BigQuery
Vom Data Warehouse zur autonomen Daten- und KI-Plattform
BigQuery ist die autonome Daten-zu-KI-Plattform, die den gesamten Datenlebenszyklus automatisiert – von der Aufnahme bis hin zu KI-gestützten Erkenntnissen. So können Sie schneller von Daten zu KI und ins Handeln kommen.
Die Funktionen von Gemini in BigQuery sind jetzt in den BigQuery-Preismodellen enthalten.
10 GiB Daten speichern und bis zu 1 TiB Abfragen pro Monat kostenlos ausführen Neukunden erhalten außerdem ein kostenloses Guthaben von 300 $, um BigQuery und andere Google Cloud-Produkte auszuprobieren.
Features
Leistungsstarke KI mit vertrauter SQL
Verbinden Sie Ihre Daten mit KI – mit BigQuery AI. Sie können ML-Modelle wie lineare Regression, K-Means-Clustering oder Zeitreihenvorhersagen direkt in BigQuery mit vertrauten SQL-Befehlen trainieren, bewerten und ausführen. Binden Sie Ihre Modelle einfach in Vertex AI Model Registry ein, um erweiterte MLOps-Funktionen zu nutzen. Mit nativen KI-Funktionen können Sie generative KI zu einem integralen Bestandteil von SQL für Aufgaben wie Textzusammenfassung und Sentimentanalyse machen, ohne dass spezielle Tools oder Datenverschiebungen erforderlich sind. Sie können eine ausgefeilte Kontextabfrage durchführen und mit der Einbettungsgenerierung und Vektor-, Text- oder Hybridsuche erweiterte Suchanwendungen erstellen.
Workflows mit Agenten vereinfachen
KI-basierte Unterstützung und Automatisierung für alle Datennutzer in allen analytischen Workflows erhalten. Automatisieren Sie Datenaufbereitung, Fehlererkennung, Transformationen und Pipelineerstellung mit dem Data Engineering Agent. Der gesamte ML-Lebenszyklus wird optimiert – von der explorativen Datenanalyse bis hin zur Ausführung von Vorhersagen im Data Science Agent. Mit dem Agenten für konversationelle Analysen können Sie BigQuery-Erkenntnisse allen Nutzern zugänglich machen. Sie können Fragen in natürlicher Sprache stellen und erhalten Antworten. Nutzen Sie grundlegende APIs, ADK-Integrationen und den BigQuery MCP-Server für die Entwicklung benutzerdefinierter Agents.
Open-Source- und offene Formate nach Wahl
Führen Sie serverloses Spark neben SQL-Arbeitslasten in BigQuery aus – mit einheitlicher Sicherheit, Laufzeit-Metadaten und Governance. Die vollständig verwalteten Funktionen von BigQuery in Kombination mit verwalteten Apache Iceberg-Tabellen, die von BigLake unterstützt werden, ermöglichen Streaming, erweiterte Analysen und KI-Anwendungsfälle und erleichtern so die Arbeit mit offenen Formaten.
Integrierte Data-to-AI-Governance
BigQuery bietet eine kontextbezogene Verwaltung, die auf dem Dataplex Universal Catalog basiert. Alle wichtigen Funktionen, darunter automatisches Erfassen von Metadaten, Datenprofilierung, Datenqualität und Lineage, sind eingebunden und in BigQuery verfügbar. Kunden können generative KI-gestützte Funktionen wie semantische Suchen, Metadatenergänzungen und Dateninformationen verwenden, um BigQuery-Assets zu entdecken, zu dokumentieren und schneller relevante Informationen zu erhalten.
