso às suas Planilhas. Selecione as planilhas específicas que deseja importar. Selecione as Sheets que deseja conectar.

Conecte seu destino BigQuery

Autentique com login do Google ou Service Account. Selecione Project ID, Dataset location, Dataset e Table name.

• Login do Google (recomendado): Porter lista seus projetos em um dropdown. Opção mais fácil.
• Service Account JSON: para empresas com gestão rigorosa de permissões no Google Workspace. Copie um texto JSON dos detalhes do seu projeto para conectar.
• Dataset location: US, EU, ou sua região preferida.
• Auto-atualização de schema: se você alterar sua consulta depois, o Porter atualiza o schema automaticamente e o reescreve na sua tabela BigQuery, diferente de outras ferramentas.

Novo no BigQuery? Crie seu primeiro projeto:

Vá para console.cloud.google.com. No Menu de Navegação (canto superior esquerdo), selecione BigQuery → Studio. No painel esquerdo, você verá seus projetos.

1. Crie um Projeto: selecione ou crie um novo projeto (e.g., “Marketing Data”). Escolha um nome, tipo e organização. O BigQuery cria uma pasta para ele.
2. Crie um Dataset: expanda a pasta do seu projeto, clique nas reticências e selecione “Create Dataset.” Nomeie-o (e.g., “sheets_data”) e selecione uma localização (US ou EU).
3. Crie uma Tabela: dentro do seu dataset, você pode criar uma tabela (e.g., “google_sheets”). Ou deixe o Porter criá-la automaticamente quando você enviar sua primeira consulta.

O Project ID, nome do Dataset e Table name que você configurar aqui são os mesmos valores que você inserirá na configuração BigQuery do Porter.

Verifique seus dados no BigQuery:

Quando você seleciona uma tabela, o BigQuery mostra a visualização Schema primeiro. Estes são os metadados: nomes dos campos, tipos de campos e modos. Para ver seus dados exportados, vá para a aba Preview. Uma vez que sua consulta seja executada, você verá a tabela completa com seus dados.

Escolha métricas

No dropdown de métricas, pesquise e selecione: e.g., Revenue, Units Sold, Leads, Conversions.

Escolha dimensões

Para segmentar seus dados, no dropdown de dimensões, pesquise e selecione: e.g., Category, Date.

• Outras dimensões: Campaign, Date.
• Dimensões de tempo: Date, Week, Month, Quarter, Year disponíveis para análise de tendências.
• Lista completa de campos: Consulte a documentação do Porter para todos os campos e dimensões disponíveis.

Ver todos os campos do Google Sheets

Criar campos personalizados

Para métricas personalizadas, adicione uma nova métrica, escreva sua fórmula em linguagem natural e verifique a fórmula gerada e uma prévia da consulta. Escolha o formato da sua métrica (number, currency, percentage). Para este exemplo: Custom = “column_a / column_b”.

Para dimensões personalizadas, escreva sua fórmula para segmentar dados baseado em convenções de nomenclatura. Se suas convenções de nomenclatura incluem objetivo, etapa do funil ou produtos, escreva uma fórmula como: “If category contains ‘Product A’, tag as ‘Product A’. If contains ‘Product B’, tag as ‘Product B’. Else ‘Other’.” Na prévia, veja como o Porter transforma condicionais em regex para segmentações personalizadas.

Crie suas próprias métricas ou dimensões para que não seja necessário SQL ou transformações no BigQuery. Seus dados estão prontos para serem conectados ao Looker Studio. Operações suportadas: matemática (sum, subtract, divide, multiply), condicionais (if/then/else), regex (pattern matching). Mesmas capacidades que os campos calculados do Looker Studio.

Configurar intervalo de datas

Selecione um intervalo de datas do dropdown. Para este exemplo: last 30 days.

• Intervalos dinâmicos: today, yesterday, last 7/14/28/30/90 days, this week/month/quarter/year to date, last week/month/quarter/year.
• Intervalos fixos: datas de início e fim específicas.
• Auto-atualização: os dados atualizam automaticamente baseado no intervalo dinâmico.

Adicionar filtros

Aplicaremos um filtro para focar nas linhas relevantes para sua análise.

Para este exemplo:

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

Isso exclui todas as linhas sem atividade, então sua consulta retorna apenas linhas com dados.

• Operadores disponíveis: equals, contains, not contains, greater than, less than, starts with, ends with.
• Detecção de valores: Porter detecta automaticamente se o campo é número ou texto.
• Combinar filtros: adicione lógica AND/OR dentro da mesma condição ou crie múltiplos filtros em uma consulta.

Agendar atualização

Escreva sua programação em linguagem natural. Para este exemplo: “every day at 8am”.

• Exemplos: “Every Monday at 5am”, “Weekdays at 7pm”, “Every hour”, “Every Tuesday and Friday at 9am”.
• Auto-conversão: Porter converte prompts em expressões cron.
• Fuso horário: detectado automaticamente do seu navegador.
• Frequência mínima: a cada minuto. Sem custo extra para atualizações frequentes.

Escolher modo de escrita

Selecione como o Porter escreve dados no BigQuery. Para este exemplo: Overwrite.

• Overwrite (recomendado): deleta a tabela existente e escreve dados novos. Sem duplicatas.
• Append: adiciona novas linhas abaixo dos dados existentes. Risco de duplicatas se o mesmo intervalo de datas rodar duas vezes.
• Update: combina linhas por dimensão e atualiza valores. Para dados com valores que mudam.

Enviar, monitorar e organizar

Clique em “Save” para salvar sua consulta e clique em “Send” para entregar os dados ao Google BigQuery. A transferência leva alguns segundos dependendo do volume de dados. Uma vez terminado, você pode atualizá-la ou criar mais consultas.

