BigQuery

构建将结构化数据、非结构化数据和生成式 AI 模型混合在一起的数据流水线，打造新型分析应用。BigQuery 使用 Vertex AI 与 Gemini 1.0 Pro 集成。Gemini 1.0 Pro 模型旨在提高输入/输出规模，提高文本摘要和情感分析等各种任务的结果质量。您现在可以直接在 BigQuery 控制台中使用简单的 SQL 语句或 BigQuery 的嵌入式 DataFrame API 进行访问。

通过迁移到 Google Cloud 的企业数据仓库，解决当今的分析需求，并无缝扩大您的业务规模。使用免费的全代管式 BigQuery Migration Service，简化从 Netezza、Oracle、Redshift、Teradata 或 Snowflake 迁移到 BigQuery 的流程。

将来自多个不同数据源的数据整合到 BigQuery 中，让分析变得更简单易行。您可以从本地来源、Google 云端硬盘或 Cloud Storage 存储桶上传数据文件，利用 BigQuery Data Transfer Service (DTS)、Cloud Data Fusion 插件的优势，借助 DataStream for BigQuery 或利用 Google 行业领先的数据集成合作伙伴关系，从关系型数据库中复制数据。

非结构化数据表示大部分未得到利用的企业数据。然而，解读这些数据并非易事，因此很难从中提取有意义的数据洞见。利用 BigLake 的强大功能，您可以使用广泛的 AI 模型，包括 Vertex AI 的视觉、文档处理和语音转文字 API、开源 TensorFlow Hub 模型或您自己的自定义模型，从图片、文档和音频文件中发掘分析洞见。

部署示例数据仓库解决方案，以使用 BigQuery 和 Looker Studio 探索、分析和直观呈现数据。此外，还可应用生成式 AI 来总结分析结果。

通过事件驱动型分析实时响应业务事件，获得竞争优势。内置流式处理功能可自动注入流式数据并使其立即可供查询。这有助于您保持敏捷机动，根据最新数据做出业务决策。您还可以使用 Dataflow 实现快速、简化的流式数据流水线，从而打造全面的解决方案。

预测式分析可用于简化运营、提高收入并降低风险。BigQuery ML 支持数据分析师利用现有商业智能工具和电子表格来构建和运行模型，使机器学习技术得以进一步普及。预测分析可指导整个组织的业务决策。

通过在 BigQuery 中统一营销和业务数据源，将 Google AI 的强大功能引入您的营销数据。全面了解业务，利用更多第一方数据提高营销投资回报率和效果，并通过内置的机器学习/AI 功能大规模开展个性化定位营销。通过 Looker Studio 或关联工作表分享数据洞见和效果。

创建一个低信任度的环境，让您和您的合作伙伴无需直接在 BigQuery 中复制或移动底层数据，即可展开协作。这样，您就可以在 BigQuery SQL 接口中执行加强隐私保护的转换并监控使用情况，以检测共享数据中的隐私威胁。您可以享受 BigQuery 的规模优势，而无需管理任何基础设施以及内置的 BI 和 AI/机器学习功能。