Behöver ert företag hjälp med att implementera AI? Kontakta oss och få prisoffert här →
AI Skolan ›
januari 22, 2026

Plaid till Google BigQuery: alltid uppdaterade kassadata

Rickard Andersson Partner, Nodenordic.se

Kassarapportering blir snabbt rörig när dina saldon finns i fyra portaler, ett kalkylark och någons webbläsarflikar. Siffrorna glider isär, någon “fixar” en formel och plötsligt stämmer du av avstämningen.

Det här slår hårdast mot finansansvariga, men byråägare som hanterar likviditet över flera kunder och operatörer som bygger dashboards känner av det också. Med den här Plaid BigQuery sync slutar du logga in för att kolla saldon och börjar i stället öppna en tabell som alltid är uppdaterad.

Nedan ser du hur flödet körs, vad det levererar och hur du implementerar det utan att göra hela veckan till ett projekt för datarensning.

Så fungerar den här automatiseringen

Hela n8n-flödet, från trigger till slutresultat:

n8n Workflow Template: Plaid till Google BigQuery: alltid uppdaterade kassadata

Problemet: kassasaldon ligger inte i linje mellan banker

Om du hanterar mer än ett finansinstitut blir “Vad är vår likviditetsposition?” en skattjakt. RBC visar en sak, Amex har väntande transaktioner, Wise delar upp saldon per valuta och PayPal är ett eget universum. Sedan kopierar någon siffror in i ett kalkylark, mappar dem till “rätta” kontonamn och hoppas att nästa person följer samma namngivning. En vecka senare förklarar du varför dashboarden inte matchar bankinloggningen, vilket är frustrerande eftersom alla tekniskt sett gör sitt jobb.

Friktionen växer. Små avvikelser blir timmar av kontroll och tvekan.

  • Du lägger cirka 1 timme i veckan på att bara logga in, exportera och klistra in saldon i “huvudkällan”.
  • Kontonamn glider över tid, så rapporter delar upp ett konto i två och ingen märker det förrän vid månadsskiftet.
  • Manuella saldoinsamlningar bjuder in till misstag, särskilt när flera personer uppdaterar samma kalkylark.
  • Dashboards tappar trovärdighet när de släpar efter verkligheten, så team slutar använda dem.

Lösningen: synka Plaid-saldon till en BigQuery-kassatabell

Det här n8n-flödet körs enligt schema och hämtar saldon från flera institutioner via Plaid (RBC, Amex, Wise och PayPal). Varje banksvar delas upp i enskilda konton, och sedan mappas kontona till din QuickBooks-liknande namngivning så att rapporteringen är konsekvent även när källsystemens etiketter skiljer sig. Därefter slås alla kontoströmmar ihop till ett dataset och transformeras till felfria, strukturerade poster med ID:n och fält du kan lita på. Till sist formaterar flödet raderna för insättning och laddar dem till Google BigQuery, så att du får en “aktuell kassa”-tabell som dina dashboards kan fråga mot när som helst.

Körningen startar veckovis via en Schedule Trigger. Plaid hämtar saldon parallellt, sedan standardiserar och sammanfogar n8n kontona till en lista. Google BigQuery tar emot slutraderna så att din analys hålls uppdaterad utan kalkylark som mellanlager.

Det du får: automatisering vs. resultat

Exempel: så här ser det ut

Säg att du följer likviditet över fyra institutioner och att du kontrollerar eller exporterar var och en varje vecka. Om varje inloggning, navigering och insamling tar cirka 15 minuter blir det ungefär 1 timme i veckan, plus några minuter till för att fixa namn och format. Med det här flödet sätter du schemat en gång och låter det köra. Din “efter”-tid hamnar närmare 10 minuter i veckan, mest för att snabbt titta i BigQuery-tabellen eller din dashboard och bekräfta att uppdateringen har skett.

Det här behöver du

  • n8n-instans (testa n8n Cloud gratis)
  • Alternativ för egen hosting om du föredrar det (Hostinger fungerar bra)
  • Plaid för att hämta saldon från banker.
  • Google BigQuery för att lagra en felfri kassatabell.
  • Plaid API-nycklar (hämta dem i din Plaid-dashboard).

Nivå: Medel. Du kopplar upp inloggningar och är bekväm med att granska några mappningsfält och testkörningar.

Vill du inte sätta upp det här själv? Prata med en automationsexpert (gratis 15-minuters konsultation).

Så fungerar det

Ett veckoschema startar allt. n8n kör flödet enligt din takt (veckovis som standard), så saldoinsamling inte blir en återkommande punkt i någons kalender.

Saldon hämtas från Plaid för varje institution. Separata HTTP-anrop hämtar data från RBC, Amex, Wise och PayPal parallellt, vilket håller körtiden rimlig även när antalet konton växer.

