Le BigQuery Data Transfer Service (DTS) de Google offre un chemin gratuit et sans maintenance pour charger des données Google Ads dans BigQuery. Pas d’authentification API, pas de gestion des limites de débit, pas de pipeline à maintenir. La configuration prend quelques minutes, et en moins de 24 heures, plus de 88 tables se rafraîchissent automatiquement chaque jour. Trois problèmes de qualité de données — comptages d’impressions gonflés, données Performance Max incomplètes, et un schéma nécessitant des JOIN — exigent une gestion explicite dans la couche dbt.
Ce groupe de notes couvre la configuration, les lacunes de données connues et les patterns de modélisation dbt pour les tables DTS.
Les notes
Google Ads BigQuery DTS Setup — Ce que DTS vous donne, comment le schéma est organisé (tables attributs vs stats, préfixe p_), configuration de la fenêtre de rafraîchissement, comportement de backfill, et pourquoi la configuration au niveau MCC est le bon défaut pour quiconque gère plus d’un compte.
Google Ads ClickType Impression Trap — Le piège DTS le plus dangereux. Les tables stats répètent les impressions pour chaque type de clic, gonflant les comptages de 3 à 6 fois. Le correctif est un filtre SQL spécifique qui ne s’applique qu’aux impressions, pas aux clics — et cette asymétrie est ce qui piège les personnes qui pensent avoir déjà géré le problème.
Google Ads Performance Max Data Gaps — Les campagnes PMax nécessitent une case à cocher cachée pour apparaître dans BigQuery, et même avec cette case cochée, les métriques sont fréquemment manquantes. Si PMax représente plus de 20 % de vos dépenses, DTS seul ne vous donnera pas de données complètes. Cette note couvre ce qui manque, pourquoi, et les trois options pour combler l’écart.
Google Ads DTS dbt Integration — Comment configurer des modèles dbt sur les tables DTS : stratégie incrémentale insert_overwrite pour correspondre au comportement de remplacement de partition de DTS, la fenêtre de lookback de 30 jours pour les conversions, et un modèle de base complet qui gère le piège ClickType, la conversion des micros, et le JOIN attributs/stats en un seul endroit.
Où DTS se positionne
DTS est le bon choix quand :
- Vous avez besoin de données Google Ads à la granularité quotidienne (pas intraday)
- PMax représente une fraction mineure de vos dépenses, ou vous êtes prêt à accepter ses lacunes de données
- Vous voulez zéro infrastructure à gérer
- Le coût est important (DTS coûte presque rien ; les alternatives commencent à 500 $/mois+ pour les connecteurs gérés)
DTS est insuffisant quand vous avez besoin de rafraîchissements intraday, de données PMax complètes, ou d’un contrôle sur le schéma des tables et champs chargés. Voir Ad Data Extraction Tools pour la comparaison complète entre DTS, les connecteurs gérés (Fivetran, Airbyte), les outils open source (dlt) et l’accès direct à l’API.
Contexte connexe
- Ad Data Extraction Tools — Positionnement de DTS dans le paysage d’extraction plus large
- dbt Ad Reporting Patterns — Comment construire des modèles unifiés cross-plateformes qui normalisent Google Ads aux côtés de Meta, LinkedIn et autres
- Ad Pipeline Engineering Challenges — La conversion des micros, les changements de schéma (la migration API v14→v16 de Google a renommé des colonnes avec les préfixes
metrics_*etsegments_*), et la normalisation des fenêtres d’attribution