Google Analytics Daten einfach in Power BI laden

So bekommst du deine Google Analytics Daten einfach, kostengünstig und flexibel in deine Power BI Reports.

Google Analytics Daten und Power BI sind nicht immer beste Freunde im Bezug auf Daten-Austausch. Die Low-Code-Plattform n8n bietet dabei eine kostengünstige Möglichkeit beide Ökosysteme zu verbinden.

Outline Google Analytics zu Power BI

Das folgende Szenario beschreibt einen Daten-Export aus Google Analytics und einen Daten-Import in Power BI mithilfe von n8n-Automationen. Entsprechend beinhaltet das Setup Komponenten von n8n, Speicher-Plattformen wie SharePoint und OneDrive, optionale Datenbank-Technologien wie MySQL oder Microsoft SQL und Power BI. Das Base Setup kostet zwischen 5€ und 10€ pro Monat.

Wenn du spezifische Aspekte interessant findest, springe direkt in den jeweiligen Abschnitt:

#1 Base-Setup für kleine Unternehmen

#2 Flexibles Setup für Corporate-Szenarien

#3 Hinweise zur Kosten- und Benefit-Berechnung

#1 Base Setup Google Analytics und Power BI für kleine Unternehmen

Wer eine Website oder einen Shop hat und die ersten Webanalyse-Daten (Sessions, Users, Channels, etc.) in seinen Power BI Standard-Reports sehen möchte, sollte erstmal klein beginnen. Mit einem einfachen n8n Flow kann man hier:

1. Täglich Daten abrufen / refreshen
2. Die Daten für die GA4-Property von der Google Analytics API abholen
3. Alles als .csv-Datei verpacken und auf den Microsoft SharePoint hochladen
4. Über den Power BI SharePoint Connector, die GA4-Rohdaten in die Reports laden (kann in der Web App auch refreshed werden).

Die Daily 2am Node triggert den Flow täglich um 2 Uhr nachts. Die Node Google Analytics Sessions Channels holt Daten der Session Source/Medium Dimension, sowie das Datum und die Anzahl der Sessions von der API. CSV Sessions Channels wandelt die JSON Response in eine .csv Datei und die Sharepoint Upload CSV Node lädt sie dann schließlich auf den Company SharePoint hoch.

Vom SharePoint aus, können die Daten mit dem SharePoint Folder Connector in Power BI geladen und dort weiter verarbeitet werden.

Vorteile des Base Setups

Extrem flexibel: Je nachdem, was in den Power BI Reports der Organisation abgebildet werden soll, kann mit wenigen Klicks einfach ein neue Ausführungsroute hinzugenommen werden. Dieses Beispiel exportiert z.B. eine Tabelle aus Analytics, die Sessions pro Channel Source / Medium listet. Man kann aber genauso gut Events, Users oder Transaktionen exportieren.

Sehr günstig zwischen 5€ und 10€: Die n8n Instanz im Beispiel läuft auf sliplane Hosting – einem Docker-Hoster – für 10€ im Monat. Es gibt aber auch schon VPS-Angebote ab 5€ im Monat. Die Google Analytics API ist kostenlos. Die Sharepoint Lizenz – wenn nicht ohnehin schon in Microsoft Office 365 enthalten – ist ab 5€ pro Monat (pro User) zu haben.

Easy einzurichten mit UI: Alle verwendeten Nodes sind Standard-Nodes und haben ein grafisches User-Interface, das mit ein wenig Klicken schnell zu verstehen ist.

Vorsicht unter diesen Umständen

Extrem Traffic-starke Properties führen zu großen Response-Binaries bei der Abfrage über die Google Analytics API. Hier braucht es etwas Logik, um Abfragezeiträume passend zu schneiden und auch die Nachkalkulation (ca. 2 Tage) von Daten in Google Analytics zu berücksichtigen.

Die Performance des SharePoint Connectors mit .csv-Dateien ist endlich. Zu viele und zu große .csv Dateien können Ladezeiten in Power BI Desktop und unter Umständen auch in der Web App deutlich erhöhen.

