BigQuery Sandbox to darmowa wersja usługi Google do analizy danych, w której można ćwiczyć zapytania, czyli polecenia wyszukujące i przeliczające dane, na własnych i publicznych tabelach. Nie wymaga karty płatniczej ani włączania płatności. W zamian ogranicza miejsce na dane i miesięczną ilość analiz, a tabele usuwa po 60 dniach, dlatego aktualne limity przed startem warto sprawdzić w dokumentacji Google (stan na 27 października 2026 r.).
Co znajdziesz w tym artykule?
Czym jest środowisko testowe BigQuery w analityce e-commerce?
Wygasanie tabel po 60 dniach i zarządzanie retencją danych
Limity techniczne: miejsce na dane i limit zapytań
Obsługa BigQuery Studio: interfejs, zapytania i integracja z GA4
Jak krok po kroku włączyć bezpłatny projekt bez karty płatniczej?
BigQuery Sandbox a pełne konto płatne: porównanie możliwości
Kiedy Google pobiera opłaty i jak zabezpieczyć budżet?
Najczęściej zadawane pytania (FAQ)
Środowisko testowe BigQuery to bezpłatny tryb do nauki analizy danych i sprawdzania pomysłów bez podpinania płatności. Sam BigQuery jest bezserwerową hurtownią danych, czyli usługą Google do przechowywania i analizowania dużych zbiorów danych, w której serwerami zarządza dostawca.
Hurtownia danych to miejsce, do którego trafiają informacje z wielu źródeł, np. ze sklepu internetowego i narzędzi reklamowych, aby można je było zestawiać i przeliczać w jednym miejscu. BigQuery Sandbox to darmowy wariant tej usługi: korzysta z tego samego silnika co płatna wersja, ale ogranicza ilość przechowywanych i przetwarzanych danych oraz czas życia tabel. Szczegóły opisują dalsze sekcje.
Analityk, marketer albo programista dostaje w nim działający silnik analityczny z limitem analizy zapytań, który odnawia się co miesiąc. Polecenia wpisuje w języku GoogleSQL, który służy do wyszukiwania, łączenia i przeliczania danych w tabelach.
Weźmy marketera sklepu z kosmetykami, który chce wiedzieć, czy zakupy ze strony trafiają do danych bez braków. Wczytuje do sandboxa zapisy kliknięć i zakupów, zlicza transakcje z jednego dnia i porównuje wynik z panelem sklepu. Na tych samych danych sprawdza potem, które produkty klienci najczęściej kupują razem.
Do takich testów sandbox zwykle wystarcza. Nie zastąpi jednak hurtowni z wielomiesięczną historią, bo tabele w nim wygasają.
Najważniejsze: Firma może najpierw ocenić w sandboxie jakość swoich danych, a dopiero potem decydować o płatnym środowisku.
BigQuery Sandbox automatycznie usuwa tabele, widoki (zapisane zapytania, które działają jak tabele) i partycje (części tabel, np. z danymi z jednego dnia) po 60 dniach. To domyślne wygasanie tabel po 60 dniach, które Google ustawia jako ograniczenie bezpłatnego trybu, bo sandbox służy do testów, a nie do stałego przechowywania danych.
Termin zapisuje się w ustawieniach każdego zbioru danych (dataset), czyli kontenera grupującego tabele i widoki. Wygasania nie można więc wyłączyć w samym sandboxie, a zmiana tego ustawienia jest możliwa dopiero po włączeniu rozliczeń.
Załóżmy, że sklep internetowy przesyła do sandboxa dzienny eksport z Google Analytics 4 (GA4), narzędzia Google zbierającego dane o działaniach użytkowników w witrynach i aplikacjach. Każdego dnia powstaje nowa tabela, a najstarsze kolejno wygasają. W listopadzie sklep nie porówna więc wyników z poprzednim listopadem, bo tamte tabele już zniknęły.
