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 BOLDNeukundinnen und Neukunden erhalten außerdem ein kostenloses Guthaben von 300 $, um BigQuery und andere Google Cloud-Produkte auszuprobieren.
Features
Integrierte prädiktive Analysen und KI-Inferenz
Verbinden Sie Ihre Daten mit KI – mit BigQuery AI. Sie können Modelle für die prädiktive Analyse direkt in BigQuery mit SQL trainieren, bewerten und bereitstellen. Binden Sie Ihre Modelle einfach in Gemini Enterprise Agent Platform ein, um erweiterte MLOps-Funktionen zu nutzen. Nutzen Sie generative KI in Ihren Workflows mit KI-Funktionen für Textzusammenfassung, Sentimentanalyse und Datenanreicherung. Neben herkömmlichen Tabellen können Sie mit BigQuery Graph komplexe Beziehungen und Muster in Ihren Daten aufdecken. Mit Einbettungen und Vektor-, Text- oder Hybridsuche können Sie anspruchsvolle Anwendungen für den Kontextabruf und RAG entwickeln, um Informationen basierend auf ihrer Bedeutung und nicht nur auf Stichwörtern zu finden.
KI-Agenten für alle Datenteams
KI-basierte Unterstützung und Automatisierung für alle Datennutzer in allen analytischen Workflows erhalten. Mit dem Data Engineering Agent lassen sich Datenaufbereitung, Fehlererkennung, Transformationen und Pipeline-Erstellung automatisieren. Mit einem einfachen Prompt im Data Science Agent können Sie einen detaillierten Plan erstellen und alle Aspekte der Data Science ausführen, einschließlich dem Laden von Daten, Feature Engineering, Modelltraining und ‑bewertung. Mit dem Agent für konversationelle Analysen können Sie Erkenntnisse für alle zugänglich machen. So kann jeder komplexe Fragen in natürlicher Sprache stellen und fundierte, kontextsensitive Antworten erhalten.
Tools für die Entwicklung und Analyse von Agents
Betten Sie Funktionen für Abfragen in natürlicher Sprache in Ihre Workflows ein. Verwenden Sie dazu die Conversational Analytics API. Sie können sich ganz einfach über eine Vielzahl von IDEs und Entwicklertools wie Gemini CLI mit BigQuery verbinden, indem Sie BigQuery MCP Server, ADK-Integration oder OSS MCP Toolbox verwenden. Mit nur einer Zeile Code können Sie detaillierte Agent-Interaktionen in BigQuery streamen, um Leistung und Kosten zu optimieren. Verwenden Sie dazu BigQuery Agent Ops-Plug-ins für Frameworks wie ADK, LangGraph und UCP.
BigQuery-Skalierbarkeit und ‑Leistung für Apache Iceberg
Sie können die Leistung von BigQuery für Ihre Iceberg-Daten nutzen, indem Sie die Lese-/Schreib-Interoperabilität zwischen BigQuery, Google Cloud Managed Service for Apache Spark und anderen OSS-Engines ohne Datenverschiebung aktivieren. Sie erhalten Echtzeit-Einblicke über Streaming mit hohem Durchsatz und können Pipelines mit Transaktionen mit mehreren Anweisungen und CDC vereinfachen. Google Cloud Lakehouse automatisiert die routinemäßige Iceberg-Wartung, z. B. Komprimierung und Clustering, um das Preis-Leistungs-Verhältnis zu optimieren und manuellen Aufwand zu vermeiden.
Governance automatisieren und Agenten Kontext liefern
Integrierter Kontext mit wichtigen Funktionen wie automatischem Erfassen von Metadaten, Datenprofilerstellung, Datenqualität und Herkunft, unterstützt durch Knowledge Catalog. Ermöglichen Sie Ihren Kundenservicemitarbeitern, einen ganzheitlichen Kontext aus Ihren Unternehmensdaten abzurufen. Mit semantischer Suche, Kontext-APIs und MCP-Tools können Kundenservicemitarbeiter Daten-Assets sofort finden, vordefinierte Metadaten extrahieren und anreichern.
Für Unternehmensskalierung 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. Innovationen wie die fließende Skalierung ermöglichen eine Abrechnung im Sekundentakt. Fortschrittliche Laufzeit- und verlaufsbasierte Optimierungen beschleunigen die Verarbeitung von nativen und Iceberg-Arbeitslasten ohne Code- oder Schemaänderungen.
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.