Corporate Setup Google Analytics und Power BI Verbindung für größere Unternehmungen

Viele Use-Cases sind etwas komplexer als das Base Setup. Häufig stoßen Verantwortliche in Unternehmen wie folgt an ihre Grenzen:

1. Die Website / der Shop ist sehr Traffic-lastig oder es gibt sogar mehrere Websites und Google Analytics Properties.
2. Es gibt eine zentrale IT- oder BI-Abteilung, die beim Handling von .csv-Dateien an Menschenrechtsverletzungen denken oder ein Mitsprache-Recht bei der Datenhaltung jeder Art haben möchten.

Für diesen Fall kann man das Base-Setup erweitern. Und zwar so, dass sowohl Performance- als auch Stakeholder-Optimierung betrieben wird. Mit diesem Flow werden:

1. Daten täglich drei mal abgerufen.
2. Die Daten für mehrere GA4-Properties von der Google Analytics API abgeholt
3. In ein Datenbank-Konstrukt der Wahl (hier: mySQL Datenbank) übertragen
4. Die .csv Files als Backup oder zur weiteren Verarbeitung in den Langzeit-Storage geschoben (hier: Sharepoint, alternativ: Azure Blob Storage, Amazon S3, Google Cloud).
5. Die Daten zum Konsum über schnellere SQL-Connectoren in Power BI bereitgestellt.

• Daily 2am 10am 6pm – Triggert alle 8 Stunden eine Datenabholung.
• SQL query DROP Table – Beseitigt die alte Datenbank-Tabelle.
• SQL CREATE Table – Erstellt die Datenbank-Tabelle neu.
• IDs thebigc-agency.de + .eu – Hinterlegt die Google Analytics Property IDs der beiden Domains.
• for each GA4 Property – stellt sicher, dass der Folgeprozess für beide Property IDs durchgeführt wird.
• Google Analytics Sessions Channel – (GA4 Node) Holt die Session-Daten von der GA4 API ab.
• SQL INSERT Data – Fügt die neuen Daten in die mySQL Datenbank ein.
• CSV Backup – Erstellt eine CSV Datei aus den JSON-Daten aus der GA4-Node-Response.
• UPLOAD Blob – Lädt die CSV in eine Storage Location deiner Wahl (z.B. S3, Azure, etc.).

Danach können die Daten entweder über den mySQL Power BI Connector in Power BI Desktop eingefügt werden oder – noch besser – ihr habt einen Microsoft SQL Server irgendwo rumstehen. Dann ist die Datenbank auch Direct Query fähig.

Die .csv-Dateien können dann als Sicherung oder zum Re-Build der Datenbasis in einem Blob-Storage abgelegt werden. Kostenpunkt für ca. 500 Dateien mit täglichen Abrufen sind ca. 5€ bis 10€ pro Monat.

Vorteile des Corporate Setups

Die Daten können überall hingeschrieben / gesendet werden. Im Beispiel ist dies eine mySQL Datenbank. Aber wenn die zentrale IT eine andere Speicherstruktur bereitstellt, kann diese wahrscheinlich auch bedient werden.

Das Setup ist immer noch flexibel – Zwar müssen jetzt Datenbank Schemata bedient werden, wenn man mit den SQL Executions jedoch vorsichtig umgeht, kann man praktisch täglich neue Daten-Export-Typen bauen und bestehende Power BI Reports erweitern.

Der Preis ist deutlich günstiger als eine Full-Blown Data Pipeline Infrastruktur. Zwischen 5€ und 10€ der zusätzlichen Kosten pro Monat, können womöglich sogar innerhalb der Organisation verbucht werden, da mittlerweile naehzu jede Organisation irgendwo bestehende Lizenzen für Server- und Datenbank-Infrastrukturen „rumliegen“ hat.

Das Setup kann erweitert und kopiert werden. Sollten die Google Analytics Traffic-Ströme doch mal irgendwann aus dem Ruder laufen, können Flows noch immer besser geschnitten werden oder beim Aufbau einer Data Lakehouse Architektur als Vorlage verwendet werden.

Data Privacy Prozesse. Die Daten kommen zwar und lagen schon bei Google in den USA, aber es ist in der einer self-hosted n8n-Umgebung ggf. nicht notwendig einen weiteren Dienstleister für die Zwischenspeicherung vertraglich mit ins Boot zu holen.

