Connetti i tuoi dati aziendali all'AI con una piattaforma di analisi dei dati unificata. BigQuery è progettato per essere multimotore, multiformato e multi-cloud, semplificando così l'archiviazione, l'analisi e la trasformazione di tutti i dati aziendali.
BigQuery è una piattaforma unificata di analisi dei dati che supporta il ciclo di vita dei dati end-to-end. Grazie all'integrazione proprietaria di BigQuery con Vertex AI, puoi ottimizzare, addestrare e fondare LLM multimodali con dati aziendali, senza la necessità di copiare o spostare dati.
Semplicità e scalabilità per gestire tutti i dati e i carichi di lavoro in un'unica piattaforma
Semplifica le operazioni riducendo al contempo i costi e il rischio di carichi di lavoro di dati non compatibili. BigQuery offre la semplicità e la scalabilità necessarie per gestire carichi di lavoro strutturati, non strutturati e di streaming al miglior rapporto prezzo/prestazioni.
Connetti l'AI a più dati aziendali
Integra l'AI generativa nei tuoi dati con scalabilità ed efficienza per sfruttare i dati aziendali con gli LLM. BigQuery integra l'integrazione proprietaria con Vertex AI per basare l'AI sulla verità dei tuoi dati aziendali.
Intelligenza sempre attiva per tutti i tuoi team dedicati ai dati
Aumenta l'utilizzo di dati strategici per migliorare la produttività. Gemini in BigQuery ti consente di conversare con i tuoi dati in un linguaggio naturale e ti aiuta con l'assistenza per la programmazione, suggerimenti, esplorazione dei dati e altro ancora.
Categoria | Competenze | In evidenza |
---|---|---|
Costruisci una base di analisi dei dati per l'AI | I clienti vogliono sempre più eseguire più casi d'uso di analisi e AI su un'unica copia dei loro dati. BigQuery consente di elaborare i dati in Python con la stessa facilità di SQL, con una Spark serverless disponibile direttamente in BigQuery. Un metastore unificato fornisce metadati e connettori di runtime per SQL, motori open source e AI/ML. |
|
BigQuery ti offre la flessibilità di utilizzare i formati open source esistenti. BigLake, il motore di archiviazione di BigQuery, fornisce un'interfaccia unificata per l'analisi e i motori di AI al fine di eseguire query su dati multiformato, multi-cloud e multimodali. BigQuery supporta Iceberg, Delta e Hudi insieme a tutti i motori di elaborazione e a funzionalità complete per tutti questi formati di tabella. |
| |
BigQuery Studio è il punto di riferimento per tutti i professionisti dei dati. BigQuery Studio ha un ottimo editor SQL e blocchi note Python. In questo modo, i team dedicati ai dati possono scegliere SQL, Python, Spark o il linguaggio naturale. I team dedicati ai dati possono massimizzare la produttività collaborando con l'assistente per la chat e il codice basato su Gemini all'interno di BigQuery. |
| |
BigQuery semplifica la gestione, l'individuazione e la governance dei dati con funzionalità di governance dei dati integrate in BigQuery. Ciò include qualità dei dati, derivazione e profilazione, nonché regole di governance per gestire i criteri sulle risorse BigQuery. |
| |
Importa, elabora e analizza flussi di eventi in tempo reale per rendere i dati più utili e accessibili con le funzionalità in tempo reale di BigQuery. Le query continue di BigQuery forniscono un livello di elaborazione in tempo reale per analizzare e trasformare gli eventi in entrata in BigQuery. I clienti possono utilizzare Apache Kafka per BigQuery per gestire i flussi di lavoro di dati senza doversi preoccupare di upgrade della versione, ribilanciamento, monitoraggio e altri problemi operativi. |
| |
Integrazione dai dati all'AI | BigQuery ML consente di creare, addestrare ed eseguire modelli di machine learning utilizzando un ambiente SQL familiare. Si integra con la tua scelta di modelli, tra cui Gemini 1.0 Pro tramite Vertex AI, che è progettato per un'elevata scalabilità di input/output e una migliore qualità dei risultati per attività di riassunto del testo o analisi del sentiment. Puoi creare pipeline di dati che combinano dati strutturati, dati non strutturati e modelli di AI generativa per creare una nuova classe di applicazioni analitiche. |
|
BigLake unifica data lake e warehouse in un unico framework di gestione, consentendoti di analizzare, cercare, proteggere, regolamentare e condividere i dati non strutturati. I clienti stanno già analizzando le immagini utilizzando un'ampia gamma di modelli di AI. BigLake ha funzionalità ampliate per aiutarti a estrarre facilmente insight da documenti e file audio utilizzando le API di elaborazione dei documenti e di conversione della voce in testo di Vertex AI. |
| |
