[{"data":1,"prerenderedAt":1296},["ShallowReactive",2],{"{\"version\":\"published\",\"language\":\"pl\"}layout":3,"{\"version\":\"published\",\"language\":\"pl\"}content/knowledge/bigquery-pricing-for-e-commerce-a-non-technical-guide":210,"5kLM6h0MfY":255,"I5NaZgTXx5":270,"n9mx6SWqgp":280},{"data":4,"headers":188},{"story":5,"cv":185,"rels":186,"links":187},{"name":6,"created_at":7,"published_at":8,"updated_at":9,"id":10,"uuid":11,"content":12,"slug":175,"full_slug":176,"sort_by_date":177,"position":178,"tag_list":179,"is_startpage":32,"parent_id":177,"meta_data":177,"group_id":181,"first_published_at":182,"release_id":177,"lang":183,"path":177,"alternates":184,"default_full_slug":177,"translated_slugs":177},"Layout & Menu Settings","2024-07-09T11:23:15.417Z","2026-08-21T07:00:43.091Z","2026-08-21T07:00:43.104Z",520580076,"d0565ccd-50f8-4a35-9583-813fff54f59a",{"_uid":13,"menu":14,"banner":133,"footer":143,"component":173,"promotion":174},"9245e14a-f18f-4a6c-8060-61e8beb3d9f1",[15],{"_uid":16,"logo":17,"component":22,"rightSide":23,"navigation":40},"fd2f2bd7-3ebb-4923-8327-febceaf9131b",{"id":18,"alt":19,"filename":20,"fieldtype":21},16613298,"","https://a.storyblok.com/f/296300/2078x457/3b34c3fe19/witbee-logo-new.png","asset","mega-menu",[24,34],{"_uid":25,"href":26,"size":27,"text":28,"target":29,"rounded":30,"variant":31,"disabled":32,"component":33,"showArrow":32},"839bb546-784b-4ba0-871b-263f3c901b86","/pl/contact-free-consultation","md","Bezpłatna konsultacja","_self","none","primary",false,"button-blok",{"_uid":35,"href":36,"size":27,"text":37,"target":29,"rounded":30,"variant":38,"disabled":32,"component":33,"showArrow":39},"32d63a94-8cbd-474c-9ce1-457cfa576ccf","https://cloud.witbee.com","Zaloguj się","secondary",true,[41,50,88,127],{"_uid":42,"link":43,"name":47,"subItems":48,"component":49},"3f3dab6a-9cd6-4ea1-9fdd-645b62d9cb49",{"id":19,"url":44,"linktype":45,"fieldtype":46,"cached_url":44},"/pl/services","url","multilink","Usługi",[],"mega-menu-item",{"_uid":51,"link":52,"name":53,"subItems":54,"component":49},"6951d7b0-368d-4db6-85fa-80af9088e8e0",{"id":19,"url":44,"linktype":45,"fieldtype":46,"cached_url":44},"Platforma WitCloud",[55],{"_uid":56,"links":57,"title":86,"component":87},"9e0dbc8d-3b23-474c-ab56-2eba6486c651",[58,65,72,79],{"_uid":59,"icon":60,"link":61,"component":63,"lowerText":64,"upperText":53},"2144a1bf-1bdf-4a82-9f59-b5e7d7f73f47","InformationCircleIcon",{"id":19,"url":62,"linktype":45,"fieldtype":46,"cached_url":62},"/pl/witcloud","mega-menu-subitem-link","Dowiedz się czym jest WitCloud",{"_uid":66,"icon":67,"link":68,"component":63,"lowerText":70,"upperText":71},"a6f22621-aa4f-4b0c-be09-11b4140d7dea","UsersIcon",{"id":19,"url":69,"linktype":45,"fieldtype":46,"cached_url":69},"/pl/witcloud/integrations","Systemy reklamowe, platformy e-commerce i więcej","Lista dostępnych integracji",{"_uid":73,"icon":74,"link":75,"component":63,"lowerText":77,"upperText":78},"42267fc4-06a8-465a-a3cf-56a311ff7022","NewspaperIcon",{"id":19,"url":76,"linktype":45,"fieldtype":46,"cached_url":76},"/pl/witcloud/pricing","Sprawdź szczegóły dotyczące subskrypcji","Cennik",{"_uid":80,"icon":81,"link":82,"component":63,"lowerText":84,"upperText":85},"6333bd24-c3b2-46ba-8dc2-93770459a0bc","BriefcaseIcon",{"id":19,"url":83,"linktype":45,"fieldtype":46,"cached_url":83},"/pl/witcloud/docs/","Sprawdź jak korzystać z platformy","Dokumentacja","WitCloud","mega-menu-subitem",{"_uid":89,"link":90,"name":92,"subItems":93,"component":49},"0182c7f6-b9d7-4e01-81bd-97635c68d72f",{"id":19,"url":91,"linktype":45,"fieldtype":46,"cached_url":91},"/pl/content","Materiały",[94],{"_uid":95,"links":96,"title":92,"component":87},"0f09839c-f7ce-48b8-8dc4-9269791644c0",[97,102,108,115,121],{"_uid":98,"icon":74,"link":99,"component":63,"lowerText":100,"upperText":101},"dd3ac1b6-d987-496d-bb75-e0db7459a79f",{"id":19,"url":91,"linktype":45,"fieldtype":46,"cached_url":91},"Wszystkie nasze materiały w jednym miejscu","Wszystkie materiały",{"_uid":103,"icon":60,"link":104,"component":63,"lowerText":106,"upperText":107},"5a1e2f7a-1111-4a00-9101-aa0000000101",{"id":19,"url":105,"linktype":45,"fieldtype":46,"cached_url":105},"/pl/content/framework","Nasz framework analityczny krok po kroku","Framework",{"_uid":109,"icon":110,"link":111,"component":63,"lowerText":113,"upperText":114},"5a1e2f7a-2222-4a00-9102-aa0000000102","VideoCameraIcon",{"id":19,"url":112,"linktype":45,"fieldtype":46,"cached_url":112},"/pl/content/webinars","Nagrania naszych szkoleń online","Webinary",{"_uid":116,"icon":81,"link":117,"component":63,"lowerText":119,"upperText":120},"5a1e2f7a-3333-4a00-9103-aa0000000103",{"id":19,"url":118,"linktype":45,"fieldtype":46,"cached_url":118},"/pl/content/case-studies","Efekty naszej pracy u klientów","Case studies",{"_uid":122,"icon":74,"link":123,"component":63,"lowerText":125,"upperText":126},"5a1e2f7a-4444-4a00-9104-aa0000000104",{"id":19,"url":124,"linktype":45,"fieldtype":46,"cached_url":124},"/pl/content/knowledge","Poradniki o GA4, BigQuery i nie tylko","Baza wiedzy",{"_uid":128,"link":129,"name":131,"subItems":132,"component":49},"eaef6de5-12a1-40f0-8bcf-3e00472ef87e",{"id":19,"url":130,"linktype":45,"fieldtype":46,"cached_url":130},"/pl/contact","Kontakt",[],[134],{"_uid":135,"link":136,"boldText":140,"component":141,"normalText":142},"d23b7c9c-c50d-4704-a330-c5d89f673a95",{"id":137,"url":19,"linktype":138,"fieldtype":46,"cached_url":139,"prep":39},"78736e51-560e-41cc-99bc-47d81c3321ec","story","/pl/content/webinars/webinar-ltv-retencja-akwizycja","Webinar Live: Analiza Klienta 3.0","banner-blok","Zapisz się na webinar",[144],{"_uid":145,"logo":146,"columns":147,"socials":169,"footnote":170,"component":171,"newsletter":172},"6bbe2605-0003-4e0f-9c83-f57387d6b9dc",{"id":18,"alt":19,"filename":20,"fieldtype":21},[148],{"_uid":149,"links":150,"title":167,"component":168},"bb943e00-cbd9-44d3-9ca8-e287f92f9a4c",[151,157,162],{"_uid":152,"link":153,"name":155,"component":156},"fa11f2ce-87a4-40b7-8c26-2248948ecdab",{"id":19,"url":154,"linktype":45,"fieldtype":46,"cached_url":154},"/pl/legal/privacy-policy","Polityka prywatności","website-footer-link",{"_uid":158,"link":159,"name":161,"component":156},"29ce4cf1-4ae3-4c03-a924-1b7283a52cea",{"id":19,"url":160,"linktype":45,"fieldtype":46,"cached_url":160},"/pl/legal/witcloud-terms-of-use","WitCloud - Regulamin",{"_uid":163,"link":164,"name":166,"component":156},"7b2b71ce-9047-493a-ae9a-24f33d13b228",{"id":19,"url":165,"linktype":45,"fieldtype":46,"cached_url":165},"/pl/legal/witcloud-privacy-policy","WitCloud - Polityka prywatności","Dział prawny","website-footer-column",[],"©2025 Witbee sp. z o o. Wszelkie prawa zastrzeżone.","website-footer",[],"layout-blok",[],"layout","pl/layout",null,30,[180],"Global","961eba08-4135-4b80-aba4-032c02789c49","2024-07-12T13:10:50.158Z","pl",[],1788963673,[],[],{"age":189,"cache-control":190,"connection":191,"content-encoding":192,"content-type":193,"date":194,"etag":195,"referrer-policy":196,"sb-be-version":197,"server":198,"transfer-encoding":199,"vary":200,"via":201,"x-amz-cf-id":202,"x-amz-cf-pop":203,"x-cache":204,"x-content-type-options":205,"x-frame-options":206,"x-permitted-cross-domain-policies":30,"x-request-id":207,"x-runtime":208,"x-xss-protection":209},"15","max-age=0, public, s-maxage=604800, stale-if-error=3600","keep-alive","gzip","application/json; charset=utf-8","Wed, 09 Sep 2026 14:24:49 GMT","W/\"9ef810ab6bf8c35b5a82e4e7cb0dee01\"","strict-origin-when-cross-origin","5.959.0","nginx/1.29.1","chunked","Origin,Accept-Encoding","1.1 bb472df49b0bfc8b76d1b317bd737146.cloudfront.net (CloudFront)","bYwFeafjTSNscctK5YGHsElUYO2mCPw_6978h_GzchpZ4GDB9ZySfg==","WAW51-P2","Hit from cloudfront","nosniff","SAMEORIGIN","3b91d0e2-5611-4eed-b103-f6a7569450f7","0.056638","0",{"data":211,"headers":248},{"story":212,"cv":185,"rels":246,"links":247},{"name":213,"created_at":214,"published_at":215,"updated_at":216,"id":217,"uuid":218,"content":219,"slug":239,"full_slug":240,"sort_by_date":177,"position":241,"tag_list":242,"is_startpage":32,"parent_id":243,"meta_data":177,"group_id":244,"first_published_at":215,"release_id":177,"lang":183,"path":177,"alternates":245,"default_full_slug":177,"translated_slugs":177},"BigQuery Pricing for E-commerce: A Non-Technical Guide","2026-06-22T13:57:28.322Z","2026-08-21T07:00:41.845Z","2026-08-21T07:00:42.398Z",190247109968418,"96f672cc-96be-4743-8494-b79f95734fd2",{"_uid":220,"title":221,"content":222,"eyebrow":19,"showTOC":39,"category":223,"readTime":19,"subtitle":224,"component":225,"heroImage":226,"meta_tags":230,"meta_title":221,"heroButtons":236,"updatedDate":237,"bottomBlocks":238},"8c37b8a8-35d4-4a37-a686-485ce2660d88","Ile naprawdę kosztuje BigQuery w e-commerce? Przewodnik bez inżynierskiego bełkotu","Kiedy słyszysz hasło \"Hurtownia Danych\" lub \"BigQuery\", w Twojej głowie pewnie pojawiają się dwie myśli. Pierwsza: \"To technologia, której potrzebuję, żeby łączyć dane i skalować biznes\". Druga: \"To brzmi jak faktura od Google, nad którą nie będę miał kontroli\".\n\nCennik chmury oraz wiele poradników odnosi się do skomplikowanych pojęć dla osoby nietechnicznej. Pełno tam terminów takich jak _active storage_, _slot time_ czy _streaming inserts_. A wielu właścicieli sklepów zadaje sobie proste pytanie: \"Czy to mnie nie zrujnuje?\".\n\nOdpowiedź brzmi: **Nie, jeśli architektura danych jest poprawna.**\n\nBigQuery jest jak potężna maszyna przemysłowa. Jest tania w utrzymaniu, o ile używasz jej mądrze. W tym poradniku przejdziemy przez wszystkie etapy kosztów i pokażemy, gdzie leży granica między \"zabawą dla analityków\" a realnym raportowaniem dla biznesu.\n\n---\n\n**Ważne zastrzeżenie:** Najprościej byłoby napisać jak to bywa w różnych poradnikach \"To zależy...\".  \nKoszty w chmurze są płynne. Mimo wszystko poniższe wyliczenia to realne estymacje dla średniego/dużego e-commerce, mające na celu pokazanie skali kosztów i różnic między podejściem \"surowym\" a zoptymalizowanym.\n\n---\n\n## Część 1: Magazyn (Storage) - Tu jesteśmy bezpieczni\n\nZacznijmy od podstaw. BigQuery to w uproszczeniu gigantyczny Excel w chmurze. Pierwszym kosztem jest przechowywanie danych (np. z GA4, CRM, reklam).  \nPłacisz za to, ile miejsca na dyskach Google zajmują Twoje dane.\n\n### Przykład: Sklep generujący 10 mln zdarzeń miesięcznie w GA4\n\n![](https://a.storyblok.com/f/296300/964x316/1ba15af773/image7.png)\n\n\nZałóżmy, że Twój e-commerce generuje 10 milionów akcji miesięcznie (wyświetlenia, kliknięcia, zakupy).\n\n- **GA4:** 10 mln. zdarzeń to ok. 10 GB miesięcznie (uśredniamy, że jedno zdarzenie to ok. 0.5 - 1 KB danych)\n- **Dodatkowo baza zamówień/produktów z CRM oraz dane o kampaniach z systemu reklamowego:** ok. 5-8 GB miesięcznie.\n- **Łącznie:** Przybywa Ci ok. 15-18 GB danych co miesiąc.\n\nSzacunkowy koszt:  \nGoogle oferuje pierwsze 10 GB miesięcznie za darmo. Każdy kolejny gigabajt to koszt rzędu $0.02 (ok. 8 groszy).  \nNawet jeśli zgromadzisz historię z 3 lat (ok. 500 GB), miesięczny koszt utrzymania tego archiwum zamknie się w okolicach $10 miesięcznie.  \n**Wniosek:** Samo _trzymanie_ danych jest bardzo tanie.\n\n---\n\n## Część 2: Dostawa danych - w paczkach czy natychmiastowo\n\nMasz dwie opcje przesyłania danych do BigQuery.\n\nSpójrzmy na przykład eksportu danych z Google Analytics 4:\n\n1. **Export Dzienny (Daily):** Raz dziennie, rano, Google pakuje dane z wczoraj i wrzuca je do Twojego magazynu. **Koszt: 0 zł.**\n2. **Streaming (Na żywo):** Dane wpadają do bazy minuty po zdarzeniu. **Koszt: ok. $0.05 za GB.**\n\n**Wniosek:** BigQuery nie pobiera opłat w tym przypadku za sam proces zapisywania danych w formie paczek (tzw. batch). W przypadku streamingu (przesyłanie danych na żywo), również nie masz się czym martwić jeżeli Twoja skala nie jest bardzo duża (10 GB \\* $0.05 \\= $0.50 miesięcznie).\n\n![](https://a.storyblok.com/f/296300/1024x751/39962a04d1/image8.png)\n\n\n---\n\n## Część 3: Przetwarzanie (Query) - Dwa Światy Kosztów\n\nTutaj dochodzimy do sedna. BigQuery zarabia na **czytaniu** danych ($6.25 za 1 TB). Ale kto te dane czyta? Tutaj musimy rozróżnić dwa scenariusze, bo to one decydują o Twojej fakturze.\n\n### Świat 1: Analityk w konsoli (Czynnik Ludzki)\n\nTo sytuacja, gdy Twój analityk wchodzi bezpośrednio do BigQuery i pisze kod SQL, żeby odpowiedzieć na pytanie \"ad hoc\", np. _\"Sprawdź mi, dlaczego w zeszły wtorek spadła konwersja z iPhone'ów\"_.\n\nTutaj koszt zależy w 100% od **umiejętności człowieka**.\n\n- **Junior Analityk:** Może napisać zapytanie SELECT \\*, które bezmyślnie przeczyta całą bazę (terabajty danych), żeby znaleźć 5 wierszy. Koszt jednego zapytania: **$5**.\n- **Senior Analityk:** Użyje partycji, wybierze tylko potrzebne kolumny i ograniczy skanowanie. To samo zapytanie wykona za **$0.05**.\n\nTo jest \"laboratorium\". Tu koszty są jednorazowe i zależą od skilla. Ale biznes rzadko siedzi w konsoli. Biznes siedzi w raportach.