I am confused with what I see in Firebase very often. What is the data behind?

我经常对Firebase中的内容感到困惑。 背后的数据是什么？

Now I use Firebase Crashlytics and Performance data in Google Data Studio as it helps me to better understand my users.

现在，我在Google Data Studio中使用Firebase Crashlytics和Performance数据，因为它可以帮助我更好地了解我的用户。

If you want you can just copy the template. All sample datasets included. Let me know if you need them in BigQuery too and I will share it as a public dataset.

如果需要，您可以复制模板 。 包括所有样本数据集。 让我知道您在BigQuery中是否也需要它们，我将其作为公共数据集共享。

How to use Firebase Crashlytics data in Google Data Studio? How to calculate median login time using Firebase performance data?

如何在Google Data Studio中使用Firebase Crashlytics数据？ 如何使用Firebase性能数据计算平均登录时间？

If you use Firebase to track performance and crashes in your iOS or Android client builds you might want to create a custom dashboard using this data. This post is about how to use Firebase Crashlytics and Performance datasets in BigQuery and Google Data Studio to build something like this:

如果您使用Firebase跟踪iOS或Android客户端版本中的性能和崩溃，则可能要使用此数据创建自定义仪表板。 这篇文章是关于如何使用BigQuery和Google Data Studio中的Firebase Crashlytics和Performance数据集来构建如下内容：

You might want to display the following:

您可能要显示以下内容：

• Crashes崩溃
• Crash free users (count), selected timeframe vs previous timeframe.无故障用户(计数)，选择的时间范围与以前的时间范围。
• Crash events (count), selected timeframe vs previous timeframe.崩溃事件(计数)，选定的时间范围与先前的时间范围。
• A list of top 3 crashes in the selected month (open and closed)所选月份(打开和关闭)的前3个崩溃的列表
• A list of the top 3 crashes closed in the selected month (must still be closed)在所选月份内已关闭的前3个崩溃的列表(必须仍然关闭)

Or your application performance data:

或您的应用程序性能数据：

Login Stats, for example:

登录统计信息，例如：

• Median login times; monthly average and a line graph to display time period versus last中位数登录时间； 月平均值和折线图，显示时间段与最后一次的对比
• Median login time for month for top ten countries vs previous month; ordered by amount of users前十个国家/地区的上个月登录时间与上个月的中位数； 按用户数量排序
• Median login time for month for top three app version vs previous month; ordered by amount of users前三个应用版本与上个月相比的每月登录时间中位数； 按用户数量排序
• Login Success/Fail percentage for month — pie chart.本月登录成功/失败的百分比—饼图。

First, I recommend to read this article. It explains how to connect to Firebase and extract data into BigQuery.

首先，我建议阅读这篇文章 。 它说明了如何连接到Firebase并将数据提取到BigQuery中。

Firebase数据提取 (Firebase data extract)

If you have already set up Firebase integration with BigQuery you should have the following datasets ready:

如果您已经设置了与BigQuery的 Firebase集成，则应准备以下数据集：

So now you can run queries on these tables.

因此，现在您可以在这些表上运行查询。

These two we will use to create our custom report in Google Data Studio.

我们将使用这两个在Google Data Studio中创建自定义报告。

Google Data Studio模板 (Google data studio template)

I used standard Google Ads template from Google Data Studio. I think it looks nice and I slightly changed it for my needs.

我使用了Google Data Studio中的标准Google Ads模板。 我认为它看起来不错，并根据需要对其进行了一些更改。

下载报告模板 (Download the report template)

If you want to open the demo report and download the template I created:

如果要打开演示报告并下载我创建的模板，请执行以下操作：

1. If you don’t have a Google account, you can create one.

   如果您没有Google帐户，则可以创建一个 。

2. Click this link.

   单击此链接 。

3. Click use template.单击使用模板。

第1页 (Page 1)

Let’s start building our dashboard.

让我们开始构建仪表板。

Median logon duration

登录时间中位数

First two widgets use the same dataset and display median login times.

前两个小部件使用相同的数据集并显示中位数登录时间。

Example

例

Let’s say in our performance data we have the following logon duration records

假设在性能数据中，我们具有以下登录持续时间记录

So the function NTILE(4) OVER (PARTITION BY COUNTRY_NAME ORDER BY duration) will split the data into 4 buckets based on row ordering and returns the 1-based bucket number that is assigned to each row. The number of rows in the buckets can differ by at most 1.

因此，函数NTILE(4) OVER (PARTITION BY COUNTRY_NAME ORDER BY duration)将根据行顺序将数据分为4个存储桶，并返回分配给每行的基于1的存储桶编号。 存储桶中的行数最多可以相差1。

Similarily, if we use NTILE(100) it will split the data into 100 buckets. For example, 50 TILE first duration record will say that 50% of all logon’s durations were less than this first duration record in 50th TILE.

同样，如果我们使用NTILE(100)，它将把数据分成100个存储桶。 例如，50 TILE的第一段持续时间记录将说所有登录持续时间的50％小于50th TILE的第一段持续时间记录。

Read more in offcial Google docs here.