Achtung unter diesen Umständen

Es sollte Basis Syntax-Wissen vorliegen. Man verlässt ein wenig die UI-Welt, wenn man in n8n mit Datenbank-Nodes hantiert. Entsprechend ist ein wenig SQL-Wissen empfehlenswert (oder das Äquivalent der avisierten Flow-Destination).

Management der n8n-Instanz: Wer alle 8 Stunden 5 riesige Exporte zieht, kann seine n8n Instanz und den damit verbundenen VPS schonmal strapazieren. Hier sollte etwas genauer of Storage, Logging und Co. geachtet werden.

Hinweise zur Kosten- und Benefit-Berechnung

Veranlagung von „Eh-Da“-Kosten

Die größte Frage bei der Berechnung der monatlichen Kosten liegt in der Veranlagung der ohnehin bestehenden Lizenzen. Spannende Fragen dabei sind:

Soll eine Microsoft-Business-Lizenz für den Sharepoint (ab 5€ pro Monat) mit eingerechnet werden, wenn man ohnehin schon alle Powerpoints dort speichert?

Gibt nicht irgendwo noch Datenbanken, die über ein größeres Abo bezahlt werden?

Oder auch: Sind die Power BI Lizenzen ab 9€ pro Monat pro Nutzer Teil der Berechnung?

Entsprechend würden wir folgende Kostenpunkte mit in die Berechnung einbeziehen.

Kostenberechnung Base-Setup

Position	Kosten
n8n Hosting / VPS	zwischen 5€ und 15€ pro Monat
n8n Lizenz 1 Nutzer (Cloud Version)	ab 20€ pro Nutzer pro Monat
Datenbank	ab 3€ für einfache mySQL Datenbanken ab 20€ für eine Airtable Liztenz oder vergleichbar

Damit ergibt sich ein Preis zwischen 8€ und 18€ pro Monat, wenn man selber hostet. Und ca. 20€ bis 40€ pro Monat pro User, wenn man alles als SaaS beziehen möchte.

Kostenberechnung Corporate-Setup

Position	Kosten
n8n Hosting / VPS	zwischen 5€ und 15€ pro Monat
n8n Lizenz 1 Nutzer (Cloud Version)	ab 20€ pro Nutzer pro Monat
Datenbank	ab 3€ für einfache mySQL Datenbanken ab 20€ für eine Airtable Liztenz oder vergleichbar
Blob Storage	5€ – 15€ pro Monat (abhängig von Storage und Requests)

Damit ergibt sich ein Preis zwischen 12€ und 33€ pro Monat, wenn man selber hostet. Und ca. 25€ bis 55€ pro Monat pro User, wenn man alles als SaaS beziehen möchte. Die Kosten steigen natürlich in der „managed“ Variante wenn mehrere Team-Member Zugriff auf die Infrastruktur haben sollen.

Gemeinkosten

Die folgenden Gemeinkosten sollten bedacht, aber lediglich anteilig angerechnet werden:

Position	Kosten
Power BI Pro Lizenz	9€ pro User pro Monat
Microsoft Office 365 Lizenz (SharePoint)	ab 5,60€ pro User pro Monat (ggf. 11,70€ für Desktop-Applikationen)

Erweiterbarkeit des Pipeline-Setups mit n8n

Wie bereits erwähnt, ist das Corporate-Setup eine gute Vorlage für spätere Datalakehouse-Prozesse, sollten sie denn erforderlich werden. Das Vorgehen der n8n Flows ist aber auch auf Daten von anderen Plattformen übertragbar:

Der Datenbezug aus der Google Search Console ist sicherlich ein logischer nächster Schritt, der über ein ähnliches Schema abgebildet werden kann. Hiermit sollte man sich ggf. sogar vor der GA4-Anbindung beschäftigen, da die GSC-Daten lediglich 16 Monate rückwirkend per default von Google vorgehalten werden.

Aber auch andere Datenquellen aus dem Marketing-Universum können so verbunden werden. Unter anderem:

• Google Ads
• instagram / facebook
• twitter / x
• LinkedIn
• mailchimp
• …