Für Unternehmen und Effizienz entwickelt
Die einzigartige Architektur von BigQuery trennt Speicher und Computing für Analysen im Petabyte-Maßstab und optimiert die Kosten durch komprimierten Speicher, Computing-Autoscaling, flexible Preise und mehr. BigQuery nutzt eine Vielzahl von Google-Infrastrukturtechnologien wie Borg, Colossus, Jupiter und Dremel. Für geschäftskritische Arbeitslasten bietet BigQuery auch eine verwaltete Notfallwiederherstellung im Fall eines vollständigen Ausfalles einer Region, die auf der regionenübergreifenden Dataset-Replikation basiert.
Echtzeitanalysen mit Streaming-Datenpipelines
Mit Managed Service for Apache Kafka können Sie Echtzeit-Streaminganwendungen erstellen und ausführen. Von SQL-basiertem einfachen Streaming mit BigQuery-kontinuierlichen Abfragen über beliebte Open-Source-Kafka-Plattformen und erweitertes multimodales Datenstreaming bis hin zu ML mit Dataflow einschließlich Unterstützung für Iceberg – mit Google Cloud können Sie Daten in Echtzeit und KI Realität werden lassen.
Für Unternehmen geeignet
BigQuery wird kontinuierlich um neue Funktionen für Unternehmen erweitert.Die regionsübergreifende Notfallwiederherstellung bietet einen verwalteten Failover im unwahrscheinlichen Fall eines regionalen Notfalls sowie Funktionen zur Datensicherung und -wiederherstellung, mit denen Sie alles nach Nutzerfehlern wiederherstellen können. Das Monitoring des Betriebszustands von BigQuery bietet organisationsweite Ansichten Ihrer BigQuery-Betriebsumgebung. BigQuery Migration Services bietet eine umfassende Sammlung von Tools für die Migration zu BigQuery von Legacy- oder Cloud-Data-Warehouses.
Funktionsweise
Hier erfahren Sie, wie Sie mit BigQuery Ihre Daten zusammenführen und mit bahnbrechender KI verknüpfen können. Hier erfahren Sie, wie Sie auf unstrukturierte Daten wie Bilder, PDFs und Texte zugreifen, um die Metadaten einer E-Commerce-Website zu füllen. Mit BigQuery geht das ganz einfach – und das, was sonst Stunden dauern würde.
Hier erfahren Sie, wie Sie mit BigQuery Ihre Daten zusammenführen und mit bahnbrechender KI verknüpfen können. Hier erfahren Sie, wie Sie auf unstrukturierte Daten wie Bilder, PDFs und Texte zugreifen, um die Metadaten einer E-Commerce-Website zu füllen. Mit BigQuery geht das ganz einfach – und das, was sonst Stunden dauern würde.
Gängige Einsatzmöglichkeiten
Data Science
Daten-zu-KI-Workflows vereinfachen
Daten-zu-KI-Workflows vereinfachen
Optimieren Sie End-to-End-Workflows für Data Science in Colab Enterprise-Notebooks mit integrierten Agents oder Open-Source-Python-Bibliotheken über BigQuery DataFrames. Verwenden Sie Ihre bevorzugte Verarbeitungs-Engine – SQL oder Open-Source-Frameworks wie Apache Spark. Sie können ML-Modelle direkt in BigQuery trainieren, bewerten und bereitstellen oder vortrainierte Modelle wie TimesFM mit SQL verwenden. Speichern Sie bequem Funktionen für in BigQuery erstellte und verwendete Modelle. Sie können die Modelle versionieren, bewerten und bereitstellen, indem Sie sie in Vertex AI für die Onlinevorhersage über eine einzige Schnittstelle registrieren.
Tutorials, Kurzanleitungen und Labs
Daten-zu-KI-Workflows vereinfachen
Daten-zu-KI-Workflows vereinfachen
Optimieren Sie End-to-End-Workflows für Data Science in Colab Enterprise-Notebooks mit integrierten Agents oder Open-Source-Python-Bibliotheken über BigQuery DataFrames. Verwenden Sie Ihre bevorzugte Verarbeitungs-Engine – SQL oder Open-Source-Frameworks wie Apache Spark. Sie können ML-Modelle direkt in BigQuery trainieren, bewerten und bereitstellen oder vortrainierte Modelle wie TimesFM mit SQL verwenden. Speichern Sie bequem Funktionen für in BigQuery erstellte und verwendete Modelle. Sie können die Modelle versionieren, bewerten und bereitstellen, indem Sie sie in Vertex AI für die Onlinevorhersage über eine einzige Schnittstelle registrieren.