\n\n![](https://a.storyblok.com/f/296300/1024x565/363eb64c01/image3.png)\n\n\n### Świat 2: Biznes w Looker Studio (Automat)\n\nTo jest Twoja codzienność. Masz dashboard w Looker Studio. Nie piszesz tam kodu SQL - klikasz w filtry, zmieniasz daty.  \nAle Looker Studio w tle musi wysłać zapytanie SQL do BigQuery, żeby narysować wykres.  \nI tu pojawia się problem: Automat (Looker Studio) nie jest tak sprytny jak Senior Analityk. Jeśli podłączysz go do surowych danych, będzie generował ciężkie, drogie zapytania przy każdym Twoim kliknięciu.\n\n![](https://a.storyblok.com/f/296300/1024x559/ef88e496c9/image5.png)\n\n\nNiejednokrotnie pracowaliśmy przy projektach, w których optymalizowaliśmy koszty nieoptymalnych zapytań wykorzystywanych w raportach. Spójrzmy na poniższy przykład - każdego dnia raport generował coraz to większe koszty dochodząc do kwoty 53$ dziennie. Wprowadzając niewielkie zmiany w zapytaniach SQL (skill), raport działał dalej tak samo, ale koszty spadły niemal do 0\\. Najlepiej będzie to jednak przedstawić na przykładowym case study.\n\n![](https://a.storyblok.com/f/296300/1480x529/da9271ddeb/image4.png)\n\n\n## Część 4: Case Study - Ile kosztuje Raport Kwartalny?\n\nZałóżmy, że masz dashboard sprzedażowy z ostatnich 90 dni. Korzysta z niego **5 osób** (zarząd, marketing).\n\n### Scenariusz A: Droga \"Na żywca\" (Looker Studio -\\> Surowe Dane)\n\nPodpinasz raport bezpośrednio do tabel z surowymi zdarzeniami GA4.  \nJeden dzień surowych danych waży 1 GB. Raport z 90 dni musi więc \"dotknąć\" 90 GB danych.\n\n1. **Pułapka interakcji:** Looker Studio jest \"rozrzutne\". Aby wyświetlić dashboard z 10 elementami (wykresy, liczniki), potrafi wysłać 10 osobnych zapytań.\n2. **Brak Cache:** BigQuery ma pamięć podręczną, ale działa ona tylko, jeśli nic nie zmieniasz.\n   - Manager wchodzi na raport.\n   - Klika filtr \"Kampania Black Friday\".\n   - Cache przestaje działać. BigQuery musi od nowa przesiać **90 GB**, żeby wyciąć tylko tę kampanię.\n   - Manager zmienia sortowanie tabeli. Znów 90 GB.\n\nEfekt:  \n5 osób × 10 zmian filtrów dziennie × gigabajty danych.  \nFaktura staje się nieprzewidywalna. Może to być $50, a może $300, jeśli zespół będzie bardzo aktywny. Płacisz za każdym razem, gdy ktoś dotknie raportu.\n\n### Scenariusz B: Podejście \"Data Mart\" (WitCloud)\n\nTo podejście opiera się na zasadzie: **Przygotujmy dane raz, a porządnie.**\n\nProces wygląda tak:\n\n1. **Zadanie automatyczne (Job):** Codziennie rano system pobiera dane **tylko z wczorajszego dnia** (1 GB surowych danych).\n2. **Agregacja:** System wyciąga to, co ważne i zapisuje w **Data Marcie**. Wynikowa \"cegiełka\" z jednego dnia waży np. 20 MB (a nie 1000 MB).\n3. **Dokładanie cegiełki:** Ta mała porcja danych jest dołączana do tabeli głównej jako nowa partycja.\n\nCo się dzieje w raporcie?  \nGdy Manager zmienia daty, filtruje i sortuje, Looker Studio odpytuje Data Mart.  \nZamiast skanować 90 GB, skanuje 90 małych \"cegiełek\" (łącznie 1.8 GB).  \n**Szacunkowy koszt miesięczny:**\n\n1. **Codzienne przetwarzanie:** Płacisz rano za przeliczenie _tylko jednego dnia_ surowych danych. To koszt stały, ok. **$15 - $25 miesięcznie**.\n2. **Raportowanie:** Ponieważ pracujesz na lekkich danych, setki kliknięć Twoich managerów generują koszt rzędu **$2 - $5 miesięcznie**.\n\n**Razem:** **$20 - $30 miesięcznie**. Stała kwota, niezależna od tego, jak często sprawdzacie wyniki.\n\n![](https://a.storyblok.com/f/296300/1024x559/926a3bc7f0/image6.png)\n\n\n---\n\n## Część 5: Dlaczego to działa? Dwa filary oszczędności\n\nSekret niskich kosztów w podejściu Data Mart opiera się na dwóch mechanizmach technicznych. Partycjonowanie to tylko połowa sukcesu. Drugą połową jest **Agregacja (Zmniejszanie szczegółowości)**.\n\nAby to zrozumieć, wyobraź sobie działanie wielkiego supermarketu.\n\n### Filar 1: Agregacja (Zamiast miliona paragonów - podsumowanie)\n\n- **Surowe Dane (Raw):** To wielki wór, w którym trzymasz **wszystkie paragony** ze wszystkich kas. Każdy paragon ma listę produktów, godzinę, kasjera. Jeśli masz 10 tysięcy klientów dziennie, masz 10 tysięcy długich paragonów (wierszy w bazie).\n  - Gdy pytasz BigQuery o przychód, baza musi wziąć każdy paragon do ręki i zsumować kwoty. To trwa i kosztuje, bo baza \"mieli\" ogromną ilość informacji.\n- **Data Mart (Agregacja):** To sytuacja, w której księgowa raz dziennie bierze te 10 tysięcy paragonów, liczy to co ważne i zapisuje na jednej kartce: _\"Dzień: Wtorek. Sprzedaż łącznie: 50 000 zł. Ilość transakcji: 10 000\"_.\n  - Tę jedną kartkę (wynik agregacji) wkładamy do Data Martu.\n  - **Efekt:** Zamiast trzymać miliony wierszy o każdym kliknięciu, trzymamy kilkanaście wierszy z podsumowaniem dnia. Tabela staje się 1000x lżejsza.\n\n![](https://a.storyblok.com/f/296300/1024x559/43e4ca93c0/image1.png)\n\n\n### Filar 2: Partycjonowanie (Porządek w segregatorze)\n\nSkoro mamy już te lekkie \"kartki z podsumowaniem dnia\", musimy je dobrze ułożyć.\n\n- **Bez Partycji:** Kartki z podsumowaniami leżą na jednej stercie. Żeby znaleźć \"Lipiec\", musisz przerzucić wszystko.\n- **Z Partycjami:** Kartki są wpięte do segregatora, gdzie każda koszulka jest opisana datą.\n\n![](https://a.storyblok.com/f/296300/1024x559/e9ff619d89/image2.png)\n\n\n### Jak to działa razem?\n\nGdy Twój Manager otwiera Dashboard w Looker Studio i prosi o wyniki z ostatniego kwartału:\n\n1. Dzięki **Partycjonowaniu**, BigQuery otwiera tylko 90 konkretnych koszulek w segregatorze (nie dotyka reszty roku).\n2. Dzięki **Agregacji**, w każdej koszulce znajduje nie tysiące paragonów, ale jedną kartkę z podsumowaniem.\n\nDlatego raport ładuje się w ułamku sekundy i kosztuje ułamki grosza. BigQuery nie musi już niczego liczyć (bo policzyliśmy to rano) - ono tylko **odczytuje** gotowy wynik.\n\n---\n\n## Podsumowanie: Ile to w końcu kosztuje?\n\nDla typowego e-commerce z 10 mln zdarzeń miesięcznie, realny rachunek za BigQuery przy dobrze zaprojektowanej architekturze wygląda następująco:\n\n| Rodzaj kosztu               | Opis                                                           | Szacunkowa kwota                    |\n| :-------------------------- | :------------------------------------------------------------- | :---------------------------------- |\n| **Magazynowanie (Storage)** | Utrzymanie danych z kilku lat (GA4, Ads, CRM).                 | **$5 - $15** (zależnie od historii) |\n| **Przetwarzanie (ETL)**     | Codzienne przeliczanie _tylko nowych_ danych do Data Martów.   | **$15 - $25**                       |\n| **Raportowanie (Query)**    | Korzystanie z dashboardów w Looker Studio (na lekkich danych). | **$1 - $5**                         |\n| **RAZEM**                   |                                                                | **$25 - $45 / miesięcznie**         |\n\nBigQuery nie jest drogie - droga jest niewiedza. Ryzykowne jest dawanie surowych danych w ręce (i narzędzia) osób, które nie optymalizują zapytań. Wdrożenie warstwy pośredniej (Data Martów) - czy to ręcznie, czy przez platformy typu **WitCloud** - zamienia nieprzewidywalną fakturę na niski, stały abonament.","knowledge","Kiedy słyszysz hasło \"Hurtownia Danych\" lub \"BigQuery\", w Twojej głowie pewnie pojawiają się dwie myśli. Pierwsza: \"To technologia, której potrzebuję, żeby łączyć dane i skalować biznes\". Druga: \"To brzmi jak faktura od Google, nad którą nie będę miał kontroli\".","content-page",{"id":227,"alt":19,"name":19,"focus":19,"title":19,"source":19,"filename":228,"copyright":19,"fieldtype":21,"meta_data":229,"is_external_url":32},190524925572970,"https://a.storyblok.com/f/296300/900x600/af11b1a8b3/02-bigquery-pricing.png",{},[231],{"_uid":232,"name":233,"content":234,"component":235},"f34609f1-8fcd-404a-aa30-9063d2f22e22","Meta Og Image","https://a.storyblok.com/f/296300/1200x628/b1e5c63eae/bigquery_pricing_eng.png","meta-tag",[],"2025-11-25 00:00",[],"bigquery-pricing-for-e-commerce-a-non-technical-guide","pl/content/knowledge/bigquery-pricing-for-e-commerce-a-non-technical-guide",50,[],191213970958235,"fa6065ad-9fb4-4ee4-ba50-114a75d184ec",[],[],[],{"cache-control":190,"connection":191,"content-encoding":192,"content-type":193,"date":249,"etag":250,"referrer-policy":196,"sb-be-version":197,"server":198,"transfer-encoding":199,"vary":200,"via":201,"x-amz-cf-id":251,"x-amz-cf-pop":203,"x-cache":252,"x-content-type-options":205,"x-frame-options":206,"x-permitted-cross-domain-policies":30,"x-request-id":253,"x-runtime":254,"x-xss-protection":209},"Wed, 09 Sep 2026 14:25:04 GMT","W/\"1938dfccb60be264758e4ffcdf09de7c\"","SnOwrELpBSGXanT5u5BglqUnRmNorBFUx4Hu-JC5McXZyTJjJTQuRA==","Miss from cloudfront","b89eb6aa-cac8-4648-abc3-51ecbca6493f","0.032760",{"data":256,"body":257,"excerpt":-1,"toc":267},{"title":19,"description":221},{"type":258,"children":259},"root",[260],{"type":261,"tag":262,"props":263,"children":264},"element","p",{},[265],{"type":266,"value":221},"text",{"title":19,"searchDepth":268,"depth":268,"links":269},2,[],{"data":271,"body":272,"excerpt":-1,"toc":278},{"title":19,"description":224},{"type":258,"children":273},[274],{"type":261,"tag":262,"props":275,"children":276},{},[277],{"type":266,"value":224},{"title":19,"searchDepth":268,"depth":268,"links":279},[],{"data":281,"body":282,"excerpt":-1,"toc":1275},{"title":19,"description":224},{"type":258,"children":283},[284,288,315,326,331,335,351,354,361,371,378,386,391,426,458,461,467,472,477,511,520,527,530,536,548,554,566,577,612,617,624,630,645,652,657,664,670,682,688,698,751,766,772,782,787,834,857,899,916,923,926,932,943,948,954,1016,1023,1029,1034,1057,1064,1070,1075,1101,1113,1116,1122,1127,1264],{"type":261,"tag":262,"props":285,"children":286},{},[287],{"type":266,"value":224},{"type":261,"tag":262,"props":289,"children":290},{},[291,293,299,301,306,308,313],{"type":266,"value":292},"Cennik chmury oraz wiele poradników odnosi się do skomplikowanych pojęć dla osoby nietechnicznej. Pełno tam terminów takich jak ",{"type":261,"tag":294,"props":295,"children":296},"em",{},[297],{"type":266,"value":298},"active storage",{"type":266,"value":300},", ",{"type":261,"tag":294,"props":302,"children":303},{},[304],{"type":266,"value":305},"slot time",{"type":266,"value":307}," czy ",{"type":261,"tag":294,"props":309,"children":310},{},[311],{"type":266,"value":312},"streaming inserts",{"type":266,"value":314},". A wielu właścicieli sklepów zadaje sobie proste pytanie: \"Czy to mnie nie zrujnuje?\".",{"type":261,"tag":262,"props":316,"children":317},{},[318,320],{"type":266,"value":319},"Odpowiedź brzmi: ",{"type":261,"tag":321,"props":322,"children":323},"strong",{},[324],{"type":266,"value":325},"Nie, jeśli architektura danych jest poprawna.",{"type":261,"tag":262,"props":327,"children":328},{},[329],{"type":266,"value":330},"BigQuery jest jak potężna maszyna przemysłowa. Jest tania w utrzymaniu, o ile używasz jej mądrze. W tym poradniku przejdziemy przez wszystkie etapy kosztów i pokażemy, gdzie leży granica między \"zabawą dla analityków\" a realnym raportowaniem dla biznesu.",{"type":261,"tag":332,"props":333,"children":334},"hr",{},[],{"type":261,"tag":262,"props":336,"children":337},{},[338,343,345,349],{"type":261,"tag":321,"props":339,"children":340},{},[341],{"type":266,"value":342},"Ważne zastrzeżenie:",{"type":266,"value":344}," Najprościej byłoby napisać jak to bywa w różnych poradnikach \"To zależy...\".",{"type":261,"tag":346,"props":347,"children":348},"br",{},[],{"type":266,"value":350},"\nKoszty w chmurze są płynne. Mimo wszystko poniższe wyliczenia to realne estymacje dla średniego/dużego e-commerce, mające na celu pokazanie skali kosztów i różnic między podejściem \"surowym\" a zoptymalizowanym.",{"type":261,"tag":332,"props":352,"children":353},{},[],{"type":261,"tag":355,"props":356,"children":358},"h2",{"id":357},"część-1-magazyn-storage-tu-jesteśmy-bezpieczni",[359],{"type":266,"value":360},"Część 1: Magazyn (Storage) - Tu jesteśmy bezpieczni",{"type":261,"tag":262,"props":362,"children":363},{},[364,366,369],{"type":266,"value":365},"Zacznijmy od podstaw. BigQuery to w uproszczeniu gigantyczny Excel w chmurze. Pierwszym kosztem jest przechowywanie danych (np. z GA4, CRM, reklam).",{"type":261,"tag":346,"props":367,"children":368},{},[],{"type":266,"value":370},"\nPłacisz za to, ile miejsca na dyskach Google zajmują Twoje dane.",{"type":261,"tag":372,"props":373,"children":375},"h3",{"id":374},"przykład-sklep-generujący-10-mln-zdarzeń-miesięcznie-w-ga4",[376],{"type":266,"value":377},"Przykład: Sklep generujący 10 mln zdarzeń miesięcznie w GA4",{"type":261,"tag":262,"props":379,"children":380},{},[381],{"type":261,"tag":382,"props":383,"children":385},"img",{"alt":19,"src":384},"https://a.storyblok.com/f/296300/964x316/1ba15af773/image7.png",[],{"type":261,"tag":262,"props":387,"children":388},{},[389],{"type":266,"value":390},"Załóżmy, że Twój e-commerce generuje 10 milionów akcji miesięcznie (wyświetlenia, kliknięcia, zakupy).",{"type":261,"tag":392,"props":393,"children":394},"ul",{},[395,406,416],{"type":261,"tag":396,"props":397,"children":398},"li",{},[399,404],{"type":261,"tag":321,"props":400,"children":401},{},[402],{"type":266,"value":403},"GA4:",{"type":266,"value":405}," 10 mln. zdarzeń to ok. 10 GB miesięcznie (uśredniamy, że jedno zdarzenie to ok. 0.5 - 1 KB danych)",{"type":261,"tag":396,"props":407,"children":408},{},[409,414],{"type":261,"tag":321,"props":410,"children":411},{},[412],{"type":266,"value":413},"Dodatkowo baza zamówień/produktów z CRM oraz dane o kampaniach z systemu reklamowego:",{"type":266,"value":415}," ok. 5-8 GB miesięcznie.",{"type":261,"tag":396,"props":417,"children":418},{},[419,424],{"type":261,"tag":321,"props":420,"children":421},{},[422],{"type":266,"value":423},"Łącznie:",{"type":266,"value":425}," Przybywa Ci ok. 15-18 GB danych co miesiąc.",{"type":261,"tag":262,"props":427,"children":428},{},[429,431,434,436,439,441,444,449,451,456],{"type":266,"value":430},"Szacunkowy koszt:",{"type":261,"tag":346,"props":432,"children":433},{},[],{"type":266,"value":435},"\nGoogle oferuje pierwsze 10 GB miesięcznie za darmo. Każdy kolejny gigabajt to koszt rzędu $0.02 (ok. 8 groszy).",{"type":261,"tag":346,"props":437,"children":438},{},[],{"type":266,"value":440},"\nNawet jeśli zgromadzisz historię z 3 lat (ok. 500 GB), miesięczny koszt utrzymania tego archiwum zamknie się w okolicach $10 miesięcznie.",{"type":261,"tag":346,"props":442,"children":443},{},[],{"type":261,"tag":321,"props":445,"children":446},{},[447],{"type":266,"value":448},"Wniosek:",{"type":266,"value":450}," Samo ",{"type":261,"tag":294,"props":452,"children":453},{},[454],{"type":266,"value":455},"trzymanie",{"type":266,"value":457}," danych jest bardzo tanie.",{"type":261,"tag":332,"props":459,"children":460},{},[],{"type":261,"tag":355,"props":462,"children":464},{"id":463},"część-2-dostawa-danych-w-paczkach-czy-natychmiastowo",[465],{"type":266,"value":466},"Część 2: Dostawa danych - w paczkach czy natychmiastowo",{"type":261,"tag":262,"props":468,"children":469},{},[470],{"type":266,"value":471},"Masz dwie opcje przesyłania danych do BigQuery.",{"type":261,"tag":262,"props":473,"children":474},{},[475],{"type":266,"value":476},"Spójrzmy na przykład eksportu danych z Google Analytics 4:",{"type":261,"tag":478,"props":479,"children":480},"ol",{},[481,496],{"type":261,"tag":396,"props":482,"children":483},{},[484,489,491],{"type":261,"tag":321,"props":485,"children":486},{},[487],{"type":266,"value":488},"Export Dzienny (Daily):",{"type":266,"value":490}," Raz dziennie, rano, Google pakuje dane z wczoraj i wrzuca je do Twojego magazynu. ",{"type":261,"tag":321,"props":492,"children":493},{},[494],{"type":266,"value":495},"Koszt: 0 zł.",{"type":261,"tag":396,"props":497,"children":498},{},[499,504,506],{"type":261,"tag":321,"props":500,"children":501},{},[502],{"type":266,"value":503},"Streaming (Na żywo):",{"type":266,"value":505}," Dane wpadają do bazy minuty po zdarzeniu. ",{"type":261,"tag":321,"props":507,"children":508},{},[509],{"type":266,"value":510},"Koszt: ok. $0.05 za GB.",{"type":261,"tag":262,"props":512,"children":513},{},[514,518],{"type":261,"tag":321,"props":515,"children":516},{},[517],{"type":266,"value":448},{"type":266,"value":519}," BigQuery nie pobiera opłat w tym przypadku za sam proces zapisywania danych w formie paczek (tzw. batch). W przypadku streamingu (przesyłanie danych na żywo), również nie masz się czym martwić jeżeli Twoja skala nie jest bardzo duża (10 GB * $0.05 = $0.50 miesięcznie).",{"type":261,"tag":262,"props":521,"children":522},{},[523],{"type":261,"tag":382,"props":524,"children":526},{"alt":19,"src":525},"https://a.storyblok.com/f/296300/1024x751/39962a04d1/image8.png",[],{"type":261,"tag":332,"props":528,"children":529},{},[],{"type":261,"tag":355,"props":531,"children":533},{"id":532},"część-3-przetwarzanie-query-dwa-światy-kosztów",[534],{"type":266,"value":535},"Część 3: Przetwarzanie (Query) - Dwa Światy Kosztów",{"type":261,"tag":262,"props":537,"children":538},{},[539,541,546],{"type":266,"value":540},"Tutaj dochodzimy do sedna. BigQuery zarabia na ",{"type":261,"tag":321,"props":542,"children":543},{},[544],{"type":266,"value":545},"czytaniu",{"type":266,"value":547}," danych ($6.25 za 1 TB). Ale kto te dane czyta? Tutaj musimy rozróżnić dwa scenariusze, bo to one decydują o Twojej fakturze.",{"type":261,"tag":372,"props":549,"children":551},{"id":550},"świat-1-analityk-w-konsoli-czynnik-ludzki",[552],{"type":266,"value":553},"Świat 1: Analityk w konsoli (Czynnik Ludzki)",{"type":261,"tag":262,"props":555,"children":556},{},[557,559,564],{"type":266,"value":558},"To sytuacja, gdy Twój analityk wchodzi bezpośrednio do BigQuery i pisze kod SQL, żeby odpowiedzieć na pytanie \"ad hoc\", np. ",{"type":261,"tag":294,"props":560,"children":561},{},[562],{"type":266,"value":563},"\"Sprawdź mi, dlaczego w zeszły wtorek spadła konwersja z iPhone'ów\"",{"type":266,"value":565},".",{"type":261,"tag":262,"props":567,"children":568},{},[569,571,576],{"type":266,"value":570},"Tutaj koszt zależy w 100% od ",{"type":261,"tag":321,"props":572,"children":573},{},[574],{"type":266,"value":575},"umiejętności człowieka",{"type":266,"value":565},{"type":261,"tag":392,"props":578,"children":579},{},[580,596],{"type":261,"tag":396,"props":581,"children":582},{},[583,588,590,595],{"type":261,"tag":321,"props":584,"children":585},{},[586],{"type":266,"value":587},"Junior Analityk:",{"type":266,"value":589}," Może napisać zapytanie SELECT *, które bezmyślnie przeczyta całą bazę (terabajty danych), żeby znaleźć 5 wierszy. Koszt jednego zapytania: ",{"type":261,"tag":321,"props":591,"children":592},{},[593],{"type":266,"value":594},"$5",{"type":266,"value":565},{"type":261,"tag":396,"props":597,"children":598},{},[599,604,606,611],{"type":261,"tag":321,"props":600,"children":601},{},[602],{"type":266,"value":603},"Senior Analityk:",{"type":266,"value":605}," Użyje partycji, wybierze tylko potrzebne kolumny i ograniczy skanowanie. To samo zapytanie wykona za ",{"type":261,"tag":321,"props":607,"children":608},{},[609],{"type":266,"value":610},"$0.05",{"type":266,"value":565},{"type":261,"tag":262,"props":613,"children":614},{},[615],{"type":266,"value":616},"To jest \"laboratorium\". Tu koszty są jednorazowe i zależą od skilla. Ale biznes rzadko siedzi w konsoli. Biznes siedzi w