BigQuery
D'un entrepôt de données à une plate-forme de données et d'IA autonome
BigQuery est une plate-forme autonome de données à l'IA qui automatise l'intégralité du cycle de vie des données, de l'ingestion aux insights basés sur l'IA. Vous pouvez ainsi passer plus rapidement des données à l'IA et à l'action.
Les fonctionnalités de Gemini dans BigQuery sont désormais incluses dans les modèles de tarification de BigQuery.
Stockez 10 Gio de données et exécutez gratuitement jusqu'à 1 Tio de requêtes par mois. Les nouveaux clients bénéficient également de 300 $ de crédits pour essayer BigQuery et d'autres produits Google Cloud.
Fonctionnalités
Exploitez la puissance de l'IA avec la syntaxe SQL que vous connaissez
Connectez vos données à l'IA avec l'IA de BigQuery. Entraînez, évaluez et exécutez des modèles de ML comme la régression linéaire, le clustering en k-moyennes ou les prévisions de séries temporelles directement dans BigQuery à l'aide de commandes SQL familières. Intégrez facilement vos modèles à Vertex AI Model Registry pour les opérations de machine learning (MLOps) avancées. Intégrez l'IA générative à SQL pour des tâches telles que la synthèse de texte et l'analyse des sentiments, sans avoir besoin d'outils spécialisés ni de déplacer des données, à l'aide de fonctions d'IA natives. Effectuez une récupération de contexte avancée et créez des applications de recherche sophistiquées à l'aide de la génération d'embeddings et de la recherche vectorielle, textuelle ou hybride.
Simplifiez les workflows grâce aux agents
Bénéficiez d'une assistance et d'une automatisation optimisées par l'IA pour tous les utilisateurs de données dans l'ensemble des workflows d'analyse. Automatisez la préparation des données, la détection d'erreurs, les transformations et la création de pipelines avec le Data Engineering Agent. Simplifiez l'ensemble du cycle de vie du ML, de l'analyse exploratoire des données à l'exécution des prédictions, dans le Data Science Agent. Rendez les insights BigQuery accessibles à tous les utilisateurs, en leur permettant de poser des questions en langage courant et de recevoir des réponses à l'aide de Conversational Analytics. En plus des agents intégrés, vous pouvez exploiter des API, des outils et des protocoles de base robustes pour développer des agents personnalisés, intégrer l'intelligence conversationnelle dans des applications existantes et orchestrer des workflows multi-agents complexes.
Votre choix de formats et de solutions Open Source
Exécutez Spark sans serveur en même temps que des charges de travail SQL dans BigQuery, avec une sécurité, des métadonnées d'exécution et une gouvernance unifiées. Les fonctionnalités entièrement gérées de BigQuery, combinées aux tables Apache Iceberg gérées par BigLake, permettent de traiter des cas d'utilisation de flux de données, d'analyse avancée et d'IA, et de travailler facilement avec des formats ouverts.
Gouvernance des données à l'IA intégrée
BigQuery offre une gouvernance contextuelle basée sur Dataplex Universal Catalog. Toutes les fonctionnalités clés, telles que la collecte automatique de métadonnées, le profilage des données, la qualité des données et la traçabilité, sont intégrées et disponibles dans l'expérience BigQuery. Les clients peuvent utiliser des fonctionnalités optimisées par l'IA générative, comme la recherche sémantique, l'augmentation des métadonnées et les insights sur les données, pour découvrir, documenter et obtenir plus rapidement des insights sur tous leurs éléments BigQuery.
Conçu pour l'efficacité et l'évolutivité à l'échelle de l'entreprise
L'architecture unique de BigQuery permet de découpler le stockage et le calcul pour les analyses à l'échelle du pétaoctet, tout en optimisant les coûts grâce au stockage compressé, à l'autoscaling du calcul, à la flexibilité des tarifs et plus encore. En coulisses, BigQuery utilise un vaste ensemble de technologies d'infrastructure Google telles que Borg, Colossus, Jupiter et Dremel. Pour les charges de travail critiques, BigQuery offre également une reprise après sinistre gérée en cas d'indisponibilité totale d'une région, en s'appuyant sur les fonctionnalités de réplication interrégionale d'ensembles de données.