Konton separeras och standardiseras. Varje svar delas upp i enskilda kontoobjekt och mappas sedan till dina QuickBooks-kontonamn så att rapporteringen använder samma etiketter varje gång.

Allt landar i BigQuery som strukturerade rader. Det sammanslagna datasetet konverteras till felfria poster (inklusive ID:n och format redo för insättning) och laddas till Google BigQuery för analys och dashboards.

Du kan enkelt ändra schemat och logiken för kontomappning så att det matchar din rapporteringskadens och dina namngivningskonventioner. Se hela implementationsguiden nedan för alternativ för anpassning.

Steg-för-steg-guide för implementering

Steg 1: Konfigurera schematriggern

Ställ in det veckoschema som startar arbetsflödet för synkronisering av saldon.

  1. Lägg till noden Scheduled Weekly Start som din trigger.
  2. Ställ in veckoregeln under Rule så att den triggar på dag 1 (måndag), i linje med det konfigurerade intervallet.
  3. Notera den parallella förgreningen: Scheduled Weekly Start skickar utdata parallellt till Retrieve RBC Balances, Retrieve Amex Balances, Retrieve Wise Balances och Retrieve PayPal Balances.
Tip: Sticky-noten Flowpast Branding är valfri och påverkar inte körningen.

Steg 2: Anslut Plaid-saldoförfrågningar

Konfigurera de fyra HTTP-anropen till Plaid för varje bank- eller kortanslutning.

  1. Öppna Retrieve RBC Balances och ställ in URL till https://production.plaid.com/accounts/balance/get och Method till POST.
  2. Aktivera Send Body och lägg till body-parametrar: client_id = [CONFIGURE_YOUR_API_KEY], secret = [CONFIGURE_YOUR_API_KEY] och access_token = [CONFIGURE_YOUR_TOKEN].
  3. Upprepa samma konfiguration för Retrieve Amex Balances, Retrieve Wise Balances och Retrieve PayPal Balances.
⚠️ Vanlig fallgrop: Varje Plaid-anslutning behöver sin egen giltiga access_token. Dubbelkolla att tokens matchar rätt institution.

Steg 3: Sätt upp kontodelning och mappning

Dela upp Plaid-svaret i enskilda konton och mappa varje konto till dess QBO-namn.

  1. I Separate RBC Accounts, Separate Amex Accounts, Separate Wise Accounts och Separate PayPal Accounts ställer ni in Field to Split Out till accounts.
  2. Koppla varje split-nod till motsvarande kodnod: Separate RBC Accounts → Map RBC to QBO Names, Separate Amex Accounts → Map Amex to QBO Names, Separate Wise Accounts → Map Wise to QBO Names och Separate PayPal Accounts → Map PayPal to QBO Names.
  3. Granska mappningslogiken i varje kodnod för att säkerställa att kontomasker matchar er kontoplan (till exempel "2245": "RBC Business Profits-2245" i Map RBC to QBO Names).
Tip: Det finns flera kodnoder (totalt 6). Håll mappningar konsekventa mellan banker för att undvika dubbletter eller felmatchade namn i efterföljande poster.

Steg 4: Konfigurera sammanslagning och uppbyggnad av poster

Slå ihop de mappade kontoströmmarna och bygg standardiserade poster för analys och lagring.

  1. I Merge Account Streams ställer ni in Number of Inputs till 4 för att ta emot alla bankströmmar.
  2. Säkerställ att Map RBC to QBO Names, Map Amex to QBO Names, Map Wise to QBO Names och Map PayPal to QBO Names alla kopplas in i Merge Account Streams.
  3. I Build Account Records behåller ni den medföljande koden för att generera normaliserade fält (inklusive id, name, current_balance_usd och available_balance_cad).

Steg 5: Konfigurera BigQuery-utdata

Formatera utdata för SQL-insert och skicka in det till BigQuery.

  1. I Format BQ Insert Rows behåller ni formateringslogiken som skapar valuesString för SQL-inserten.
  2. I Insert into BigQuery ställer ni in SQL Query till den angivna satsen och säkerställer att platshållaren för värden är {{ $json.valuesString }}.
  3. Ställ in Project ID till [YOUR_ID] eller välj ert målprojekt i listan.
Credential Required: Anslut era Google BigQuery-autentiseringsuppgifter i Insert into BigQuery.

Steg 6: Testa och aktivera ert arbetsflöde

Validera hela pipelinen och aktivera körningar i produktion.