Czas przechowywania danych przed ich usunięciem to retencja danych. Dane można zabezpieczyć bez włączania rozliczeń: przed upływem terminu wystarczy zapisać najważniejsze tabele lub wyniki zapytań do plików CSV albo JSON (popularnych formatów zapisu tabel, które otworzy też arkusz kalkulacyjny lub edytor tekstu) i trzymać je w firmowym archiwum.
Najważniejsze: Przed podłączeniem eksportu GA4 do sandboxa dobrze jest ustalić, kto i jak często archiwizuje dane potrzebne do porównań w dłuższym okresie.
W BigQuery Sandbox obowiązują dwa podstawowe limity. Pierwszy to 10 GB miejsca na przechowywane dane (dokładnie 10 GiB, czyli nieco więcej niż 10 GB), a drugi to 1 TB danych przetwarzanych w zapytaniach miesięcznie (dokładnie 1 TiB, czyli nieco ponad 1 TB). Limit miejsca to stała pojemność, a niewykorzystana część limitu zapytań nie przechodzi na kolejny miesiąc.
Liczba możliwych zapytań zależy od ilości odczytanych danych. W zwykłych tabelach polecenie LIMIT skraca wynik do wskazanej liczby wierszy, ale nie zmniejsza ilości odczytywanych danych. Odczyt można ograniczyć, wybierając w zapytaniu tylko potrzebne kolumny i filtrując dane w tabeli z partycjonowaniem, czyli podziałem na części, np. według dnia, tak aby zbędne części zostały pominięte.
Najważniejsze: Najpierw sprawdza się, ile danych przetworzy zapytanie, a dopiero potem uruchamia się je.
BigQuery Studio to część konsoli Google Cloud, czyli panelu chmury Google obsługiwanego w przeglądarce, w której BigQuery Sandbox pozwala pisać i uruchamiać zapytania GoogleSQL na własnych tabelach i publicznych zbiorach danych. Te same operacje programiści mogą wykonać także z poziomu własnych narzędzi i programów. Na start wystarcza jednak przeglądarka i adres console.cloud.google.com/bigquery.
Sandbox przyjmuje dane z GA4 przez eksport wsadowy, czyli przekazywanie ich zbiorczą paczką raz dziennie. Połączenie ustawia się w panelu administracyjnym GA4, w sekcji połączeń z usługami Google: wybiera się projekt, lokalizację zbioru danych i eksport dzienny. Lokalizacji nie da się później zmienić, dlatego region powinien od początku odpowiadać firmowym zasadom przechowywania danych.
Przykład: właścicielka sklepu z odzieżą łączy GA4 z sandboxem w poniedziałek. Następnego dnia sprawdza w konsoli, czy pojawił się zbiór o nazwie zaczynającej się od „analytics_” i pierwsza tabela dzienna. Przegląda kilka wierszy, aby upewnić się, że zapisują się zdarzenia, np. wyświetlenia produktów.
Własne pliki można importować m.in. w formatach CSV, JSON z jednym rekordem w każdej linii i Avro. Zapytania pozwalają łączyć tabele, zagnieżdżać jedno zapytanie w drugim i liczyć wartości w obrębie grup wierszy, np. sumy narastające sprzedaży. Zapytania z odpowiednimi filtrami mogą odczytywać mniej danych także dzięki klastrowaniu tabel, czyli uporządkowaniu danych według wybranych kolumn, po których często się filtruje.
Przed uruchomieniem zapytania edytor pokazuje szacowany wolumen skanowanych bajtów, czyli przewidywaną ilość danych do odczytania. Ta wartość dotyczy jednego zapytania, a łączne zużycie w miesiącu trzeba śledzić osobno. Dokumentacja BigQuery znajduje się w serwisie dokumentacji Google Cloud i w menu pomocy konsoli. Nazwy opcji mogą się zmieniać, więc przed konfiguracją dobrze je porównać z aktualną wersją dokumentacji.
Najważniejsze: Pierwsze zapytania najlepiej testować na jednej tabeli dziennej, a nie na całym zbiorze, aby nie zużywać limitu analizy.