raportach.",{"type":261,"tag":262,"props":618,"children":619},{},[620],{"type":261,"tag":382,"props":621,"children":623},{"alt":19,"src":622},"https://a.storyblok.com/f/296300/1024x565/363eb64c01/image3.png",[],{"type":261,"tag":372,"props":625,"children":627},{"id":626},"świat-2-biznes-w-looker-studio-automat",[628],{"type":266,"value":629},"Świat 2: Biznes w Looker Studio (Automat)",{"type":261,"tag":262,"props":631,"children":632},{},[633,635,638,640,643],{"type":266,"value":634},"To jest Twoja codzienność. Masz dashboard w Looker Studio. Nie piszesz tam kodu SQL - klikasz w filtry, zmieniasz daty.",{"type":261,"tag":346,"props":636,"children":637},{},[],{"type":266,"value":639},"\nAle Looker Studio w tle musi wysłać zapytanie SQL do BigQuery, żeby narysować wykres.",{"type":261,"tag":346,"props":641,"children":642},{},[],{"type":266,"value":644},"\nI tu pojawia się problem: Automat (Looker Studio) nie jest tak sprytny jak Senior Analityk. Jeśli podłączysz go do surowych danych, będzie generował ciężkie, drogie zapytania przy każdym Twoim kliknięciu.",{"type":261,"tag":262,"props":646,"children":647},{},[648],{"type":261,"tag":382,"props":649,"children":651},{"alt":19,"src":650},"https://a.storyblok.com/f/296300/1024x559/ef88e496c9/image5.png",[],{"type":261,"tag":262,"props":653,"children":654},{},[655],{"type":266,"value":656},"Niejednokrotnie pracowaliśmy przy projektach, w których optymalizowaliśmy koszty nieoptymalnych zapytań wykorzystywanych w raportach. Spójrzmy na poniższy przykład - każdego dnia raport generował coraz to większe koszty dochodząc do kwoty 53$ dziennie. Wprowadzając niewielkie zmiany w zapytaniach SQL (skill), raport działał dalej tak samo, ale koszty spadły niemal do 0. Najlepiej będzie to jednak przedstawić na przykładowym case study.",{"type":261,"tag":262,"props":658,"children":659},{},[660],{"type":261,"tag":382,"props":661,"children":663},{"alt":19,"src":662},"https://a.storyblok.com/f/296300/1480x529/da9271ddeb/image4.png",[],{"type":261,"tag":355,"props":665,"children":667},{"id":666},"część-4-case-study-ile-kosztuje-raport-kwartalny",[668],{"type":266,"value":669},"Część 4: Case Study - Ile kosztuje Raport Kwartalny?",{"type":261,"tag":262,"props":671,"children":672},{},[673,675,680],{"type":266,"value":674},"Załóżmy, że masz dashboard sprzedażowy z ostatnich 90 dni. Korzysta z niego ",{"type":261,"tag":321,"props":676,"children":677},{},[678],{"type":266,"value":679},"5 osób",{"type":266,"value":681}," (zarząd, marketing).",{"type":261,"tag":372,"props":683,"children":685},{"id":684},"scenariusz-a-droga-na-żywca-looker-studio-surowe-dane",[686],{"type":266,"value":687},"Scenariusz A: Droga \"Na żywca\" (Looker Studio -> Surowe Dane)",{"type":261,"tag":262,"props":689,"children":690},{},[691,693,696],{"type":266,"value":692},"Podpinasz raport bezpośrednio do tabel z surowymi zdarzeniami GA4.",{"type":261,"tag":346,"props":694,"children":695},{},[],{"type":266,"value":697},"\nJeden dzień surowych danych waży 1 GB. Raport z 90 dni musi więc \"dotknąć\" 90 GB danych.",{"type":261,"tag":478,"props":699,"children":700},{},[701,711],{"type":261,"tag":396,"props":702,"children":703},{},[704,709],{"type":261,"tag":321,"props":705,"children":706},{},[707],{"type":266,"value":708},"Pułapka interakcji:",{"type":266,"value":710}," Looker Studio jest \"rozrzutne\". Aby wyświetlić dashboard z 10 elementami (wykresy, liczniki), potrafi wysłać 10 osobnych zapytań.",{"type":261,"tag":396,"props":712,"children":713},{},[714,719,721],{"type":261,"tag":321,"props":715,"children":716},{},[717],{"type":266,"value":718},"Brak Cache:",{"type":266,"value":720}," BigQuery ma pamięć podręczną, ale działa ona tylko, jeśli nic nie zmieniasz.\n",{"type":261,"tag":392,"props":722,"children":723},{},[724,729,734,746],{"type":261,"tag":396,"props":725,"children":726},{},[727],{"type":266,"value":728},"Manager wchodzi na raport.",{"type":261,"tag":396,"props":730,"children":731},{},[732],{"type":266,"value":733},"Klika filtr \"Kampania Black Friday\".",{"type":261,"tag":396,"props":735,"children":736},{},[737,739,744],{"type":266,"value":738},"Cache przestaje działać. BigQuery musi od nowa przesiać ",{"type":261,"tag":321,"props":740,"children":741},{},[742],{"type":266,"value":743},"90 GB",{"type":266,"value":745},", żeby wyciąć tylko tę kampanię.",{"type":261,"tag":396,"props":747,"children":748},{},[749],{"type":266,"value":750},"Manager zmienia sortowanie tabeli. Znów 90 GB.",{"type":261,"tag":262,"props":752,"children":753},{},[754,756,759,761,764],{"type":266,"value":755},"Efekt:",{"type":261,"tag":346,"props":757,"children":758},{},[],{"type":266,"value":760},"\n5 osób × 10 zmian filtrów dziennie × gigabajty danych.",{"type":261,"tag":346,"props":762,"children":763},{},[],{"type":266,"value":765},"\nFaktura staje się nieprzewidywalna. Może to być $50, a może $300, jeśli zespół będzie bardzo aktywny. Płacisz za każdym razem, gdy ktoś dotknie raportu.",{"type":261,"tag":372,"props":767,"children":769},{"id":768},"scenariusz-b-podejście-data-mart-witcloud",[770],{"type":266,"value":771},"Scenariusz B: Podejście \"Data Mart\" (WitCloud)",{"type":261,"tag":262,"props":773,"children":774},{},[775,777],{"type":266,"value":776},"To podejście opiera się na zasadzie: ",{"type":261,"tag":321,"props":778,"children":779},{},[780],{"type":266,"value":781},"Przygotujmy dane raz, a porządnie.",{"type":261,"tag":262,"props":783,"children":784},{},[785],{"type":266,"value":786},"Proces wygląda tak:",{"type":261,"tag":478,"props":788,"children":789},{},[790,807,824],{"type":261,"tag":396,"props":791,"children":792},{},[793,798,800,805],{"type":261,"tag":321,"props":794,"children":795},{},[796],{"type":266,"value":797},"Zadanie automatyczne (Job):",{"type":266,"value":799}," Codziennie rano system pobiera dane ",{"type":261,"tag":321,"props":801,"children":802},{},[803],{"type":266,"value":804},"tylko z wczorajszego dnia",{"type":266,"value":806}," (1 GB surowych danych).",{"type":261,"tag":396,"props":808,"children":809},{},[810,815,817,822],{"type":261,"tag":321,"props":811,"children":812},{},[813],{"type":266,"value":814},"Agregacja:",{"type":266,"value":816}," System wyciąga to, co ważne i zapisuje w ",{"type":261,"tag":321,"props":818,"children":819},{},[820],{"type":266,"value":821},"Data Marcie",{"type":266,"value":823},". Wynikowa \"cegiełka\" z jednego dnia waży np. 20 MB (a nie 1000 MB).",{"type":261,"tag":396,"props":825,"children":826},{},[827,832],{"type":261,"tag":321,"props":828,"children":829},{},[830],{"type":266,"value":831},"Dokładanie cegiełki:",{"type":266,"value":833}," Ta mała porcja danych jest