Analyses en temps réel avec des pipelines de flux de données
Utilisez Managed Service pour Apache Kafka pour créer et exécuter des applications de traitement en flux continu en temps réel. Qu'il s'agisse de streaming facile sur SQL avec les requêtes continues BigQuery, des plates-formes Kafka populaires et Open Source, ou du flux de données multimodal avancéet d u ML avec Dataflow, y compris la prise en charge d'Iceberg, vous pouvez faire de l'IA et des données en temps réel une réalité.
Fonctionnalités d'entreprise
BigQuery continue de développer de nouvelles fonctionnalités d'entreprise.La reprise après sinistre interrégionale fournit un basculement géré dans l'éventualité peu probable d'un sinistre régional, ainsi que des fonctionnalités de sauvegarde et de récupération des données pour vous aider à effectuer une reprise après sinistre des utilisateurs. La surveillance de l'état opérationnel de BigQuery offre des vues de votre environnement opérationnel à l'échelle de l'organisation. Les services de migration BigQuery fournissent un ensemble complet d'outils permettant de migrer vers BigQuery depuis des entrepôts de données anciens ou cloud.
Fonctionnement
Découvrez comment BigQuery peut vous aider à unifier vos données et à les connecter à une IA révolutionnaire. Découvrez comment accéder à des données non structurées telles que des images, des PDF, des textes et d'autres types de données pour alimenter les métadonnées d'un site Web d'e-commerce. Une opération qui prendrait des heures est simplifiée avec BigQuery.
Découvrez comment BigQuery peut vous aider à unifier vos données et à les connecter à une IA révolutionnaire. Découvrez comment accéder à des données non structurées telles que des images, des PDF, des textes et d'autres types de données pour alimenter les métadonnées d'un site Web d'e-commerce. Une opération qui prendrait des heures est simplifiée avec BigQuery.
Utilisations courantes
Science des données
Simplifier les workflows de données à l'IA
Simplifier les workflows de données à l'IA
Simplifiez les workflows de data science de bout en bout dans les notebooks Colab Enterprise avec des agents intégrés ou des bibliothèques Python Open Source via BigQuery DataFrames. Utilisez le moteur de traitement de votre choix, qu'il s'agisse du moteur SQL ou de frameworks Open Source comme Apache Spark. Entraînez, évaluez et déployez des modèles de ML directement dans BigQuery ou utilisez des modèles pré-entraînés comme TimesFM à l'aide de SQL. Stockez facilement les caractéristiques des modèles créés et utilisés dans BigQuery. Vous pouvez gérer les versions des modèles, les évaluer et les déployer pour la prédiction en ligne via une interface unique dans Vertex AI.
Tutoriels, guides de démarrage rapide et ateliers
Simplifier les workflows de données à l'IA
Simplifier les workflows de données à l'IA
Simplifiez les workflows de data science de bout en bout dans les notebooks Colab Enterprise avec des agents intégrés ou des bibliothèques Python Open Source via BigQuery DataFrames. Utilisez le moteur de traitement de votre choix, qu'il s'agisse du moteur SQL ou de frameworks Open Source comme Apache Spark. Entraînez, évaluez et déployez des modèles de ML directement dans BigQuery ou utilisez des modèles pré-entraînés comme TimesFM à l'aide de SQL. Stockez facilement les caractéristiques des modèles créés et utilisés dans BigQuery. Vous pouvez gérer les versions des modèles, les évaluer et les déployer pour la prédiction en ligne via une interface unique dans Vertex AI.
Migration d'entrepôts de données
Migrer des entrepôts de données vers BigQuery
Migrer des entrepôts de données vers BigQuery
Répondez aux demandes actuelles en termes d'analyse et aux cas d'utilisation de l'IA de demain en migrant votre entrepôt de données vers BigQuery. Optimisez votre processus de migration vers Netezza, Oracle, Redshift, Teradata, Snowflake ou Databricks à l'aide du service de migration BigQuery, un service sans frais et entièrement géré.