BigQuery Sandbox włącza się bez karty płatniczej. Wystarczy konto Google i nowy projekt w Google Cloud Platform (GCP), czyli w chmurze Google. Na żadnym etapie konsola nie prosi o dane karty, bo na tej ścieżce nie powstaje konto rozliczeniowe.
Powstaje projekt GCP bez rozliczeń, czyli projekt bez przypisanej płatności, który nie nalicza opłat. Konsola oznacza wtedy tryb sandbox, choć wygląd tego oznaczenia może się zmieniać. Płatne konto to osobna ścieżka: wymaga świadomego podłączenia konta rozliczeniowego w ustawieniach rozliczeń i dopiero wtedy odblokowuje funkcje niedostępne w trybie bezpłatnym.
Najważniejsze: Projekt testowy dobrze jest nazwać tak, aby od razu było widać, że służy wyłącznie do nauki.
BigQuery Sandbox pozwala zacząć bez karty i bez opłat, a projekt z aktywnym Cloud Billing (systemem rozliczeń Google Cloud) dodaje m.in. zapis danych na bieżąco, własne zasady przechowywania tabel i transfery przez BigQuery Data Transfer Service, czyli usługę automatycznie pobierającą dane z innych źródeł, np. systemów reklamowych.
Sandbox nie obsługuje też strumieniowania danych (streaming), czyli przesyłania nowych rekordów od razu, bez czekania na dzienną paczkę. Służy do tego m.in. streaming insert, który umożliwia przesyłanie nowych wierszy do tabeli na bieżąco.
| Cecha | BigQuery Sandbox | Projekt z Cloud Billing |
|---|---|---|
| Płatność | bez karty i konta rozliczeniowego | aktywne konto rozliczeniowe z metodą płatności zależną m.in. od kraju |
| Zapis strumieniowy | zablokowany | dostępny |
| Transfery przez BigQuery Data Transfer Service | zablokowane | dostępne |
| Wygasanie tabel | wymuszone | ustawiane przez użytkownika |
Po włączeniu rozliczeń nadal obowiązuje bezpłatny limit miejsca, a bezpłatny limit analizy zapytań odnawia się co miesiąc. Opłaty mogą pojawić się za użycie ponad ten pakiet oraz za funkcje nim nieobjęte.
Weźmy sklep z zabawkami, który testuje w sandboxie dane z GA4. Zarząd prosi o raport w Looker Studio, bezpłatnym narzędziu Google do wykresów, oraz o porównanie z zeszłorocznymi świętami. Połączenie Looker Studio z BigQuery wymaga rozliczeń, a roczna historia nie przetrwa wygasania tabel. To typowe sygnały, że czas na płatne konto:
Najważniejsze: Decyzję o włączeniu rozliczeń łatwiej podjąć, gdy firma spisze, które raporty i źródła danych naprawdę wymagają funkcji niedostępnych w trybie bezpłatnym.
Google pobiera opłaty za BigQuery, gdy projekt ma aktywne konto Cloud Billing i korzysta z zasobów podlegających opłatom. BigQuery Sandbox bez takiego konta po wyczerpaniu limitu może odrzucać kolejne zapytania, ale nie wystawia rachunku.
Po włączeniu rozliczeń dwa zabezpieczenia pomagają kontrolować koszty. Budżet z alertami w Cloud Billing wysyła e-mail, gdy wydatki zbliżają się do ustalonej kwoty, choć sam ich nie zatrzymuje. Ustawienie maximum bytes billed blokuje zapytanie, którego przewidywany odczyt przekracza wskazany próg, np. 20 GB.
Najważniejsze: Budżet i próg dla zapytań dobrze jest ustawić w dniu włączenia rozliczeń, zanim ktokolwiek uruchomi pierwszą analizę.
