Сховище даних

Сховище даних (data warehouse) — це окрема база, куди зі всіх систем магазину (сайт, аналітика, реклама, CRM, склад, облік) регулярно збирають дані в єдиному вигляді для звітів і аналізу. Воно потрібне, коли цифри з різних систем доводиться зводити разом, а таблиці вже не справляються.

Простими словами

Сайт, CRM, рекламні кабінети й облікова система кожна мають власні дані й власні визначення. Сховище збирає їх в одне місце, де «замовлення», «клієнт» і «виторг» мають одне значення. Від звичайної бази магазину воно відрізняється призначенням: база обслуговує щоденну роботу сайту, а сховище призначене для аналізу, щоб важкі звіти не уповільнювали магазин.

Що це за технічний вигляд

Google описує BigQuery як повністю кероване хмарне сховище даних з аналітичними інструментами: дані зберігаються в колонковому форматі, оптимізованому під аналітичні запити, і працюють із SQL та Python без керування інфраструктурою. Почати можна безкоштовно, через безкоштовний рівень чи пісочницю; платяться аналіз (запити) і зберігання (документація Google Cloud). Є й інші сховища; назва тут лише приклад того, як воно виглядає на практиці.

Зв'язок із GA4

GA4 може вивантажувати сирі, незасемплеровані дані подій у BigQuery. Експорт безкоштовний у межах пісочниці, інакше можливі витрати; для стандартної властивості ліміт — 1 млн подій на день; потоковий експорт додатково коштує $0,05 за гігабайт (довідка Google Analytics). У сховищі ці дані можна зберігати довше й поєднувати з даними замовлень та реклами, чого сам інтерфейс GA4 не робить.

Коли сховище потрібне

Пояснення нижче — практичні критерії, а не вимоги з джерела.

• Для одного звіту доводиться вручну зводити 3–4 джерела, і це забирає години щотижня.
• Цифри в CRM, аналітиці й обліку розходяться, і ніхто не може пояснити чому.
• Потрібні дані за період довший, ніж зберігає аналітика (див. GA4: до 14 місяців для досліджень).
• Потрібні сегменти за поведінкою й покупками разом (RFM, когорти).
• Хочете дати ШІ-помічнику чисті дані (ШІ для аналізу).

Коли не потрібне

• Магазин невеликий, джерел 1–2, і достатньо готових звітів та таблиці.
• Немає людини, яка підтримуватиме потоки даних: сховище без власника швидко стає ще одним джерелом розбіжностей.
• Проблема не в об'ємі, а в тому, що немає визначень метрик. Спочатку домовтеся про них.

Приклад (умовний)

Магазин із трьома джерелами: GA4, CRM і рекламні кабінети. Щотижня маркетолог витрачає дві години на ручне зведення витрат і замовлень за кампаніями. Після підключення сховища дані за кампаніями збираються автоматично, а звіт у дашборді оновлюється щодня. Економія часу й менша кількість помилок — головна вигода, а не «краща аналітика».

Типові помилки

• Збирати всі дані «про всяк випадок» без питань, на які вони відповідають.
• Не описати, що означає кожне поле.
• Не врахувати персональні дані: доступ до сховища має бути обмежений (Персональні дані в Україні).
• Не стежити за вартістю запитів: платяться за аналіз і зберігання.

FAQ

Сховище даних і база даних — це одне й те саме? Ні. База обслуговує роботу магазину, сховище збирає дані з багатьох систем для аналізу.

Чи потрібне сховище малому магазину? Зазвичай ні, поки є 1–2 джерела й готові звіти.

Чи платно? Є безкоштовний рівень чи пісочниця (наприклад, у BigQuery), але за зберігання й запити понад ліміт платять.

Чим сховище відрізняється від CDP? CDP збирає дані про клієнтів для маркетингу, сховище — для аналізу будь-яких даних: див. CDP.

Пов'язані терміни

• CDP
• GA4 для магазину
• Дашборд власника магазину
• API та інтеграції
• ERP

Джерела

• Google Cloud, Introduction to BigQuery — docs.cloud.google.com/bigquery/docs/introduction
• Google Analytics Help, BigQuery Export — support.google.com/analytics/answer/9358801
• Google Analytics Help, Data retention — support.google.com/analytics/answer/7667196