在此处Google官方文档。

Let’s create a custom dataset to calculate MIN and MAX login times for TILEs we need using this knowledge.

让我们创建一个自定义数据集，以使用该知识计算所需的TILE的最小和最大登录时间。

Go to Google Data Studio and add new data source then select Custom query and insert the SQL from below. Don’t forget to enable date parameters.

转到Google Data Studio并添加新的数据源，然后选择“自定义查询”并从下面插入SQL。 不要忘记启用日期参数。

If you replace @DS_END_DATE and @DS_START_DATE with actual dates and run the whole script in BigQuery it will give us the following:

如果您将@DS_END_DATE和@DS_START_DATE替换为实际日期并在BigQuery中运行整个脚本，它将为我们提供以下信息：

This is enough to create the widget using Area chart. Just add dt as dimension and tile as breakdown dimension as shown on Fig 1. Dataset configuration above.

这足以使用面积图创建窗口小部件。 只需添加dt作为维，并添加图块作为分解维，如图1所示。 上面的数据集配置。

Let’s create a dataset to display the same widget but for the previous period.

让我们创建一个数据集以显示相同的小部件，但显示的是上一时期。

Example:

例：

We will use the SQL from login_ios.sql and simply add some parameter transformation to get the previous date range based on selected report dates:

我们将使用来自login_ios.sqlSQL，并只需添加一些参数转换即可根据选定的报告日期获取先前的日期范围：

Just select `Range by data` in settings and it’s done:

只需在设置中选择“按数据范围”即可：

Now let’s add Logon duration by Country, App version and Radio type.

现在，让我们按国家，应用程序版本和广播类型添加登录持续时间。

I decided that adding separate datasets for each widget would be best because we already have tile breakdown and probably will need to use it as a filter.

我认为最好为每个小部件添加单独的数据集，因为我们已经有了tile分解，并且可能需要将其用作过滤器。

I’m using logonCount to sort the resulting table widget by number of logons and filter down to Median interval only.

我正在使用logonCount来按登录数对结果表窗口小部件进行排序，并仅向下过滤到平均间隔。

In a similar way add datasets login_ios_version.sql and login_ios_radio.sql and add them to widgets on the right.

以类似的方式添加数据集login_ios_version.sql和login_ios_radio.sql并将它们添加到右侧的小部件中。

For the widgets below add new datasets with modified date parameters like we did in login_ios_previous.sql

对于下面的小部件，就像在login_ios_previous.sql所做的那样，添加具有修改后的日期参数的新数据集

For the pie chart with percentage of successful logins create another custom dataset:

对于具有成功登录百分比的饼图，请创建另一个自定义数据集：

Done. You can add an extra page for your Android data. Just copy the datasets and replace the IOS performance table to ANDROID.

做完了 您可以为Android数据添加额外的页面。 只需复制数据集并将IOS性能表替换为ANDROID。

Page 2.崩溃。 (Page 2. Crashes.)

Let’s create a custom dataset crashlytics_ios.sql In google Data Studio we will count crash events where is_fatal flag equals true .

让我们创建一个自定义数据集crashlytics_ios.sql在Google Data Studio中，我们将计算is_fatal标志等于true崩溃事件。

In a similar way create another dataset for the widget below but just for the previous period using previous_start_dt and previous_end_dt from pd.

以类似的方式，使用pd中的previous_start_dt和previous_end_dt为下面的小部件创建另一个数据集，但仅针对上一个期间。

This table widget is using the same dataset crashlytics_ios.sql just displaying a count of events and users by issue:

该表小部件使用相同的数据集crashlytics_ios.sql仅按issue显示events和users计数：

Crash-free users

无崩溃的用户

Let’s create a custom dataset to display the percent of Crash-free users.

让我们创建一个自定义数据集以显示无崩溃用户的百分比。

For this we will use firebase analytics dataset as suggested in Example 7 of Goggle documentation.

为此，我们将使用Goggle文档示例7中建议的Firebase analytics数据集。

Let’s create the datset called crashes :

让我们创建一个称为crashs的数据集crashes :

If you run it in BigQuery the results will be like that:

如果您在BigQuery中运行它，结果将是这样的：

Replace the dates with parameter handlers and create a custom dataset in Google Data Studio.

将日期替换为参数处理程序，然后在Google Data Studio中创建自定义数据集。

第2页完成！ (Page 2 is done!)

Thanks for reading!

谢谢阅读！

Keep in mind that real client applications can generate a lot of data! Make sure to use partitioning in your scripts to reduce BigQuery cost and follow Google best practices from this article.

请记住，真正的客户端应用程序可以生成大量数据！ 确保使用脚本中的分区来降低成本的BigQuery和效仿谷歌的最佳实践从这个文章 。

Let me know if you have any questions.

如果您有任何问题，请告诉我。

推荐阅读： (Recommended read:)

Sample Firebase queries from Google: https://firebase.google.com/docs/crashlytics/bigquery-export

来自Google的示例Firebase查询 ：https: //firebase.google.com/docs/crashlytics/bigquery-export