Un data warehouse de marketing entra en la conversación en el momento en que el export gratuito de Google Analytics 4 a BigQuery deja de alcanzar: demasiadas fuentes conectadas, demasiados equipos consultando el mismo dato, o informes que ya no cargan a tiempo. Esta pieza es para quien decide ese gasto —responsable de marketing o del equipo técnico— y necesita saber qué paga realmente cada proveedor antes de firmar nada: cómputo, almacenamiento o ambos, y qué parte crece sin aviso cuando sube el volumen.
Un data warehouse de marketing cuesta, de entrada, lo que se consulta: BigQuery cobra 6,25 $ por cada tebibyte analizado con 1 TiB gratis al mes, Snowflake factura desde 2 $ por crédito de cómputo y Redshift Serverless cobra 0,375 $ por RPU-hora. En los tres casos, el almacenamiento pesa mucho menos que las consultas.
Señales de que necesitas un data warehouse
No hace falta una factura enorme para notarlo: el informe tarda en cargar, dos herramientas dan cifras distintas del mismo evento, o alguien pide cruzar anuncios con ventas cerradas sin exportar nada.
Cuando Looker Studio toca el límite de fuentes
Looker Studio deja de servir en cuanto un informe necesita mezclar GA4, Google Ads, el CRM y una hoja de costes a la vez: el límite de fuentes por informe se nota con tablas que tardan minutos en pintar o que se quedan sin actualizar. Mover esas fuentes a un almacén propio, donde el cruce se hace una sola vez con SQL antes de llegar al panel, es lo que marca el salto. Ese equipo no necesita más licencias de visualización: necesita una capa debajo que haga el trabajo pesado una vez.
Cuando marketing y ventas piden el mismo dato
El otro disparador es organizativo, no técnico: ventas quiere saber qué campaña cerró cada oportunidad del CRM y marketing quiere atribuir el coste por canal con el mismo criterio. Sin un sitio común donde vivan los dos datos, cada equipo construye su propia versión y las cifras de la reunión mensual no coinciden nunca. Centralizar en un data warehouse no resuelve la disputa sobre qué modelo de atribución usar, pero sí garantiza que todos parten de la misma tabla de hechos.
Un data warehouse es la base de datos donde se centralizan GA4, anuncios, CRM y ventas para cruzarlos con SQL, en lugar de exportar cada fuente por separado a una hoja de cálculo.
BigQuery cobra por consulta, no por guardar datos
BigQuery separa cómputo y almacenamiento desde el primer euro. El modelo on-demand cobra por los datos que de verdad escanea cada consulta: 6,25 $ por tebibyte en la región multi-US, con 1 TiB gratis cada mes, según la página oficial de precios de BigQuery. El almacenamiento es la parte barata: 0,02 $ por GB al mes mientras la tabla se modifica, y la mitad, 0,01 $, en cuanto pasan 90 días sin tocarla.
La consecuencia práctica para marketing: una consulta mal escrita que escanea dos años enteros de eventos de GA4 —el mismo volumen que ya marca cuándo conviene dejar atrás el export gratuito de GA4 a BigQuery— puede costar más en un minuto que todo el almacenamiento del mes. El coste no lo decide el volumen guardado, lo decide cuántas veces y sobre cuántos datos se repite esa misma consulta cada día.
Snowflake separa cómputo y almacenamiento en créditos
Snowflake factura en créditos, no en dólares directos, y cada edición tiene un precio distinto por crédito: desde 2 $ en la edición Standard sobre AWS en EE. UU., según la página de precios de Snowflake. Un almacén de cómputo del tamaño más pequeño, X-Small, consume 1 crédito por hora mientras está activo, así que tenerlo encendido una jornada completa ronda los 16 $, antes de sumar nada de almacenamiento.
Lo que diferencia a Snowflake de BigQuery es que aquí se paga por tener el motor encendido, no por lo que escanea: un almacén de cómputo que nadie apaga por la noche sigue consumiendo créditos aunque no haya ninguna consulta corriendo. El almacenamiento on-demand, aparte, arranca en torno a 23 $ por terabyte al mes, bastante por encima de BigQuery.
¿Te ayudamos con esto?
Cuéntanos tu caso
Si esto te afecta, escríbenos en dos líneas y te respondemos por email con una valoración concreta.
