BigQuery-Reporting,ohne die Abfrage zu schreiben.

Bitten Sie den Connector Agent auf der Connect-Seite von Querri, BigQuery einzurichten, oder wählen Sie es aus dem Katalog. Melden Sie sich bei Google an und erteilen Sie Lesezugriff, wählen Sie ein Projekt und dann alle Tabellen, bestimmte Tabellen oder eigene Abfragen. Nichts wird geladen, bevor Sie das Laden und einen Zeitplan bestätigen.

Standardmäßig jede Tabelle in jedem Dataset des gewählten Projekts. Sie können stattdessen Tabellen nach Dataset und Namen auswählen, Views und externe Tabellen einbeziehen oder benannte eigene SQL-Abfragen als zusätzliche Quellen speichern. Querri kann nur lesen, worauf das verbundene Google-Konto Zugriff hat.

Vollständige Aktualisierungen werden täglich, wöchentlich oder monatlich geplant. Inkrementelle Synchronisierungen können stündlich, täglich oder wöchentlich anhand einer Spalte Ihrer Wahl laufen und laden nur Zeilen oberhalb des zuletzt gesehenen Werts. Inkrementelle Synchronisierungen erfassen keine gelöschten Zeilen; eine vollständige Aktualisierung schon. Eine manuelle Synchronisierung steht bereit, wann immer Sie aktuellere Zahlen brauchen.

Nein. Querri liest aus BigQuery nur. Der Google-Zugriff, den es anfordert, ist reiner Lesezugriff, es kann Ihre Tabellen oder Datasets also nicht anlegen, aktualisieren oder löschen. Ihre Datensätze bleiben genau so, wie sie sind; Querri arbeitet mit seiner eigenen Kopie.

Querri sieht nur die Projekte, Datasets und Tabellen, die das Google-Konto lesen kann, mit dem Sie sich anmelden. Verbinden Sie sich also mit einem Konto, dessen Zugriff zu dem passt, was Sie in Querri haben möchten. Sobald die Daten in Querri sind, bestimmen Querris eigene Freigaben und Regeln auf Zeilenebene den Zugriff auf Zeilen; die Google-Cloud-Rollen einer Person werden nicht übernommen.

Nein. Querri kopiert die ausgewählten Tabellen nach Zeitplan in seinen eigenen Speicher, und Fragen, Dashboards und Berichte laufen auf dieser Kopie. Das heißt auch, dass Antworten so aktuell sind wie die letzte Synchronisierung. Wählen Sie also einen Zeitplan, der dazu passt, wie aktuell die Zahlen sein müssen.

Das kann sein. Synchronisierungen lesen aus BigQuery, und Views, eigene Abfragen und inkrementelle Prüfungen führen Query-Jobs im ausgewählten Projekt aus, die diesem Projekt in Rechnung gestellt werden. Querri setzt keine Byte-Obergrenze und zeigt vor einem Job keine Kostenschätzung an. Prüfen Sie daher in der BigQuery-Konsole, was eine eigene Abfrage scannt, bevor Sie sie speichern.

Verbinden Sie beide, und Querri bringt Ihre GA4- oder Google-Ads-Daten mit HubSpot-Kontakten und -Deals zusammen, zum Beispiel über die UTM-Kampagne oder die E-Mail-Adresse. So können Sie Ausgaben bis in die Pipeline verfolgen. Die Abfrage hinter jeder Antwort zeigt, wie Datensätze zugeordnet wurden, sodass jeder die Verknüpfung prüfen kann.

Verbinden Sie beide, und Querri verknüpft in der Bibliothek Warehouse-Tabellen wie Web-Sitzungen oder Produktnutzung mit Salesforce-Accounts und -Opportunities. Legen Sie einmal fest, was als aktiver Account oder qualifizierter Besuch zählt, und jede Antwort, jedes Dashboard und jeder Bericht nutzt danach dieselbe Definition.

Verbinden Sie das Projekt, das Ihren GA4-Export enthält. Weil der Export Ereignisparameter in verschachtelten Datensätzen speichert, speichern viele Teams eine eigene Abfrage, die die genutzten Felder herausholt. Sagen Sie Querri einmal, was als Conversion zählt, und fragen Sie dann, oder planen Sie den Bericht so, dass er jeden Montag ankommt.

Synchronisieren Sie die Google-Ads-Exporttabellen und Ihre Bestellungen oder CRM-Deals. Querri ordnet die Ausgaben den Kunden zu, die jede Kampagne gebracht hat, nach Ihrer Regel, was ein Neukunde ist, und kann das Ergebnis als KPI verfolgen, sodass Sie sehen, wie es sich von Monat zu Monat bewegt.

Ja. Speichern Sie die Analyse als Projekt und geben Sie ihr einen Zeitplan. Jeder Lauf nutzt die zuletzt synchronisierten Tabellen und liefert eine formatierte Excel-Arbeitsmappe per E-Mail, bei Bedarf aufgeteilt in eine Version pro Person oder Kunde. Niemand muss mehr eine CSV-Datei herunterladen.

Ja. Beschreiben Sie, was Sie sehen möchten, oder beginnen Sie mit einem Screenshot eines Berichts, auf den Sie sich bereits verlassen. Änderungen sind Anfragen in einfacher Sprache, Diagramme können BigQuery mit CRM- und Finanztabellen kombinieren, und der Zugriff lässt sich so eingrenzen, dass jede Person oder jeder Kunde nur die eigenen Zeilen sieht.

Ja. Sobald Querri mit Claude oder ChatGPT verbunden ist, greift der Assistent auf Ihre Bibliothek zu und folgt Ihren Definitionen, beschränkt auf die Zeilen, die diese Person in Querri sehen kann. Er arbeitet mit der synchronisierten Kopie, eine Frage in Claude schickt also keine neue Abfrage an BigQuery.

Derzeit nicht. Der BigQuery-Connector nutzt nur die Google-Anmeldung, mit zwei Bereichen für reinen Lesezugriff, und speichert ein Refresh-Token, damit geplante Synchronisierungen weiterlaufen. Wenn Sie eine eigene Identität möchten, melden Sie sich mit einem für Querri eingerichteten Google-Konto an und geben Sie ihm Zugriff auf die gewünschten Datasets.

Nein. Jede BigQuery-Verbindung verweist auf ein Projekt, das Sie nach der Anmeldung aus einer Liste wählen. Um Daten aus einem anderen Projekt einzubinden, fügen Sie eine zweite Verbindung hinzu. Beide landen in derselben Bibliothek, Fragen können sich also trotzdem über beide erstrecken.

Eigene Abfragen können nicht inkrementell synchronisiert werden, es gibt keine Schaltfläche zum Testen der Verbindung, und Querri fügt keine eigenen Partitionsfilter oder Byte-Limits hinzu; die einzige Begrenzung ist ein optionales Zeilenlimit pro Verbindung. Es schreibt nie zurück in BigQuery, und Fragen laufen auf der zuletzt synchronisierten Kopie statt live.

Querri ist nach SOC 2 Type II, HIPAA und ISO 27001:2022 zertifiziert. Der Zugriff wird über die Anmeldung von Google selbst mit Bereichen für reinen Lesezugriff erteilt, es läuft also kein Passwort und keine Schlüsseldatei über Querri. Daten werden bei der Übertragung und im Ruhezustand verschlüsselt und nie zum Trainieren eines Modells verwendet.