Tutoriels, guides de démarrage rapide et ateliers
Migrer des entrepôts de données vers BigQuery
Migrer des entrepôts de données vers BigQuery
Répondez aux demandes actuelles en termes d'analyse et aux cas d'utilisation de l'IA de demain en migrant votre entrepôt de données vers BigQuery. Optimisez votre processus de migration vers Netezza, Oracle, Redshift, Teradata, Snowflake ou Databricks à l'aide du service de migration BigQuery, un service sans frais et entièrement géré.
Intégration de données et ELT
Intégrer des données dans BigQuery
Intégrer des données dans BigQuery
L'ELT est le modèle recommandé pour importer des données dans BigQuery. De nombreux outils offrent une grande flexibilité pour l'intégration de données. Pour le chargement par lot, utilisez le service de transfert de données BigQuery (DTS) pour automatiser le chargement groupé de données dans BigQuery à partir de sources de données compatibles. Pour le chargement par flux, les abonnements BigQuery Pub/Sub écrivent les messages Pub/Sub dans une table BigQuery existante à mesure qu'ils sont reçus. Capture de données modifiées (CDC) : Datastream permet de capturer de manière non intrusive les données modifiées des bases de données dans BigQuery. Enfin, vous pouvez fédérer avec un certain nombre de sources de données externes qui ne nécessitent pas de transfert de données.
Tutoriels, guides de démarrage rapide et ateliers
Intégrer des données dans BigQuery
Intégrer des données dans BigQuery
L'ELT est le modèle recommandé pour importer des données dans BigQuery. De nombreux outils offrent une grande flexibilité pour l'intégration de données. Pour le chargement par lot, utilisez le service de transfert de données BigQuery (DTS) pour automatiser le chargement groupé de données dans BigQuery à partir de sources de données compatibles. Pour le chargement par flux, les abonnements BigQuery Pub/Sub écrivent les messages Pub/Sub dans une table BigQuery existante à mesure qu'ils sont reçus. Capture de données modifiées (CDC) : Datastream permet de capturer de manière non intrusive les données modifiées des bases de données dans BigQuery. Enfin, vous pouvez fédérer avec un certain nombre de sources de données externes qui ne nécessitent pas de transfert de données.
Analyse en temps réel
Analyse basée sur les événements
Analyse basée sur les événements
Gagnez un avantage concurrentiel en répondant à des événements métier en temps réel grâce à l'analyse basée sur les événements. Des fonctionnalités de gestion des flux intégrées ingèrent automatiquement les données et permettent de les interroger immédiatement. Vous gagnez ainsi en agilité et pouvez prendre des décisions métier en vous basant sur les données les plus récentes.Vous pouvez également utiliser Dataflow pour activer des pipelines de flux de données rapides et simplifiés, et ainsi bénéficier d'une solution complète.
Tutoriels, guides de démarrage rapide et ateliers
Analyse basée sur les événements
Analyse basée sur les événements
Gagnez un avantage concurrentiel en répondant à des événements métier en temps réel grâce à l'analyse basée sur les événements. Des fonctionnalités de gestion des flux intégrées ingèrent automatiquement les données et permettent de les interroger immédiatement. Vous gagnez ainsi en agilité et pouvez prendre des décisions métier en vous basant sur les données les plus récentes.Vous pouvez également utiliser Dataflow pour activer des pipelines de flux de données rapides et simplifiés, et ainsi bénéficier d'une solution complète.
Data clean rooms
Data clean rooms BigQuery pour partager des données axées sur la confidentialité
Data clean rooms BigQuery pour partager des données axées sur la confidentialité
Créez un environnement de faible confiance pour que vous et vos partenaires puissiez collaborer sans copier ni déplacer les données sous-jacentes directement dans BigQuery. Cela vous permet d'effectuer des transformations visant à améliorer la confidentialité dans les interfaces SQL BigQuery et de surveiller l'utilisation pour détecter les menaces de confidentialité sur les données partagées. Profitez de l'évolutivité de BigQuery sans avoir à gérer l'infrastructure ni les intégrations de fonctionnalités d'informatique décisionnelle, d'IA et de ML.