Redshift Serverless, el data warehouse por RPU-hora
Redshift ofrece dos modelos y, para marketing, el que importa es el serverless: se paga por RPU-hora, la unidad de cómputo de Redshift, a 0,375 $ en la región de Virginia, con facturación por segundo y un mínimo de 60 segundos por ejecución, según la página de precios de Redshift de AWS. El almacenamiento gestionado cuesta 0,024 $ por GB al mes, prácticamente igual que BigQuery.
El modelo aprovisionado, con nodos fijos encendidos todo el mes, solo compensa cuando el volumen de consultas es constante y predecible. Un equipo de marketing que consulta sobre todo en horario de oficina y deja el almacén en pausa por la noche paga mucho menos en serverless que manteniendo un clúster encendido las 24 horas sin usarlo la mitad del tiempo.
Lo que cuesta un data warehouse de marketing
Puesto en una tabla, así queda el coste de referencia de cada pieza del stack: el almacén de datos y la capa de visualización que se monta encima, porque el gasto real de un equipo de marketing no termina en el warehouse.
| Herramienta | Modelo de cobro | Precio de referencia | Almacenamiento |
|---|---|---|---|
| BigQuery (on-demand) | Por tebibyte consultado | 6,25 $/TiB, 1 TiB gratis al mes | 0,02 $/GB al mes |
| Snowflake (Standard) | Crédito de cómputo por hora | desde 2 $/crédito, 1 crédito/hora en X-Small | desde 23 $/TB al mes |
| Redshift Serverless | RPU-hora, por segundo | 0,375 $/RPU-hora | 0,024 $/GB al mes |
| Looker Studio | Capa de visualización | Gratis sobre cualquiera de los tres | Sin almacenamiento propio |
| Power BI Pro | Capa de visualización | 14 $/usuario al mes | Sin almacenamiento propio |
Power BI Pro, con su licencia de 14 $ por usuario al mes, y Looker Studio gratuito son las dos puertas de salida habituales sobre cualquiera de estos tres almacenes. La decisión entre quedarse en GA4 o dar el salto a un data warehouse propio es la misma que ya se planteó este blog al hablar de lo que cuesta salir de GA4: el coste no está solo en el motor, está en todo lo que se construye encima.
Quién mantiene el almacén de datos por dentro
Ningún proveedor de los tres se mantiene solo. Alguien tiene que revisar qué consultas se repiten sin necesidad, cerrar los almacenes de cómputo que nadie apaga y decidir qué tablas pasan a almacenamiento de largo plazo. En equipos pequeños esa tarea recae en la misma persona que ya lleva GA4 y los informes; en estructuras más grandes, en alguien de datos o de IT que factura ese tiempo aparte del propio warehouse.
Antes de firmar con cualquiera de los tres, conviene repasar esto con quien va a mantenerlo:
- Quién revisa el coste cada mes y con qué alerta, para que una consulta mal escrita no pase inadvertida hasta la factura.
- Qué tablas se pueden mover a almacenamiento de largo plazo sin romper ningún informe diario.
- Qué pasa con los paneles de Looker Studio o Power BI si se cambia de proveedor más adelante.
Sin esa persona asignada, el ahorro de elegir el proveedor más barato se pierde en la primera consulta que nadie revisa.
Preguntas frecuentes sobre el data warehouse de marketing
¿Necesita mi empresa un data warehouse de marketing?
Solo si ya cruzas datos de más de dos fuentes a mano o Looker Studio tarda en cargar informes con varias fuentes conectadas. Para una empresa que solo mira GA4 y Google Ads por separado, el export gratuito y las herramientas de visualización habituales siguen bastando sin este gasto adicional.
¿Cuánto cuesta migrar desde el export gratuito de GA4?
La migración en sí no tiene coste de licencia: BigQuery, Snowflake y Redshift ofrecen capas gratuitas o de entrada. El gasto aparece después, con las consultas y el tiempo de quien reescribe los informes para que apunten al nuevo almacén en lugar de al export directo.
¿Puedo usar Looker Studio sin pagar un data warehouse?
Sí, mientras las fuentes conectadas sean pocas: GA4, Google Ads y poco más. El salto al data warehouse llega cuando se añade el CRM, una hoja de costes o varios dominios, y el informe empieza a tardar o a fallar por el número de fuentes.
¿Qué pasa con los datos si cambio de proveedor?
Los datos no se pierden, pero la migración exige exportarlos y volver a cargarlos: ninguno de los tres ofrece un formato idéntico a los demás. Por eso conviene decidir el proveedor pensando en los próximos años, no solo en el precio de este mes.
