BigQuery

構造化データ、非構造化データ、生成 AI モデルを組み合わせて、新しいクラスの分析アプリケーションを作成できるデータ パイプラインを構築できます。BigQuery は、Vertex AI を使用して Gemini 1.0 Pro と統合されています。Gemini 1.0 Pro モデルは、テキスト要約や感情分析などの幅広いタスクにわたって、より高い入出力スケールとより優れた結果を得られるよう設計されています。BigQuery コンソール内から、シンプルな SQL ステートメントや BigQuery に組み込まれた DataFrame API を使用して、このモデルにアクセスしていただけるようになりました。

Google Cloud のエンタープライズ データ ウェアハウスに移行することで、最新の分析ニーズに応え、ビジネスをシームレスに拡大しましょう。無料でフルマネージドの BigQuery Migration Service を使用して、Netezza、Oracle、Redshift、Teradata、Snowflake から BigQuery への移行プロセスを合理化できます。

複数のソースのデータを BigQuery にまとめることで、分析が容易になります。ローカルソース、Google ドライブ、Cloud Storage バケットからデータファイルをアップロードできます。また、BigQuery Data Transfer Service（DTS）、Cloud Data Fusion プラグインを使用することも、Datastream for BigQuery を使ってリレーショナル データベースからデータを複製することも、業界をリードする Google のデータ統合パートナーシップを活用することも可能です。

非構造化データは、活用されていない企業データの大部分を占めています。ただし、非構造化データは解釈が困難で、有益な分析情報を抽出しにくい場合があります。BigLake の力を活用することで、Vertex AI のビジョンなどの幅広い AI モデル、ドキュメント処理、音声入力 API、オープンソースの TensorFlow Hub モデル、または独自のカスタムモデルを使用して、画像、ドキュメント、音声ファイルから分析情報を引き出すことができます。

BigQuery と Looker Studio を使用してデータを探索、分析、可視化するためのサンプル データ ウェアハウス ソリューションをデプロイします。さらに、生成 AI を適用して分析結果を要約します。

イベント ドリブンな分析でビジネス イベントにリアルタイムで対応することで、競争上の優位性が生まれます。組み込みのストリーミング機能を使用すると、ストリーミング データを自動的に取り込み、直ちにクエリできます。これにより、アジリティの維持や、最新のデータに基づいたビジネス上の意思決定が可能になります。一方、Dataflow を使用すると、包括的なソリューションとしてシンプルで高速なストリーミング データ パイプラインを実現できます。

予測分析を活用することで、運用の合理化、収益の向上、リスクの軽減を実現できます。BigQuery ML では、既存のビジネス インテリジェンス ツールやスプレッドシートを使用してモデルを構築、実行できるため、データ アナリストが ML を簡単に活用できるようになります。このため、予測分析が組織全体でビジネス上の意思決定の改善につながります。

マーケティング データソースとビジネス データソースを BigQuery で統合することで、Google AI をマーケティング データで活用できます。ビジネスの全体像を把握し、より多くの自社データを使用してマーケティングの ROI とパフォーマンスを高め、ML / AI が組み込まれパーソナライズされたターゲティング マーケティングを大規模に実現します。Looker Studio またはコネクテッド シートで分析情報とパフォーマンスを共有します。

基盤となるデータを BigQuery 内でコピーまたは移動することなく、お客様とパートナーが共同作業するための低信頼環境を構築します。これにより、BigQuery SQL インターフェースでプライバシーを強化する変換を実行し、使用状況をモニタリングすることで、共有データに対するプライバシーの脅威を検出できます。インフラストラクチャや組み込みの BI および AI / ML を管理することなく、BigQuery のスケーリングのメリットを享受できます。