dołączana do tabeli głównej jako nowa partycja.",{"type":261,"tag":262,"props":835,"children":836},{},[837,839,842,844,847,849,852],{"type":266,"value":838},"Co się dzieje w raporcie?",{"type":261,"tag":346,"props":840,"children":841},{},[],{"type":266,"value":843},"\nGdy Manager zmienia daty, filtruje i sortuje, Looker Studio odpytuje Data Mart.",{"type":261,"tag":346,"props":845,"children":846},{},[],{"type":266,"value":848},"\nZamiast skanować 90 GB, skanuje 90 małych \"cegiełek\" (łącznie 1.8 GB).",{"type":261,"tag":346,"props":850,"children":851},{},[],{"type":261,"tag":321,"props":853,"children":854},{},[855],{"type":266,"value":856},"Szacunkowy koszt miesięczny:",{"type":261,"tag":478,"props":858,"children":859},{},[860,883],{"type":261,"tag":396,"props":861,"children":862},{},[863,868,870,875,877,882],{"type":261,"tag":321,"props":864,"children":865},{},[866],{"type":266,"value":867},"Codzienne przetwarzanie:",{"type":266,"value":869}," Płacisz rano za przeliczenie ",{"type":261,"tag":294,"props":871,"children":872},{},[873],{"type":266,"value":874},"tylko jednego dnia",{"type":266,"value":876}," surowych danych. To koszt stały, ok. ",{"type":261,"tag":321,"props":878,"children":879},{},[880],{"type":266,"value":881},"$15 - $25 miesięcznie",{"type":266,"value":565},{"type":261,"tag":396,"props":884,"children":885},{},[886,891,893,898],{"type":261,"tag":321,"props":887,"children":888},{},[889],{"type":266,"value":890},"Raportowanie:",{"type":266,"value":892}," Ponieważ pracujesz na lekkich danych, setki kliknięć Twoich managerów generują koszt rzędu ",{"type":261,"tag":321,"props":894,"children":895},{},[896],{"type":266,"value":897},"$2 - $5 miesięcznie",{"type":266,"value":565},{"type":261,"tag":262,"props":900,"children":901},{},[902,907,909,914],{"type":261,"tag":321,"props":903,"children":904},{},[905],{"type":266,"value":906},"Razem:",{"type":266,"value":908}," ",{"type":261,"tag":321,"props":910,"children":911},{},[912],{"type":266,"value":913},"$20 - $30 miesięcznie",{"type":266,"value":915},". Stała kwota, niezależna od tego, jak często sprawdzacie wyniki.",{"type":261,"tag":262,"props":917,"children":918},{},[919],{"type":261,"tag":382,"props":920,"children":922},{"alt":19,"src":921},"https://a.storyblok.com/f/296300/1024x559/926a3bc7f0/image6.png",[],{"type":261,"tag":332,"props":924,"children":925},{},[],{"type":261,"tag":355,"props":927,"children":929},{"id":928},"część-5-dlaczego-to-działa-dwa-filary-oszczędności",[930],{"type":266,"value":931},"Część 5: Dlaczego to działa? Dwa filary oszczędności",{"type":261,"tag":262,"props":933,"children":934},{},[935,937,942],{"type":266,"value":936},"Sekret niskich kosztów w podejściu Data Mart opiera się na dwóch mechanizmach technicznych. Partycjonowanie to tylko połowa sukcesu. Drugą połową jest ",{"type":261,"tag":321,"props":938,"children":939},{},[940],{"type":266,"value":941},"Agregacja (Zmniejszanie szczegółowości)",{"type":266,"value":565},{"type":261,"tag":262,"props":944,"children":945},{},[946],{"type":266,"value":947},"Aby to zrozumieć, wyobraź sobie działanie wielkiego supermarketu.",{"type":261,"tag":372,"props":949,"children":951},{"id":950},"filar-1-agregacja-zamiast-miliona-paragonów-podsumowanie",[952],{"type":266,"value":953},"Filar 1: Agregacja (Zamiast miliona paragonów - podsumowanie)",{"type":261,"tag":392,"props":955,"children":956},{},[957,982],{"type":261,"tag":396,"props":958,"children":959},{},[960,965,967,972,974],{"type":261,"tag":321,"props":961,"children":962},{},[963],{"type":266,"value":964},"Surowe Dane (Raw):",{"type":266,"value":966}," To wielki wór, w którym trzymasz ",{"type":261,"tag":321,"props":968,"children":969},{},[970],{"type":266,"value":971},"wszystkie paragony",{"type":266,"value":973}," ze wszystkich kas. Każdy paragon ma listę produktów, godzinę, kasjera. Jeśli masz 10 tysięcy klientów dziennie, masz 10 tysięcy długich paragonów (wierszy w bazie).\n",{"type":261,"tag":392,"props":975,"children":976},{},[977],{"type":261,"tag":396,"props":978,"children":979},{},[980],{"type":266,"value":981},"Gdy pytasz BigQuery o przychód, baza musi wziąć każdy paragon do ręki i zsumować kwoty. To trwa i kosztuje, bo baza \"mieli\" ogromną ilość informacji.",{"type":261,"tag":396,"props":983,"children":984},{},[985,990,992,997,999],{"type":261,"tag":321,"props":986,"children":987},{},[988],{"type":266,"value":989},"Data Mart (Agregacja):",{"type":266,"value":991}," To sytuacja, w której księgowa raz dziennie bierze te 10 tysięcy paragonów, liczy to co ważne i zapisuje na jednej kartce: ",{"type":261,"tag":294,"props":993,"children":994},{},[995],{"type":266,"value":996},"\"Dzień: Wtorek. Sprzedaż łącznie: 50 000 zł. Ilość transakcji: 10 000\"",{"type":266,"value":998},".\n",{"type":261,"tag":392,"props":1000,"children":1001},{},[1002,1007],{"type":261,"tag":396,"props":1003,"children":1004},{},[1005],{"type":266,"value":1006},"Tę jedną kartkę (wynik agregacji) wkładamy do Data Martu.",{"type":261,"tag":396,"props":1008,"children":1009},{},[1010,1014],{"type":261,"tag":321,"props":1011,"children":1012},{},[1013],{"type":266,"value":755},{"type":266,"value":1015}," Zamiast trzymać miliony wierszy o każdym kliknięciu, trzymamy kilkanaście wierszy z podsumowaniem dnia. Tabela staje się 1000x lżejsza.",{"type":261,"tag":262,"props":1017,"children":1018},{},[1019],{"type":261,"tag":382,"props":1020,"children":1022},{"alt":19,"src":1021},"https://a.storyblok.com/f/296300/1024x559/43e4ca93c0/image1.png",[],{"type":261,"tag":372,"props":1024,"children":1026},{"id":1025},"filar-2-partycjonowanie-porządek-w-segregatorze",[1027],{"type":266,"value":1028},"Filar 2: Partycjonowanie (Porządek w segregatorze)",{"type":261,"tag":262,"props":1030,"children":1031},{},[1032],{"type":266,"value":1033},"Skoro mamy już te lekkie \"kartki z podsumowaniem dnia\", musimy je dobrze ułożyć.",{"type":261,"tag":392,"props":1035,"children":1036},{},[1037,1047],{"type":261,"tag":396,"props":1038,"children":1039},{},[1040,1045],{"type":261,"tag":321,"props":1041,"children":1042},{},[1043],{"type":266,"value":1044},"Bez Partycji:",{"type":266,"value":1046}," Kartki z podsumowaniami leżą na jednej stercie. Żeby znaleźć \"Lipiec\", musisz przerzucić wszystko.",{"type":261,"tag":396,"props":1048,"children":1049},{},[1050,1055],{"type":261,"tag":321,"props":1051,"children":1052},{},[1053],{"type":266,"value":1054},"Z Partycjami:",{"type":266,"value":1056}," Kartki są wpięte do segregatora, gdzie każda