Data-Warehouse-Migration
Data Warehouses zu BigQuery migrieren
Data Warehouses zu BigQuery migrieren
Lösen Sie die heutigen Anforderungen von Analysen und die KI-Anwendungsfälle von morgen, indem Sie Ihr Data Warehouse zu BigQuery migrieren. Optimieren Sie Ihren Migrationspfad von Netezza, Oracle, Redshift, Teradata oder Snowflake zu BigQuery mit dem kostenlosen und vollständig verwalteten BigQuery Migration Service.
Tutorials, Kurzanleitungen und Labs
Data Warehouses zu BigQuery migrieren
Data Warehouses zu BigQuery migrieren
Lösen Sie die heutigen Anforderungen von Analysen und die KI-Anwendungsfälle von morgen, indem Sie Ihr Data Warehouse zu BigQuery migrieren. Optimieren Sie Ihren Migrationspfad von Netezza, Oracle, Redshift, Teradata oder Snowflake zu BigQuery mit dem kostenlosen und vollständig verwalteten BigQuery Migration Service.
Datenintegration und ELT
Daten in BigQuery laden
Daten in BigQuery laden
ELT ist das empfohlene Muster zum Importieren von Daten in BigQuery. Es gibt viele Tools, die eine flexible Datenintegration bieten. Für das Laden von Daten in Batches können Sie den BigQuery Data Transfer Service (DTS) verwenden, um das Bulk-Laden von Daten aus unterstützten Datenquellen in BigQuery zu automatisieren. Streaming-Laden: Pub/Sub BigQuery-Abos schreiben Pub/Sub-Nachrichten beim Empfang in eine vorhandene BigQuery-Tabelle. Für Change Data Capture (CDC) ermöglicht Datastream eine nicht eingreifende Datenerfassung von Datenbanken in BigQuery. Außerdem können Sie eine Föderation mit einer Reihe von externen Datenquellen herstellen, bei denen keine Datenverschiebung erforderlich ist.
Tutorials, Kurzanleitungen und Labs
Daten in BigQuery laden
Daten in BigQuery laden
ELT ist das empfohlene Muster zum Importieren von Daten in BigQuery. Es gibt viele Tools, die eine flexible Datenintegration bieten. Für das Laden von Daten in Batches können Sie den BigQuery Data Transfer Service (DTS) verwenden, um das Bulk-Laden von Daten aus unterstützten Datenquellen in BigQuery zu automatisieren. Streaming-Laden: Pub/Sub BigQuery-Abos schreiben Pub/Sub-Nachrichten beim Empfang in eine vorhandene BigQuery-Tabelle. Für Change Data Capture (CDC) ermöglicht Datastream eine nicht eingreifende Datenerfassung von Datenbanken in BigQuery. Außerdem können Sie eine Föderation mit einer Reihe von externen Datenquellen herstellen, bei denen keine Datenverschiebung erforderlich ist.
Echtzeitanalysen
Ereignisgesteuerte Analyse
Ereignisgesteuerte Analyse
Reagieren Sie in Echtzeit mit ereignisgesteuerten Analysen auf Geschäftsereignisse und sichern Sie sich so einen Wettbewerbsvorteil. Integrierte Streamingfunktionen nehmen automatisch Streamingdaten auf und stellen sie sofort für Abfragen zur Verfügung. So bleiben Sie agil und können anhand neuester Daten Geschäftsentscheidungen treffen.Oder nutzen Sie Dataflow, um schnelle, vereinfachte Streaming-Datenpipelines für eine umfassende Lösung zu ermöglichen.