Verwaltete Notfallwiederherstellung und Beobachtbarkeit
Die regionsübergreifende Notfallwiederherstellung bietet verwalteten Failover, Sicherungen und Datenwiederherstellung mit verbesserter Beobachtbarkeit und Schnittpunkt-Routing. Das Monitoring des Betriebszustands von BigQuery bietet organisationsweite Umgebungsansichten und jetzt auch agentbasierte Beobachtbarkeit für die sofortige Fehlerbehebung. Außerdem bietet das Sicherheitscenter eine einheitliche, detaillierte Zugriffssteuerung für die agentenbasierte Sicherheit. Diese Funktionen sorgen für eine flexible Wiederherstellung, bessere Sichtbarkeit und robuste Sicherheit Ihrer Datenvorgänge.
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.
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, darunter SQL, serverloses Spark und weitere Open-Source-Frameworks. 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 Gemini Enterprise Agent Platform für die Onlinevorhersage über eine einzige Oberfläche 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, darunter SQL, serverloses Spark und weitere Open-Source-Frameworks. 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 Gemini Enterprise Agent Platform für die Onlinevorhersage über eine einzige Oberfläche registrieren.
Analyse unstrukturierter Daten
Generative KI auf Ihre Daten anwenden
Generative KI auf Ihre Daten anwenden
Verbinden Sie KI-Modelle von Google und Partnern über einfache SQL-Funktionen direkt mit Ihren multimodalen Daten in BigQuery. Mit Funktionen, die auf generativer KI basieren, können Sie Bilder, PDFs, Audio- und Videodateien semantisch analysieren. Automatisieren Sie Routineaufgaben wie Klassifizierung, Sortierung oder Filterung mit speziell entwickelten verwalteten KI-Funktionen und führen Sie spezifische Aufgaben wie Audiotranskription oder maschinelle Übersetzung mit Cloud AI APIs aus. Analysieren Sie unstrukturierte Daten in Cloud Storage mit Objekttabellen und Remote-Funktionen oder führen Sie Inferenz mit BigQuery AI-Funktionen durch.
Tutorials, Kurzanleitungen und Labs
Generative KI auf Ihre Daten anwenden
Generative KI auf Ihre Daten anwenden
Verbinden Sie KI-Modelle von Google und Partnern über einfache SQL-Funktionen direkt mit Ihren multimodalen Daten in BigQuery. Mit Funktionen, die auf generativer KI basieren, können Sie Bilder, PDFs, Audio- und Videodateien semantisch analysieren. Automatisieren Sie Routineaufgaben wie Klassifizierung, Sortierung oder Filterung mit speziell entwickelten verwalteten KI-Funktionen und führen Sie spezifische Aufgaben wie Audiotranskription oder maschinelle Übersetzung mit Cloud AI APIs aus. Analysieren Sie unstrukturierte Daten in Cloud Storage mit Objekttabellen und Remote-Funktionen oder führen Sie Inferenz mit BigQuery AI-Funktionen durch.
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, KI-gestützten 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, KI-gestützten 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. Integrierte Streamingfunktionen wie SQL-basierte fortlaufende Abfragen 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. Integrierte Streamingfunktionen wie SQL-basierte fortlaufende Abfragen 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.
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. Binden Sie Bilder aus der Earth Engine und verschiedene Datasets der Google Maps Platform direkt in Ihre BigQuery-Workflows ein. Dazu gehören der nahtlose Zugriff auf Daten zu Orten, Routen, Street View, Luft- und Satellitenbildern, Bevölkerungsdynamik, Luftqualität, Pollen und Wetter.
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. Binden Sie Bilder aus der Earth Engine und verschiedene Datasets der Google Maps Platform direkt in Ihre BigQuery-Workflows ein. Dazu gehören der nahtlose Zugriff auf Daten zu Orten, Routen, Street View, Luft- und Satellitenbildern, Bevölkerungsdynamik, Luftqualität, Pollen und Wetter.
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 gescannten 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 gelesenen TiB | |
Agents | Eingabedaten Data Science Agent, Data Engineering Agent und Conversational Analytics Agent | 3 $ pro 1 Million Tokens |
Ausgabedaten Data Science Agent, Data Engineering Agent und Conversational Analytics Agent | 20 $ pro 1 Million Tokens | |
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 gescannten 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 gelesenen TiB
Agents
Eingabedaten
Data Science Agent, Data Engineering Agent und Conversational Analytics Agent
3 $
pro 1 Million Tokens
Ausgabedaten
Data Science Agent, Data Engineering Agent und Conversational Analytics Agent
20 $
pro 1 Million Tokens
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.
Andere Anfragen und Support
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.