Tutoriels, guides de démarrage rapide et ateliers
Data clean rooms BigQuery pour partager des données axées sur la confidentialité
Data clean rooms BigQuery pour partager des données axées sur la confidentialité
Créez un environnement de faible confiance pour que vous et vos partenaires puissiez collaborer sans copier ni déplacer les données sous-jacentes directement dans BigQuery. Cela vous permet d'effectuer des transformations visant à améliorer la confidentialité dans les interfaces SQL BigQuery et de surveiller l'utilisation pour détecter les menaces de confidentialité sur les données partagées. Profitez de l'évolutivité de BigQuery sans avoir à gérer l'infrastructure ni les intégrations de fonctionnalités d'informatique décisionnelle, d'IA et de ML.
Analyses géospatiales
Obtenez des insights à l'échelle planétaire grâce à des ensembles de données géospatiales riches et faciles à utiliser
Obtenez des insights à l'échelle planétaire grâce à des ensembles de données géospatiales riches et faciles à utiliser
Accédez à un portefeuille de données géospatiales riches, à un cloud computing puissant et à des outils d'IA intégrés qui vous permettent de dégager plus facilement des insights pour prendre des décisions commerciales et durables plus rapides et mieux informées, sans avoir besoin d'une expertise en télédétection ou SIG. Intégrez facilement des images et des ensembles de données prêts à l'analyse provenant d'Earth Engine, ainsi que des données satellite, Places, Routes et Street View provenant de Google Maps Platform dans vos workflows BigQuery existants à l'aide de salles blanches de données.
Tutoriels, guides de démarrage rapide et ateliers
Obtenez des insights à l'échelle planétaire grâce à des ensembles de données géospatiales riches et faciles à utiliser
Obtenez des insights à l'échelle planétaire grâce à des ensembles de données géospatiales riches et faciles à utiliser
Accédez à un portefeuille de données géospatiales riches, à un cloud computing puissant et à des outils d'IA intégrés qui vous permettent de dégager plus facilement des insights pour prendre des décisions commerciales et durables plus rapides et mieux informées, sans avoir besoin d'une expertise en télédétection ou SIG. Intégrez facilement des images et des ensembles de données prêts à l'analyse provenant d'Earth Engine, ainsi que des données satellite, Places, Routes et Street View provenant de Google Maps Platform dans vos workflows BigQuery existants à l'aide de salles blanches de données.
Tarification
| Fonctionnement des tarifs de BigQuery | Les tarifs de BigQuery sont basés sur le calcul (analyse), le stockage, les services supplémentaires utilisés, ainsi que sur l'ingestion et l'extraction de données. Le chargement et l'exportation des données sont gratuits. | |
|---|---|---|
| Services et utilisation | Type d'abonnement | Prix (USD) |
Version gratuite | Le niveau gratuit de BigQuery offre aux clients 10 Gio d'espace de stockage, jusqu'à 1 Tio de requêtes par mois sans frais dans le cadre du calcul à la demande, ainsi que d'autres ressources. | Gratuit |
Calcul (analyse) | À la demande Vous donne généralement accès à un maximum de 2 000 emplacements simultanés, partagés entre toutes les requêtes d'un même projet. | À partir de 6,25 $ par Tio analysé. Le premier Tio par mois est gratuit. |
Éditions : Standard, Enterprise et Enterprise Plus Inclut les fonctionnalités d'assistance IA de Gemini dans BigQuery. | À partir de 0,04 $ par emplacement et par heure | |
Stockage | Stockage logique Basé sur les octets non compressés utilisés dans les tables ou les partitions de table modifiées au cours des 90 derniers jours. | À partir de 0,01 $ Par Gio. Les 10 premiers Gio sont gratuits chaque mois. |
Stockage physique Basé sur les octets compressés utilisés dans les tables ou les partitions de table modifiées sur 90 jours consécutifs. | À partir de 0,02 $ Par Gio. Les 10 premiers Gio sont gratuits chaque mois. | |
Ingestion de données | Chargement par lot Importez une table depuis Cloud Storage. | Gratuit Lorsque vous utilisez le pool d'emplacements partagés |
Insertions en flux continu Les lignes correctement insérées sont facturées. Les lignes individuelles sont calculées en utilisant une taille minimale de 1 Ko. | 0,01 $ par tranche de 200 Mio | |
API BigQuery Storage Write Les données chargées dans BigQuery sont soumises aux tarifs de stockage de BigQuery ou aux tarifs de Cloud Storage. | 0,025 $ Par Gio. Les 2 premiers Tio par mois sont gratuits. | |
Extraction des données | Exportation par lot Exportation des données de table vers Cloud Storage. | Gratuit Lorsque vous utilisez le pool d'emplacements partagés |
Lectures en flux continu Lectures en flux continu des données de table à l'aide de l'API Storage Read. | À partir de 1,10 $ par Tio lu | |
En savoir plus sur les tarifs de BigQuery. Afficher le détail des tarifs
Fonctionnement des tarifs de BigQuery
Les tarifs de BigQuery sont basés sur le calcul (analyse), le stockage, les services supplémentaires utilisés, ainsi que sur l'ingestion et l'extraction de données. Le chargement et l'exportation des données sont gratuits.