Tutorials, Kurzanleitungen und Labs
Ereignisgesteuerte Analyse
Ereignisgesteuerte Analyse
Reagieren Sie in Echtzeit mit ereignisgesteuerten Analysen auf Geschäftsereignisse und sichern Sie sich so einen Wettbewerbsvorteil. Integrierte Streamingfunktionen nehmen automatisch Streamingdaten auf und stellen sie sofort für Abfragen zur Verfügung. So bleiben Sie agil und können anhand neuester Daten Geschäftsentscheidungen treffen.Oder nutzen Sie Dataflow, um schnelle, vereinfachte Streaming-Datenpipelines für eine umfassende Lösung zu ermöglichen.
Data-Clean-Rooms
BigQuery-Data-Clean-Rooms für datenschutzkonforme Datenfreigabe
BigQuery-Data-Clean-Rooms für datenschutzkonforme Datenfreigabe
Erstellen Sie eine Low-Trust-Umgebung, in der Sie und Ihre Partner zusammenarbeiten können, ohne die zugrunde liegenden Daten direkt in BigQuery zu kopieren oder zu verschieben. Auf diese Weise können Sie datenschutzfreundliche Transformationen in BigQuery SQL-Schnittstellen durchführen und die Nutzung überwachen, um Datenschutzbedrohungen für freigegebene Daten zu erkennen. Profitieren Sie von der BigQuery-Skalierung, ohne eine Infrastruktur verwalten zu müssen, sowie von integrierter BI und KI/ML.
Tutorials, Kurzanleitungen und Labs
BigQuery-Data-Clean-Rooms für datenschutzkonforme Datenfreigabe
BigQuery-Data-Clean-Rooms für datenschutzkonforme Datenfreigabe
Erstellen Sie eine Low-Trust-Umgebung, in der Sie und Ihre Partner zusammenarbeiten können, ohne die zugrunde liegenden Daten direkt in BigQuery zu kopieren oder zu verschieben. Auf diese Weise können Sie datenschutzfreundliche Transformationen in BigQuery SQL-Schnittstellen durchführen und die Nutzung überwachen, um Datenschutzbedrohungen für freigegebene Daten zu erkennen. Profitieren Sie von der BigQuery-Skalierung, ohne eine Infrastruktur verwalten zu müssen, sowie von integrierter BI und KI/ML.
Raumbezogene Analysen
Mit umfangreichen, nutzerfreundlichen Geodatensätzen Informationen auf globaler Ebene gewinnen
Mit umfangreichen, nutzerfreundlichen Geodatensätzen Informationen auf globaler Ebene gewinnen
Sie haben Zugriff auf ein Portfolio mit umfangreichen Geodaten, leistungsstarkem Cloud-Computing und integrierten KI-Tools, mit denen Sie leichter Informationen gewinnen können, die zu fundierteren und schnelleren Entscheidungen in Bezug auf Geschäftstätigkeiten und Nachhaltigkeit führen. Dabei benötigen Sie keine Fachkenntnisse in den Bereichen Fernerkundung oder GIS. Integrieren Sie mithilfe von Data Clean Rooms reibungslos analysebereite Bilder und Datasets aus der Earth Engine sowie Daten zu Orten, Routen, Street View und Satellitendaten aus der Google Maps Platform in Ihre bestehenden BigQuery-Workflows.
Tutorials, Kurzanleitungen und Labs
Mit umfangreichen, nutzerfreundlichen Geodatensätzen Informationen auf globaler Ebene gewinnen
Mit umfangreichen, nutzerfreundlichen Geodatensätzen Informationen auf globaler Ebene gewinnen
Sie haben Zugriff auf ein Portfolio mit umfangreichen Geodaten, leistungsstarkem Cloud-Computing und integrierten KI-Tools, mit denen Sie leichter Informationen gewinnen können, die zu fundierteren und schnelleren Entscheidungen in Bezug auf Geschäftstätigkeiten und Nachhaltigkeit führen. Dabei benötigen Sie keine Fachkenntnisse in den Bereichen Fernerkundung oder GIS. Integrieren Sie mithilfe von Data Clean Rooms reibungslos analysebereite Bilder und Datasets aus der Earth Engine sowie Daten zu Orten, Routen, Street View und Satellitendaten aus der Google Maps Platform in Ihre bestehenden BigQuery-Workflows.