Para criar mais consultas: volte ao gerenciador de consultas dentro da sua conexão, ou vá para Porter Metrics → Account → Reports → Connections. Na aba Queries, você verá todas as consultas rodando da sua conta com sua conexão associada, nome, fontes de dados, hora da última execução, status mais recente e opção de executar manualmente.

Para monitorar execuções: clique no ícone de reticências e selecione “History.” Você verá logs com data e hora exatas, tipo de execução (manual ou agendada) e status. Se ocorrer um erro, você verá a mensagem de erro específica.

Para organizar seus dados: gerencie conexões e consultas dentro delas. Nomeie conexões por campanha (e.g., “Black Friday”), por cliente, ou por fonte de dados. Dentro de cada conexão, crie quantas consultas ou tabelas precisar e renomeie-as. Você pode habilitar/desabilitar consultas ou conexões, e atualizar qualquer consulta a qualquer momento—Porter atualiza e refresca o schema no BigQuery automaticamente.

Como Conectar Sua Tabela BigQuery ao Google Looker Studio

Primeiro, verifique seus dados no BigQuery:

Vá para console.cloud.google.com/bigquery. No menu esquerdo, em Products, encontre BigQuery → Studio. É aqui que você gerencia suas tabelas.

Hierarquia do BigQuery:

• Project (e.g., “Marketing Data”): seu container de nível superior.
• Dataset (e.g., “Sheets_Data”): uma coleção de tabelas dentro de um projeto.
• Table (e.g., “Google Sheets”): seus dados reais.

No BigQuery Studio, vá para “Classic Explorer” e selecione seu projeto. Clique nas reticências para criar um novo dataset se necessário (defina um nome e localização, e.g., US ou Europe). Navegue até seu dataset e tabela. Em “Schema,” veja a lista de campos e seus tipos. Em “Preview,” veja seus dados reais. Para atualizar dados, volte ao Porter e reenvie—Porter sobrescreve a tabela.

Conecte BigQuery ao Looker Studio:

Vá para Looker Studio. Clique em “Create” e selecione “Report” para iniciar um relatório em branco. O Looker Studio pedirá para adicionar uma fonte de dados. Pesquise “BigQuery” e conecte sua conta Google.

Você verá opções: Recent Projects, My Projects, Shared Projects, Custom Query, Public Datasets.

Selecione “My Projects” e navegue até seu projeto, dataset e tabela. Neste exemplo: Project “Marketing Data” → Dataset “Sheets_Data” → Table “Google Sheets”. Clique em “Add” para conectar.

Uma vez conectado, o Looker Studio carrega os campos da sua tabela. Crie um gráfico, adicione suas dimensões (e.g., date) e métricas (e.g., Value). Certifique-se de configurar um intervalo de datas que corresponda à sua consulta no Porter.

Seus dados do BigQuery agora estão conectados ao Looker Studio.

Por Que Profissionais de Marketing Movem Dados do Google Sheets para o BigQuery

• Conecte qualquer ferramenta de relatórios: BigQuery conecta ao Looker Studio, Power BI, Tableau ou qualquer ferramenta de BI. Um data warehouse, todos os destinos.
• Atribuição multi-touch: Una Google Sheets com dados brutos de eventos do GA4. Rastreie o caminho completo do usuário desde o clique no anúncio até a conversão.
• Fonte de verdade: Defina o que “conversão” significa para sua empresa. Compare Meta vs. GA4 vs. HubSpot. Escolha uma fonte para CAC, ROAS e CPA. Acabe com o debate “qual número está certo”.
• Acesso para toda a empresa sem permissões de plataforma: Gerenciar permissões entre plataformas é uma dor. Com BigQuery, qualquer um pode acessar dados de marketing sem contas ou roles em cada plataforma. Um modelo de permissões, todos os dados.
• Disponibilize dados para IA: IA precisa de dados limpos, estruturados com contexto. Cada ferramenta de IA parece isolada. Integrar fontes é complicado. Com BigQuery como seu data warehouse universal, qualquer ferramenta de IA pode acessar seus dados de marketing. Sem integrações personalizadas. Sem configuração complicada.
• Combinação de dados: Combine Google Sheets com CRM, GA4, Shopify, Google Ads em um data warehouse. Meça lucro real, não ROAS de plataforma. Calcule CAC combinado em todos os canais.

Próximos Passos

Agora que seus dados do Google Sheets estão no BigQuery:

• Conecte ao BigQuery: aprenda Google BigQuery para profissionais de marketing e leia tutoriais para conectar outras fontes de dados.
• Conecte ao Looker Studio: Construa dashboards que carregam em segundos. Use templates Porter ou crie os seus próprios.
• Conecte ao Google Sheets: Exporte dados do BigQuery para Sheets para análise rápida, compartilhamento com clientes ou cálculos personalizados.
• Combinar dados de múltiplas fontes: Adicione Google Ads, GA4, Shopify, CRM à mesma conexão. Porter auto-mapeia campos equivalentes. Crie relatórios cross-channel sem JOINs de SQL.
• Crie workflows de IA: Automatize alertas e relatórios com linguagem natural. Exemplo: “Every Monday at 9am, get Google Sheets data for last 7 days, analyze performance with AI, send summary to Slack.”
• Use templates: Comece com templates pré-construídos do Looker Studio. Performance de campanhas, análise de criativos, breakdowns de audiência—prontos para conectar.
• Explore outros destinos: Envie dados do Google Sheets para PostgreSQL ou outros data warehouses. Mesmo processo de configuração.

Explorar todos os templates Google Sheets