  1. Klicka på Execute Workflow för att köra Scheduled Weekly Start manuellt.
  2. Verifiera att varje gren returnerar kontodata och att Merge Account Streams producerar sammanslagen utdata.
  3. Bekräfta att Insert into BigQuery slutförs utan SQL-fel och att poster visas i quickbooks.accounts.
  4. Slå på arbetsflödet Active för att aktivera veckovis körning i produktion.
🔒

Lås upp fullständig steg-för-steg-guide

Få den kompletta implementeringsguiden + nedladdningsbar mall

Vanliga fallgropar

  • Plaid-inloggningar och bankkopplingar kan löpa ut eller kräva ny autentisering. Om flödet plötsligt returnerar tomma saldon, kontrollera först status för ditt Plaid item i Plaid-dashboarden.
  • Om du använder Wait-noder eller extern rendering varierar bearbetningstider. Öka väntetiden om noder längre fram fallerar på tomma svar.
  • BigQuery-insert kan misslyckas på grund av schemamismatch eller saknade behörigheter till dataset. Bekräfta att servicekontot har åtkomst som BigQuery Data Editor och att dina tabellfält matchar det flödet skriver ut.

Relaterade flöden

Om du bygger ett bredare finance warehouse passar QuickBooks to BigQuery, clean account history bra ihop med den här kassatabellen, så att du kan analysera saldon tillsammans med aktivitet i kontoplanen.

För team som jobbar med både likviditet och budget hjälper GoCardless to Maybe Finance, budgets stay current till att hålla budgetunderlag uppdaterade så att din likviditetsposition får kontext.

När avstämningsloggar fortfarande ligger i kalkylark ger Stripe to Google Sheets, clean reconciliation logs ett revisionsvänligt spår som kompletterar dina BigQuery-saldon.

Behöver du bättre dokumentation för stängning också? Stripe + PayPal to Google Drive, audit-ready close är användbart när du vill att kontoutdrag och exporter arkiveras automatiskt tillsammans med din kassarapportering.

Slutligen, om du vill att din kassadata ska trigga åtgärder kan Slack + Google Sheets: catch risky transactions fast göra vissa trösklar till notifieringar så att avvikelser flaggas samma dag.


Snabb översikt:

Vanliga frågor

Hur lång tid tar det att sätta upp den här automatiseringen för Plaid BigQuery sync?

Cirka 45 minuter om dina Plaid- och BigQuery-konton är klara.

Behöver jag kunna koda för att automatisera Plaid BigQuery sync?

Nej. Du kopplar upp inloggningar och justerar några fält för kontomappning. Det inkluderade flödet sköter resten.

Är n8n gratis att använda för det här Plaid BigQuery sync-flödet?

Ja. n8n har ett gratisalternativ för egen hosting och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in Plaid API-kostnader baserat på din användning.

Var kan jag hosta n8n för att köra den här automatiseringen för Plaid BigQuery sync?

Två alternativ: n8n Cloud (hanterat, enklast uppsättning) eller egen hosting på en VPS. För egen hosting är Hostinger VPS prisvärd och hanterar n8n bra. Egen hosting ger obegränsade körningar men kräver grundläggande serverhantering.

Kan jag anpassa det här Plaid BigQuery sync-flödet för dagliga saldouppdateringar?

Ja, men håll koll på API-gränser och vad “dagligen” betyder för din rapportering. Ändra Schedule Trigger till att köra dagligen och bekräfta sedan din BigQuery-tabellstrategi (append-only för historik, eller överskrivning för “aktuellt läge”). Vanliga anpassningar är att lägga till fler Plaid items, mappa mer kontometadata (som valuta eller institution) och skriva till en andra tabell för trendanalys.

Varför misslyckas min Plaid-anslutning i det här Plaid BigQuery sync-flödet?

Oftast är det ett Plaid item som har löpt ut eller kopplats bort och behöver ny autentisering i Plaid-dashboarden. Det kan också vara fel client ID/secret i n8n, eller ett behörighetsproblem om det anslutna itemet inte längre har åtkomst till de konton du förväntar dig. Om fel bara uppstår under intensiva dagar är rate limiting en sannolik orsak.

Hur många konton kan den här automatiseringen för Plaid BigQuery sync hantera?

Många, så länge din Plaid-plan och din n8n-kapacitet stödjer volymen.

Är den här automatiseringen för Plaid BigQuery sync bättre än att använda Zapier eller Make?

För det här användningsfallet är n8n oftast det mer praktiska valet eftersom du kan köra parallella HTTP-anrop, slå ihop flera kontoströmmar och styra datamodelleringen innan den hamnar i BigQuery. Det är också enklare att hålla allt på ett ställe när du har fyra källor och behöver konsekvent namngivning. Zapier eller Make kan fungera, men finansflöden med flera grenar blir ofta dyra och klumpiga att underhålla där. Om du vill ha en second opinion kring verktyg, prata med en automationsexpert.

När det här väl rullar slutar kassasiffrorna vara ett veckovis måste och blir i stället ett pålitligt dataset. Flödet tar hand om det repetitiva jobbet, så att du kan lägga tiden på att faktiskt använda datan.

Kontakta oss

Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.

Våra tjänster Om Node Nordic
×

Använd mall

Få direkt tillgång till denna n8n-arbetsflödes JSON-fil

Kopiera och importera JSON-arbetsflödet i ditt n8n-arbetsflöde