Preise
| Funktionsweise von BigQuery-Preisen | Die Preise für BigQuery richten sich nach Computingleistung (Analyse), Speicherbedarf, ggf. zusätzlichen Diensten sowie Datenaufnahme und -extraktion. Das Laden und Exportieren von Daten ist kostenlos. | |
|---|---|---|
| Dienste und Nutzung | Abotyp | Preis (in $) |
Kostenlose Stufe | Die kostenlose BigQuery-Stufe bietet Kunden 10 GiB Speicherplatz, ein Abfragevolumen von bis zu 1 TiB pro Monat sowie weitere Ressourcen. | Kostenlos |
Computing (Analyse) | On demand Im Allgemeinen haben Sie Zugriff auf bis zu 2.000 gleichzeitige Slots, die für alle Abfragen in einem Projekt gemeinsam genutzt werden. | Ab 6,25 $ pro gescanntem TiB. Das erste TiB im Monat ist kostenlos. |
Versionen: Standard, Enterprise und Enterprise Plus Enthält die KI-Unterstützungsfunktionen von Gemini in BigQuery. | Ab 0,04 $ pro Slot-Stunde | |
Speicher | Logischer Speicher Basierend auf unkomprimierten Bytes, die in Tabellen oder Tabellenpartitionen verwendet und in den letzten 90 Tagen geändert wurden. | Ab 0,01 $ Pro GiB. Die ersten 10 GiB pro Monat sind kostenlos. |
Physischer Speicher Basierend auf komprimierten Bytes, die in Tabellen oder Tabellenpartitionen verwendet und in 90 aufeinanderfolgenden Tagen geändert wurden. | Ab 0,02 $ Pro GiB. Die ersten 10 GiB pro Monat sind kostenlos. | |
Datenaufnahme | Laden im Batch Tabelle aus Cloud Storage importieren. | Kostenlos Bei Verwendung des Pools für freigegebene Slots. |
Streaming-Insert-Anweisungen Abgerechnet werden die erfolgreich eingefügten Zeilen. Einzelne Zeilen werden mit einer Mindestgröße von 1 KB berechnet. | 0,01 $ pro 200 MiB | |
BigQuery Storage Write API In BigQuery geladene Daten unterliegen den BigQuery-Speicherpreisen oder den Cloud Storage-Preisen. | 0,025 $ pro 1 GiB. Die ersten 2 TiB pro Monat sind kostenlos. | |
Datenextraktion | Batch-Export Tabellendaten in Cloud Storage exportieren. | Kostenlos Bei Verwendung des Pools für freigegebene Slots. |
Streaming-Lesevorgänge Storage Read API verwenden, um Streaming-Lesevorgänge von Tabellendaten auszuführen. | Ab 1,10 $ pro TiB Lesevorgang | |
Hier finden Sie weitere Details zu den BigQuery-Preisen: Vollständige Preisinformationen
Funktionsweise von BigQuery-Preisen
Die Preise für BigQuery richten sich nach Computingleistung (Analyse), Speicherbedarf, ggf. zusätzlichen Diensten sowie Datenaufnahme und -extraktion. Das Laden und Exportieren von Daten ist kostenlos.
Kostenlose Stufe
Die kostenlose BigQuery-Stufe bietet Kunden 10 GiB Speicherplatz, ein Abfragevolumen von bis zu 1 TiB pro Monat sowie weitere Ressourcen.
