什麼是資料雲端？

現代資料雲端奠基於多種關鍵要素，這些要素為資料雲端提供彈性和擴充能力：

1. 開放式湖倉：資料雲端採用 Apache Iceberg 等格式 (透過 Google Cloud Lakehouse)，能讓 BigQuery 與 Spark 等開放原始碼引擎互通，打造出開放靈活的資料儲存空間，避免受限於特定廠商。
2. 自主式資料平台：BigQuery 等自主式平台會自動擷取、處理資料並擴充，可做為無伺服器的「資料到 AI」平台。
3.  統一資料治理：Knowledge Catalog 等工具可為 AI 提供目錄，以及為代理提供語意，確保多雲端和混合式環境中的資料和 AI 治理機制一致。
4. 內建 AI 和機器學習功能：與 Gemini Enterprise Agent Platform 等平台整合後，組織就能將 AI/機器學習功能嵌入業務程序，讓 AI 代理隨時能使用資料執行預測分析。
5. 交易資料庫：做為事實來源，會擷取顧客購物、庫存變更或資料更新等即時事件。這類資料庫 (通常是 PostgreSQL 或 MySQL 等 SQL 資料庫) 經過最佳化，可快速更新個別資料列，資料雲端會將這些資料庫整合至更大的生態系統，以執行進階分析。

• 即時資料處理和深入分析結果，以推動產品和服務創新，並改善員工和客戶體驗
• 整個資料生命週期管理流程的資料保護與管理
• 自助式數據分析報表、資訊主頁和圖表
• 採用 AI 技術的數據分析與自動化技術 (包括資料和機器學習模型)，藉此簡化程序、提高效率及提高工作效率
• 自動化資料品質，在不移動或重複資料的情況下提升資料一致性

整體而言，資料雲端的使用範圍相當廣泛，可在各產業獲得優異成果。零售品牌能夠更清楚地掌握庫存狀況，並協助員工找到實體商店中的商品。醫療照護機構運用 AI 加速分析樣本，並將非結構化臨床記錄轉換為結構化格式，成功達到更好的病患治療成果。物流公司能透過更有效率的配送路線降低燃料消耗量，而金融服務業和銀行則發現可以加快處理速度。

實際使用才能真正瞭解資料雲端的價值。以下說明資料科學家可如何透過 Google Cloud 免費試用方案，在幾分鐘內結合原始儲存空間與 AI 來深入分析資料。

步驟 1：使用 Google Cloud Lakehouse 統整資料

只要使用 Lakehouse 即可集中管理儲存於 Apache Iceberg 的客戶記錄，不必移動數 PB 資料。有了 Lakehouse，BigQuery 與開放原始碼引擎就能立即互通，無須受制於特定廠商。

步驟 2：使用 BigQuery Studio 和 Gemini 探索資料

開啟 BigQuery Studio 筆記本，然後以自然語言提示 Gemini 生成 SQL 或 Python 程式碼。例如：「分析過去 30 天的顧客評論情緒，並確認是否與庫存量相關。」

步驟 3：使用 Managed Service for Apache Spark 擴充規模

準備好將模型投入正式環境了嗎？只要一個指令，就能提交無伺服器 Spark 工作。資料雲端會自動調整資源配置及管理叢集，您只要專心處理模型邏輯即可。