백엔드
Google BigQuery와 Data Studio를 활용한 앱 광고 매출 대시보드 개발기
두줄요약
광고 플랫폼 확장 부담이 큰 기존 분석 시스템을 BigQuery와 Data Studio로 이전했습니다. 파티션·DML 배치 적재·뷰 기반 대시보드로 비용과 운영 부담을 관리했습니다.
문제 상황
- AWS RDS·PHP 기반 광고 매출 분석 시스템의 플랫폼 확장 시 테이블·프론트 개발과 수동 부가정보 관리 부담
- AdMob 단일 플랫폼에서 8개 광고 플랫폼의 매출 현황 통합 조회 요구
선택 이유
- 관계형 데이터 관리가 필요한 앱·광고 단위 정보 특성상 Elasticsearch·Kibana 대비 BigQuery 적합성
- 완전관리형 데이터 웨어하우스, SQL·테이블 관계 지원, Data Studio 시각화·공유 편의성
- 빈번하지 않은 배치성 매출 분석 워크로드와 온디맨드 비용 정책의 적합성
구조와 흐름
- 광고 플랫폼 매출 데이터를 BigQuery 테이블에 적재하고, 분석용 쿼리 결과를 뷰 테이블로 구성
- BigQuery 뷰를 Data Studio 데이터 소스로 연결해 표·시계열·막대 그래프 대시보드 구성
- Node.js 클라이언트에서 일별 배치 데이터에 적합한 INSERT DML 방식 채택
성능/운영 포인트
- 날짜 등 컬럼 기반 파티션과 파티션 필드 WHERE 절 강제로 스캔 바이트·쿼리 비용 제어
- 스트리밍 삽입의 비용·DML 수정 제한 대신, 배치 적재에 DML 사용
- 실시간·고빈도 분석은 Elasticsearch·Kibana, 배치성·저빈도 분석은 BigQuery·Data Studio에 적합