Kostenlos
Computing (Analyse)
On demand
Im Allgemeinen haben Sie Zugriff auf bis zu 2.000 gleichzeitige Slots, die für alle Abfragen in einem Projekt gemeinsam genutzt werden.
Starting at
6,25 $
pro gescanntem TiB. Das erste TiB im Monat ist kostenlos.
Versionen: Standard, Enterprise und Enterprise Plus
Enthält die KI-Unterstützungsfunktionen von Gemini in BigQuery.
Starting at
0,04 $
pro Slot-Stunde
Speicher
Logischer Speicher
Basierend auf unkomprimierten Bytes, die in Tabellen oder Tabellenpartitionen verwendet und in den letzten 90 Tagen geändert wurden.
Starting at
0,01 $
Pro GiB. Die ersten 10 GiB pro Monat sind kostenlos.
Physischer Speicher
Basierend auf komprimierten Bytes, die in Tabellen oder Tabellenpartitionen verwendet und in 90 aufeinanderfolgenden Tagen geändert wurden.
Starting at
0,02 $
Pro GiB. Die ersten 10 GiB pro Monat sind kostenlos.
Datenaufnahme
Laden im Batch
Tabelle aus Cloud Storage importieren.
Kostenlos
Bei Verwendung des Pools für freigegebene Slots.
Streaming-Insert-Anweisungen
Abgerechnet werden die erfolgreich eingefügten Zeilen. Einzelne Zeilen werden mit einer Mindestgröße von 1 KB berechnet.
0,01 $
pro 200 MiB
BigQuery Storage Write API
In BigQuery geladene Daten unterliegen den BigQuery-Speicherpreisen oder den Cloud Storage-Preisen.
0,025 $
pro 1 GiB. Die ersten 2 TiB pro Monat sind kostenlos.
Datenextraktion
Batch-Export
Tabellendaten in Cloud Storage exportieren.
Kostenlos
Bei Verwendung des Pools für freigegebene Slots.
Streaming-Lesevorgänge
Storage Read API verwenden, um Streaming-Lesevorgänge von Tabellendaten auszuführen.
Starting at
1,10 $
pro TiB Lesevorgang
Hier finden Sie weitere Details zu den BigQuery-Preisen: Vollständige Preisinformationen
Proof of Concept starten
Anwendungsszenario
Zehntausende Kunden nutzen BigQuery, um ihre Daten für KI-Plattformen zu erstellen
Mattel spart Zeit und Geld, indem das Unternehmen seine Daten in BigQuery mit KI verbindet.
TJ Allard, Lead Data Scientist, Mattel
„BigQuery und Vertex AI führen alle unsere Daten und die KI auf einer einzigen Plattform zusammen. Das hat die Art und Weise, wie wir auf Kundenfeedback reagieren, grundlegend verändert. Aus einem langwierigen manuellen Prozess ist eine einfache Abfrage in natürlicher Sprache geworden, die nur wenige Sekunden dauert. So erhalten wir in kürzester Zeit Einblicke in die Kundenmeinung, wofür wir früher Monate gebraucht hätten.“
Mehr Kundenberichte lesen
Die Deutsche Telekom gestaltet mit BigQuery die Telekommunikation von morgen
Blog lesen
In 10 Monaten zur Innovation: Definitys Sprung zur Datenagilität mit BigQuery und Vertex AI
Blog lesen
Yassir migrierte von Databricks zu BigQuery und verbesserte die Leistung und Effizienz seiner Machine-Learning-Prozesse
Blog lesen
Der Unterschied mit BigQuery
KI-gestützte Innovationen mit einer konversationellen, intelligenten Suche und brandneuen Agent-Funktionen, die mit einer semantischen Ebene für mehr Genauigkeit erweitert wurden.
Plattform für die Daten-zu-KI-Transformation mit einheitlicher Governance, Metadaten zur Laufzeit und Sicherheit für nahtlose Analysen, KI-Co-Verarbeitung und Echtzeitinformationen zu multimodalen Daten
Flexibel und zukunftssicher mit kostengünstiger KI und nahtloser Interoperabilität mit Drittanbietern und Open Source.