koszulka jest opisana datą.",{"type":261,"tag":262,"props":1058,"children":1059},{},[1060],{"type":261,"tag":382,"props":1061,"children":1063},{"alt":19,"src":1062},"https://a.storyblok.com/f/296300/1024x559/e9ff619d89/image2.png",[],{"type":261,"tag":372,"props":1065,"children":1067},{"id":1066},"jak-to-działa-razem",[1068],{"type":266,"value":1069},"Jak to działa razem?",{"type":261,"tag":262,"props":1071,"children":1072},{},[1073],{"type":266,"value":1074},"Gdy Twój Manager otwiera Dashboard w Looker Studio i prosi o wyniki z ostatniego kwartału:",{"type":261,"tag":478,"props":1076,"children":1077},{},[1078,1090],{"type":261,"tag":396,"props":1079,"children":1080},{},[1081,1083,1088],{"type":266,"value":1082},"Dzięki ",{"type":261,"tag":321,"props":1084,"children":1085},{},[1086],{"type":266,"value":1087},"Partycjonowaniu",{"type":266,"value":1089},", BigQuery otwiera tylko 90 konkretnych koszulek w segregatorze (nie dotyka reszty roku).",{"type":261,"tag":396,"props":1091,"children":1092},{},[1093,1094,1099],{"type":266,"value":1082},{"type":261,"tag":321,"props":1095,"children":1096},{},[1097],{"type":266,"value":1098},"Agregacji",{"type":266,"value":1100},", w każdej koszulce znajduje nie tysiące paragonów, ale jedną kartkę z podsumowaniem.",{"type":261,"tag":262,"props":1102,"children":1103},{},[1104,1106,1111],{"type":266,"value":1105},"Dlatego raport ładuje się w ułamku sekundy i kosztuje ułamki grosza. BigQuery nie musi już niczego liczyć (bo policzyliśmy to rano) - ono tylko ",{"type":261,"tag":321,"props":1107,"children":1108},{},[1109],{"type":266,"value":1110},"odczytuje",{"type":266,"value":1112}," gotowy wynik.",{"type":261,"tag":332,"props":1114,"children":1115},{},[],{"type":261,"tag":355,"props":1117,"children":1119},{"id":1118},"podsumowanie-ile-to-w-końcu-kosztuje",[1120],{"type":266,"value":1121},"Podsumowanie: Ile to w końcu kosztuje?",{"type":261,"tag":262,"props":1123,"children":1124},{},[1125],{"type":266,"value":1126},"Dla typowego e-commerce z 10 mln zdarzeń miesięcznie, realny rachunek za BigQuery przy dobrze zaprojektowanej architekturze wygląda następująco:",{"type":261,"tag":1128,"props":1129,"children":1130},"table",{},[1131,1156],{"type":261,"tag":1132,"props":1133,"children":1134},"thead",{},[1135],{"type":261,"tag":1136,"props":1137,"children":1138},"tr",{},[1139,1146,1151],{"type":261,"tag":1140,"props":1141,"children":1143},"th",{"align":1142},"left",[1144],{"type":266,"value":1145},"Rodzaj kosztu",{"type":261,"tag":1140,"props":1147,"children":1148},{"align":1142},[1149],{"type":266,"value":1150},"Opis",{"type":261,"tag":1140,"props":1152,"children":1153},{"align":1142},[1154],{"type":266,"value":1155},"Szacunkowa kwota",{"type":261,"tag":1157,"props":1158,"children":1159},"tbody",{},[1160,1187,1218,1242],{"type":261,"tag":1136,"props":1161,"children":1162},{},[1163,1172,1177],{"type":261,"tag":1164,"props":1165,"children":1166},"td",{"align":1142},[1167],{"type":261,"tag":321,"props":1168,"children":1169},{},[1170],{"type":266,"value":1171},"Magazynowanie (Storage)",{"type":261,"tag":1164,"props":1173,"children":1174},{"align":1142},[1175],{"type":266,"value":1176},"Utrzymanie danych z kilku lat (GA4, Ads, CRM).",{"type":261,"tag":1164,"props":1178,"children":1179},{"align":1142},[1180,1185],{"type":261,"tag":321,"props":1181,"children":1182},{},[1183],{"type":266,"value":1184},"$5 - $15",{"type":266,"value":1186}," (zależnie od historii)",{"type":261,"tag":1136,"props":1188,"children":1189},{},[1190,1198,1210],{"type":261,"tag":1164,"props":1191,"children":1192},{"align":1142},[1193],{"type":261,"tag":321,"props":1194,"children":1195},{},[1196],{"type":266,"value":1197},"Przetwarzanie (ETL)",{"type":261,"tag":1164,"props":1199,"children":1200},{"align":1142},[1201,1203,1208],{"type":266,"value":1202},"Codzienne przeliczanie ",{"type":261,"tag":294,"props":1204,"children":1205},{},[1206],{"type":266,"value":1207},"tylko nowych",{"type":266,"value":1209}," danych do Data Martów.",{"type":261,"tag":1164,"props":1211,"children":1212},{"align":1142},[1213],{"type":261,"tag":321,"props":1214,"children":1215},{},[1216],{"type":266,"value":1217},"$15 - $25",{"type":261,"tag":1136,"props":1219,"children":1220},{},[1221,1229,1234],{"type":261,"tag":1164,"props":1222,"children":1223},{"align":1142},[1224],{"type":261,"tag":321,"props":1225,"children":1226},{},[1227],{"type":266,"value":1228},"Raportowanie (Query)",{"type":261,"tag":1164,"props":1230,"children":1231},{"align":1142},[1232],{"type":266,"value":1233},"Korzystanie z dashboardów w Looker Studio (na lekkich danych).",{"type":261,"tag":1164,"props":1235,"children":1236},{"align":1142},[1237],{"type":261,"tag":321,"props":1238,"children":1239},{},[1240],{"type":266,"value":1241},"$1 - $5",{"type":261,"tag":1136,"props":1243,"children":1244},{},[1245,1253,1256],{"type":261,"tag":1164,"props":1246,"children":1247},{"align":1142},[1248],{"type":261,"tag":321,"props":1249,"children":1250},{},[1251],{"type":266,"value":1252},"RAZEM",{"type":261,"tag":1164,"props":1254,"children":1255},{"align":1142},[],{"type":261,"tag":1164,"props":1257,"children":1258},{"align":1142},[1259],{"type":261,"tag":321,"props":1260,"children":1261},{},[1262],{"type":266,"value":1263},"$25 - $45 / miesięcznie",{"type":261,"tag":262,"props":1265,"children":1266},{},[1267,1269,1273],{"type":266,"value":1268},"BigQuery nie jest drogie - droga jest niewiedza. Ryzykowne jest dawanie surowych danych w ręce (i narzędzia) osób, które nie optymalizują zapytań. Wdrożenie warstwy pośredniej (Data Martów) - czy to ręcznie, czy przez platformy typu ",{"type":261,"tag":321,"props":1270,"children":1271},{},[1272],{"type":266,"value":86},{"type":266,"value":1274}," - zamienia nieprzewidywalną fakturę na niski, stały abonament.",{"title":19,"searchDepth":268,"depth":268,"links":1276},[1277,1281,1282,1286,1290,1295],{"id":357,"depth":268,"text":360,"children":1278},[1279],{"id":374,"depth":1280,"text":377},3,{"id":463,"depth":268,"text":466},{"id":532,"depth":268,"text":535,"children":1283},[1284,1285],{"id":550,"depth":1280,"text":553},{"id":626,"depth":1280,"text":629},{"id":666,"depth":268,"text":669,"children":1287},[1288,1289],{"id":684,"depth":1280,"text":687},{"id":768,"depth":1280,"text":771},{"id":928,"depth":268,"text":931,"children":1291},[1292,1293,1294],{"id":950,"depth":1280,"text":953},{"id":1025,"depth":1280,"text":1028},{"id":1066,"depth":1280,"text":1069},{"id":1118,"depth":268,"text":1121},1788963904809]