La ricerca vettoriale di BigQuery è integrata con Vertex AI per consentire la ricerca di somiglianze vettoriali nei dati BigQuery. Questa funzionalità può abilitare casi d'uso come la ricerca semantica, il rilevamento di somiglianze e la RAG (Retrieval-Augmented Generation) con un LLM. La ricerca vettoriale può migliorare la qualità dei tuoi modelli di AI migliorando la comprensione del contesto, riducendo l'ambiguità, garantendo un'accuratezza oggettiva e consentendo l'adattabilità a diversi compiti e domini. |
| |
Funzionalità aziendali | BigQuery conserva automaticamente una copia sincrona dei dati in una seconda zona con una capacità di calcolo in standby sufficiente a fornire un'alta disponibilità in caso di emergenza a livello di data center. Il ripristino di emergenza tra regioni fornisce il failover gestito nell'improbabile caso di un'emergenza a livello di regione. Il ripristino di emergenza tra regioni ti consentirà di specificare una prenotazione e una raccolta di set di dati che BigQuery gestirà in una seconda regione. |
|
BigQuery ti aiuta a collaborare e a scambiare in modo sicuro asset di dati su larga scala. Puoi creare e gestire ambienti per la condivisione e l'analisi dei dati incentrate sulla privacy con le data clean room. I fornitori di dati possono gestire gli abbonamenti alle schede di dati e monitorare l'utilizzo dei dati condivisi da parte degli abbonati. BigQuery Omni consente di condividere i dati tra diversi cloud ed è supportato per le funzioni definite dall'utente, le finestre di spostamento cronologico e le viste materializzate sui set di dati collegati. |
| |
BigQuery Migration Service è un insieme di strumenti gratuiti che ti consentono di eseguire la migrazione a BigQuery. Continuiamo ad aggiungere nuove funzionalità e ora supportiamo diverse origini tra cui Amazon Redshift, Apache HiveQL, Netezza, Teradata, Azure Synapse, Oracle, Presto, Snowflake, SQL Server e Vertica. Le traduzioni migliorate con l'IA generativa supportano facoltativamente il compilatore di query e suggeriscono automaticamente opzioni di output con supporto per le migrazioni da origini on-prem e cloud. |
|
Analisi dei dati e AI in un'esperienza unificata
I clienti vogliono sempre più eseguire più casi d'uso di analisi e AI su un'unica copia dei loro dati. BigQuery consente di elaborare i dati in Python con la stessa facilità di SQL, con una Spark serverless disponibile direttamente in BigQuery. Un metastore unificato fornisce metadati e connettori di runtime per SQL, motori open source e AI/ML.
Completamente serverless senza cluster da avviare o gestire
Ambiente con un singolo utente per tutti i carichi di lavoro
Nessuna copia dei dati tra strumenti diversi
BigQuery ML consente di creare, addestrare ed eseguire modelli di machine learning utilizzando un ambiente SQL familiare. Si integra con la tua scelta di modelli, tra cui Gemini 1.0 Pro tramite Vertex AI, che è progettato per un'elevata scalabilità di input/output e una migliore qualità dei risultati per attività di riassunto del testo o analisi del sentiment. Puoi creare pipeline di dati che combinano dati strutturati, dati non strutturati e modelli di AI generativa per creare una nuova classe di applicazioni analitiche.
Integrazione dai dati all'AI con il motore di inferenza e il registro dei modelli di Vertex AI
Funzionalità di modellazione con la modellazione delle serie temporali ARIMA+, Explainable AI e altro ancora
Inferenza remota per gli LLM per generare incorporamenti di testo e testo
BigQuery conserva automaticamente una copia sincrona dei dati in una seconda zona con una capacità di calcolo in standby sufficiente a fornire un'alta disponibilità in caso di emergenza a livello di data center. Il ripristino di emergenza tra regioni fornisce il failover gestito nell'improbabile caso di un'emergenza a livello di regione. Il ripristino di emergenza tra regioni ti consentirà di specificare una prenotazione e una raccolta di set di dati che BigQuery gestirà in una seconda regione.
Standby garantito
SLA (accordo sul livello del servizio) per interruzione regionale
Failover coordinato
Gartner assegna a Google Cloud il titolo di Leader
Gartner® assegna a Google Cloud il titolo di Leader e si è posizionata più in alto nella visione del Magic QuadrantTM 2023 per la categoria Cloud Database Management Systems (DBMS).
Google Cloud ha ricevuto il titolo di Leader nel report Forrester Wave 2023
Google Cloud ha ricevuto il titolo di Leader nel report The Forrester WaveTM: Streaming Data Platforms, Q4 2023.
Scopri come i nostri clienti stanno costruendo la loro base di dati con BigQuery e innovando con l'IA.