Partner und Integration
Mit einer Fachkraft für BigQuery zusammenarbeiten
ETL und Datenintegration
ETL und MDM umkehren
BI und Datenvisualisierung
Datenverwaltung und -sicherheit
Connectors und Entwicklertools
Machine Learning und erweiterte Analysen
Datenqualität und Beobachtbarkeit
Beratungspartner
Viele Partnerunternehmen binden ihre Datenlösungen in BigQuery ein – von der Datenaufnahme bis zur Visualisierung. Die hier aufgeführten Unternehmen nutzen die Integration über Google Cloud Ready – BigQuery.
Informationen zu diesen Unternehmen finden Sie in unserem Partnerverzeichnis.
FAQs
Was unterscheidet BigQuery von anderen Data Warehouses für Unternehmen?
BigQuery von Google Cloud ist die vollständig verwaltete und serverlose Data-Warehouse-Lösung für Unternehmen. BigQuery unterstützt alle Datentypen, funktioniert cloudübergreifend und enthält integrierte Funktionen für Machine Learning und Business Intelligence auf einer einheitlichen Plattform. Dank der nativen Vertex AI-Einbindung können Sie Ihre Daten ganz einfach mit der branchenführenden KI von Google verknüpfen, ohne BigQuery verlassen zu müssen.
Was ist ein Data Warehouse für Unternehmen?
Ein Data Warehouse für Unternehmen ist ein System, das für die Analyse und Berichte zu strukturierten und semistrukturierten Daten aus verschiedenen Quellen verwendet wird. Viele Unternehmen wechseln von traditionellen Data Warehouses in lokaler Umgebung zu Cloud Data Warehouses, um von Kosteneinsparungen, höherer Skalierbarkeit und mehr Flexibilität zu profitieren.
Wie sicher ist BigQuery?
BigQuery bietet robuste Steuerelemente für Sicherheit, Data Governance und Zuverlässigkeit, die einen SLA von 99,99 % Verfügbarkeit bieten. Ihre Daten werden durch Standard-Verschlüsselung und kundenverwaltete Schlüssel geschützt.
Wie fange ich am besten mit BigQuery an?
Es gibt verschiedene Möglichkeiten, BigQuery zu verwenden. Neukunden erhalten ein Startguthaben von 300 $ für BigQuery. Alle Kunden können 10 GB Speicherplatz und ein Abfragevolumen von bis zu 1 TB pro Monat kostenlos nutzen. Dies wird nicht mit ihrem Guthaben verrechnet. Registrieren Sie sich für die kostenlose Testversion von BigQuery, um das Guthaben zu erhalten. Noch nicht bereit? Sie können die BigQuery-Sandbox ohne Kreditkarte testen.
Was ist die BigQuery-Sandbox?
In der BigQuery-Sandbox können Sie BigQuery ohne Kreditkarte testen. Sie bleiben automatisch in der kostenlosen Stufe von BigQuery und können die Sandbox nutzen, um Abfragen und Analysen in öffentlichen Datasets durchzuführen und die Funktionsweise zu testen. Sie können auch eigene Daten zur Analyse in die BigQuery-Sandbox übertragen. Sie können auf die kostenlose Testversion upgraden, bei der Neukunden ein Guthaben von 300 $ zum Ausprobieren von BigQuery erhalten.
Wofür wird BigQuery am häufigsten von Unternehmen genutzt?
Unternehmen jeder Größe verwenden BigQuery, um isolierte Daten zentral zu konsolidieren und so Datenanalysen durchzuführen und Insights aus Geschäftsdaten zu gewinnen. Dadurch können sie Entscheidungen in Echtzeit treffen, Geschäftsberichte optimieren und Machine Learning in die Datenanalyse einbinden, um zukünftige Geschäftschancen zu erkennen.