Tabele z BigQuery Sandbox mogą zasilać raporty w Looker Studio, ale zapytania z raportu musi wykonywać projekt z aktywnym Cloud Billing. Podstawowa wersja Looker Studio nie ma opłat licencyjnych, a koszty BigQuery pojawiają się dopiero po przekroczeniu bezpłatnego pakietu, więc zużycie trzeba kontrolować osobno. Taki układ dobrze sprawdza się przy próbnej wersji raportu z wykresami. Gdy tabele w sandboxie wygasną, raport traci dane źródłowe. (Źródło: Google, dokumentacja BigQuery Sandbox oraz konektora BigQuery w Looker Studio)
Limit miejsca dotyczy ilości danych przechowywanych w danym momencie. Nie jest to pula przyznawana co miesiąc, więc niewykorzystane miejsce nie przechodzi na kolejne miesiące. Gdy pojemność się wyczerpie, BigQuery Sandbox może odrzucać operacje, które zwiększają ilość zapisanych danych, np. import kolejnego pliku. Projekt bez konta rozliczeniowego nie zacznie naliczać opłat, a dalszy wzrost wymaga usunięcia zbędnych tabel albo włączenia rozliczeń.
Szacunek widoczny w edytorze przed uruchomieniem zapytania pokazuje tylko ilość danych do odczytania przez to jedno polecenie. Łączne zużycie w miesiącu można policzyć na podstawie historii zadań BigQuery, np. w widoku systemowym INFORMATION_SCHEMA.JOBS, czyli wbudowanej liście wykonanych zapytań, sumując bajty podlegające rozliczeniu od początku bieżącego miesiąca. Limit odnawia się z nowym miesiącem kalendarzowym. Po jego wyczerpaniu mogą nie przechodzić kolejne zapytania, które wymagają przetworzenia danych.
Tak, publiczne zbiory BigQuery można odpytywać bez importowania ich do własnego projektu, w ramach dostępnych uprawnień i limitów. Takie zapytania co do zasady zużywają bezpłatny limit analizy, choć dla niektórych zbiorów mogą obowiązywać odrębne zasady. Samo czytanie publicznych danych nie zajmuje własnego miejsca, ale zapisana kopia lub tabela z wynikami już tak. Dobrym ćwiczeniem jest zbiór NYC Citi Bike Trips z historycznymi przejazdami rowerów miejskich w Nowym Jorku, na którym można np. wyszukać 100 stacji z największą liczbą rozpoczętych przejazdów.
BigQuery Sandbox nie obsługuje strumieniowego zapisu danych, więc ta opcja pozostaje niedostępna do czasu włączenia rozliczeń. Projekt trzeba powiązać z aktywnym kontem Cloud Billing i metodą rozliczania dostępną w danym kraju, co nie zawsze oznacza kartę płatniczą. Bez rozliczeń tabele można zasilać m.in. importem plików i wynikami zapytań. Z GA4 działa w sandboxie eksport dzienny, a eksport strumieniowy wymaga rozliczeń.
Przejście nie wymaga przenoszenia danych: istniejący projekt łączy się z aktywnym kontem Cloud Billing i od tej chwili ograniczenia trybu sandbox przestają obowiązywać. Tabele i widoki zostają na miejscu, ale ich terminy wygaśnięcia się nie zmieniają. Domyślne wygasanie w zbiorach danych oraz terminy istniejących tabel i partycji trzeba zmienić ręcznie, jeśli dane mają zostać na dłużej. Przed zmianą konfiguracji dobrze jest sprawdzić, które tabele wygasną najwcześniej, i zabezpieczyć najważniejsze z nich.
Oprócz wymienionych wcześniej CSV, JSON i Avro BigQuery przyjmuje m.in. pliki Parquet. Avro i Parquet często sprawdzają się przy większych zbiorach, bo zawierają opis kolumn i obsługują kompresję. W CSV i JSON układ kolumn trzeba podać samodzielnie, zlecić BigQuery jego automatyczne wykrycie albo skopiować z istniejącej tabeli, do której trafiają dane. Format wpływa na przesyłanie i import, natomiast na zużycie limitu zapytań wpływa głównie opisany wyżej sposób pisania zapytań.
Historie sukcesów
Ostatnie wpisy na blogu