BigQuery 新用户数与显示的 Firebase Analytics 数据有很大差异

Question

在检查期间，我发现 1 月 14 日之后，Google BigQuery 和 Google Firebase Analytics 之间的新用户数量存在很大差异。

差异高于传统的 0.5-2% 率，这可归因于用于加快计算速度的 HyperLogLog 算法。

我无法找到关于如何在 Firebase Analytics 上准确计算新用户以创建相同查询并获得相同查询结果的准确答案。由于差异高于 30% 范围，现在问题的严重性更加显着。

你有同样的问题吗？我怎样才能更好地解释这种奇怪的行为？ （通过运行其他查询并尝试查找有关该问题的更多详细信息）

这是用于比较结果的查询：

SELECT APPROX_COUNT_DISTINCT(user_pseudo_id),event_date FROM `practical-bot-198011.analytics_184597160.events_*`
where event_name = 'first_open' and _TABLE_SUFFIX BETWEEN '20200110' AND '20200127'
GROUP BY event_date
ORDER BY event_date ASC

这是我得到的结果：

但在 Google Firebase Analytics 仪表板中：

Answer 1

Analytics 信息中心中的计数与 BigQuery 结果不匹配的原因之一是最近三天的数据在 Analytics 中每 4-5 小时更新一次。在 BigQuery 中，数据每天仅导出一次。包括最近三天的查询将在 Analytics 和 BigQuery 之间显示不同的结果。

Count(distinct) 是一个近似值。要获得唯一 ID 的准确计数，请尝试使用 EXACT_COUNT_DISTINCT()。请参阅此Stackoverflow 线程。

另外，看看official documentation。