Le niveau gratuit de BigQuery offre aux clients 10 Gio d'espace de stockage, jusqu'à 1 Tio de requêtes par mois sans frais dans le cadre du calcul à la demande, ainsi que d'autres ressources.
Gratuit
Calcul (analyse)
À la demande
Vous donne généralement accès à un maximum de 2 000 emplacements simultanés, partagés entre toutes les requêtes d'un même projet.
Starting at
6,25 $
par Tio analysé. Le premier Tio par mois est gratuit.
Éditions : Standard, Enterprise et Enterprise Plus
Inclut les fonctionnalités d'assistance IA de Gemini dans BigQuery.
Starting at
0,04 $
par emplacement et par heure
Stockage
Stockage logique
Basé sur les octets non compressés utilisés dans les tables ou les partitions de table modifiées au cours des 90 derniers jours.
Starting at
0,01 $
Par Gio. Les 10 premiers Gio sont gratuits chaque mois.
Stockage physique
Basé sur les octets compressés utilisés dans les tables ou les partitions de table modifiées sur 90 jours consécutifs.
Starting at
0,02 $
Par Gio. Les 10 premiers Gio sont gratuits chaque mois.
Ingestion de données
Chargement par lot
Importez une table depuis Cloud Storage.
Gratuit
Lorsque vous utilisez le pool d'emplacements partagés
Insertions en flux continu
Les lignes correctement insérées sont facturées. Les lignes individuelles sont calculées en utilisant une taille minimale de 1 Ko.
0,01 $
par tranche de 200 Mio
API BigQuery Storage Write
Les données chargées dans BigQuery sont soumises aux tarifs de stockage de BigQuery ou aux tarifs de Cloud Storage.
0,025 $
Par Gio. Les 2 premiers Tio par mois sont gratuits.
Extraction des données
Exportation par lot
Exportation des données de table vers Cloud Storage.
Gratuit
Lorsque vous utilisez le pool d'emplacements partagés
Lectures en flux continu
Lectures en flux continu des données de table à l'aide de l'API Storage Read.
Starting at
1,10 $
par Tio lu
En savoir plus sur les tarifs de BigQuery. Afficher le détail des tarifs
Commencer votre démonstration de faisabilité
Cas d'utilisation métier
Des dizaines de milliers de clients choisissent BigQuery pour créer leurs plates-formes d'IA à partir de leurs données
Mattel gagne du temps et de l'argent en connectant ses données à l'IA dans BigQuery.
TJ Allard, lead data scientist, Mattel
"BigQuery et Vertex AI rassemblent toutes nos données et notre IA sur une même plate-forme. Cela a transformé notre façon de traiter les commentaires des clients : nous sommes passés d'un processus manuel fastidieux à une simple requête en langage naturel en quelques secondes, ce qui nous permet d'obtenir des insights sur les clients en quelques minutes au lieu de plusieurs mois."
Lire d'autres témoignages de clients
Deutsche Telekom conçoit le télécom de demain avec BigQuery
Consulter le blog
10 mois pour innover : Definity passe à l'agilité des données avec BigQuery et Vertex AI
Consulter le blog
Yassir a migré de Databricks vers BigQuery et a amélioré les performances et l'efficacité de ses processus de machine learning
Consulter le blog
Découvrir les différences avec BigQuery
Innovation basée sur l'IA avec une recherche conversationnelle et intelligente, ainsi que de nouvelles expériences d'agent enrichies d'une couche sémantique pour plus de précision.
Données unifiées sur AI Platform pour une analyse, un co-traitement par IA et des insights en temps réel sur les données multimodales, avec une gouvernance, des métadonnées d'exécution et une sécurité unifiées.
Flexibilité et pérennité grâce à une IA à faible coût et une interopérabilité fluide avec des solutions tierces et Open Source.
Partenaires et intégration
Collaborez avec un partenaire pour profiter de son expertise de BigQuery
ETL et intégration de données
Reverse ETL et MDM
Informatique décisionnelle et visualisation des données
Sécurité et gouvernance des données
Connecteurs et outils pour les développeurs
Machine learning et analyses avancées
Qualité et observabilité des données
Partenaires dans le domaine du conseil
De l'ingestion de données à la visualisation, de nombreux partenaires ont intégré leurs solutions de données à BigQuery. Vous trouverez ci-dessus une liste d'intégrations partenaires disponibles via Google Cloud Ready – BigQuery.
Consultez notre annuaire Partners pour en savoir plus sur ces partenaires BigQuery.
Questions fréquentes
En quoi BigQuery est-il différent des autres solutions d'entreposage de données d'entreprise ?
BigQuery est l'entrepôt de données d'entreprise sans serveur et entièrement géré de Google Cloud. Il est compatible avec tous les types de données, fonctionne sur plusieurs clouds et intègre des technologies de machine learning et d'informatique décisionnelle, le tout dans une plate-forme unifiée. Grâce à l'intégration native de Vertex AI, vous pouvez facilement associer vos données à l'IA de pointe de Google sans quitter BigQuery.
Qu'est-ce qu'un entrepôt de données d'entreprise ?
Un entrepôt de données d'entreprise est un système utilisé pour l'analyse et le reporting sur des données structurées et semi-structurées provenant de plusieurs sources. De nombreuses organisations passent d'entrepôts de données traditionnels sur site à des entrepôts de données cloud, ce qui permet des économies, une évolutivité et une flexibilité accrues.
Dans quelle mesure BigQuery est-il sécurisé ?
BigQuery dispose de contrôles de sécurité, de gouvernance et de fiabilité robustes qui offrent une garantie de haute disponibilité à 99,99 % dans le cadre d'un contrat de niveau de service. Vos données sont protégées grâce à un chiffrement par défaut et à des clés de chiffrement gérées par le client.
Comment démarrer avec BigQuery ?
Il existe plusieurs façons de vous lancer avec BigQuery. Les nouveaux clients reçoivent 300 $ de crédits à dépenser sur BigQuery. Tous les clients obtiennent gratuitement 10 Go d'espace de stockage et jusqu'à 1 To de requêtes par mois, non déduits de leurs crédits. Vous pouvez obtenir ces crédits en vous inscrivant à l'essai gratuit de BigQuery. Vous n'êtes pas encore prêt ? Vous pouvez utiliser le bac à sable BigQuery sans carte de crédit pour comprendre le fonctionnement de ce service.
Qu'est-ce que le bac à sable BigQuery ?
Le bac à sable BigQuery vous permet de tester BigQuery sans carte de crédit. Vous restez automatiquement dans le niveau gratuit de BigQuery et vous pouvez utiliser le bac à sable pour exécuter des requêtes et des analyses sur des ensembles de données publics afin de voir comment cela fonctionne. Vous pouvez également importer vos propres données dans le bac à sable BigQuery pour les analyser. Il est possible de passer à l'essai gratuit, qui offre aux nouveaux clients 300 $ de crédits pour tester BigQuery.
Comment les entreprises utilisent-elles généralement BigQuery ?
Des entreprises de toutes tailles utilisent BigQuery pour regrouper dans un emplacement unique leurs données auparavant cloisonnées, les analyser et en tirer des insights. Elles peuvent ainsi prendre des décisions en temps réel, simplifier les rapports d'activité et intégrer le machine learning à l'analyse de données afin de prédire les futures opportunités commerciales.
