透過統一資料分析平台,將企業資料連結至 AI。BigQuery 專為多引擎、多重格式和多雲端環境而設計,讓您更輕鬆儲存、分析及轉換所有業務資料。
BigQuery 是支援端對端資料生命週期的整合式資料分析平台。我們將 Vertex AI 整合至 BigQuery,因此您不必複製或移動企業資料,即可使用資料調整、訓練及建構基礎多模態大型語言模型。
操作簡便且可擴充,在單一平台即可管理所有資料和工作負載
針對無法搭配運作的資料工作負載簡化作業,以及降低成本和風險。BigQuery 操作簡便且可擴充,讓您以最佳成本效益管理結構化、非結構化和串流工作負載。
將 AI 連結至更多企業資料
透過 LLM 運用業務資料,以優異的規模和效率將生成式 AI 導入資料。我們整合 Vertex AI 和 BigQuery 等自家服務,讓您將業務資料做為 AI 的可靠基礎。
透過智慧技術,隨時為所有資料團隊提供協助
使用更多可做為行動依據的資料來提高工作效率。Gemini in BigQuery 能讓您以自然語言與資料對話、協助處理程式碼和探索資料,以及提供建議等等。
類別 | 功能 | 重要數據 |
---|---|---|
運用資料分析奠定 AI 基礎 | 越來越多客戶希望在單一資料副本中,執行多種分析和 AI 用途。BigQuery 直接支援無伺服器 Spark,能讓您使用 Python 輕鬆處理資料,與 SQL 相同。統合式 metastore 可提供 SQL、開放原始碼引擎和 AI/機器學習模型適用的執行階段中繼資料和連接器。 |
|
BigQuery 可讓您靈活運用現有的開放原始碼格式。BigLake 是 BigQuery 的儲存引擎,提供統一介面,讓數據分析和 AI 引擎能查詢多重格式、多雲端和多模態資料。BigQuery 支援 Iceberg、Delta 和 Hudi,以及這些資料表格式的所有處理引擎和完整功能。 |
| |
BigQuery Studio 是適合所有資料從業人員的統一平台。BigQuery Studio 提供實用的 SQL 編輯器和 Python 筆記本,能讓資料團隊選用 SQL、Python、Spark 或自然語言處理工作。此外,資料團隊可在 BigQuery 中與 Gemini 對話來取得程式碼相關協助,發揮最高工作效率。 |
| |
BigQuery 內建資料管理功能,讓您輕鬆管理及探索資料。這些功能包括資料品質、歷程、剖析,以及 BigQuery 資源政策管理規則。 |
| |
BigQuery 的即時功能可立即擷取、處理及分析事件串流,讓資料更方便存取並發揮更多價值。BigQuery 持續查詢功能提供即時處理層,會在 BigQuery 中分析及轉換傳入事件。客戶可以透過 BigQuery 適用的 Apache Kafka 管理串流資料工作負載,不必擔心版本升級、重新平衡、監控和其他作業方面的問題。 |
| |
整合「從資料到 AI」工作流程 | BigQuery ML 能讓您使用熟悉的 SQL 建立、訓練及執行機器學習模型。這項服務可與您選擇的模型整合,包括透過 Vertex AI 提供的 Gemini 1.0 Pro。這個模型專為高輸入/輸出量而設計,能提升文字摘要、情緒分析等多種工作的成果品質。您可以建構資料管道來融合結構化資料、非結構化資料和生成式 AI 模型,打造全新類別的數據分析應用程式。 |
|
BigLake 將資料湖泊和倉儲統合於單一管理架構下,方便您分析、搜尋、保護、管理及共用非結構化資料。隨著客戶逐漸運用各種 AI 模型分析圖像,BigLake 提供更豐富的功能,讓客戶使用 Vertex AI 的文件處理功能和語音轉文字 API,從文件和音訊檔案中輕鬆擷取深入分析結果。 |
| |
BigQuery 向量搜尋已與 Vertex AI 整合,可讓您根據相似度在 BigQuery 資料中進行向量搜尋。這項功能可用於多種用途,例如語意搜尋、相似度偵測,以及 LLM 的檢索增強生成 (RAG) 技術。向量搜尋有助於提升 AI 模型品質,包括改善情境理解能力、減少混淆、確保符合事實,以及適應不同工作和領域。 |
| |
企業功能 | BigQuery 會自動將同步的資料副本儲存在第二個可用區,同時具備足夠的待命運算能力,確保資料中心發生災害時,仍能提供高可用性。萬一發生區域性災難,跨區域災難復原工具可提供代管容錯移轉功能,並讓您指定 BigQuery 在第二個區域維護的預留項目和一組資料集。 |
|
BigQuery 能協助您大規模協作並安全地交換資料資產。您可以透過資料無塵室,建立並管理以隱私權為重的資料共用及分析環境。資料供應商則可管理資料清單訂閱狀態,以及訂閱者的資料共用與使用情形。此外,您可以透過 BigQuery Omni 跨雲端共用資料,並支援使用者定義函式、時間回溯,以及針對連結的資料集產生具體化檢視表。 |
| |
BigQuery 遷移服務是一組免費工具,可協助您遷移至 BigQuery。我們會持續加入新功能,目前支援多種來源,包括 Amazon Redshift、Apache HiveQL、Netezza、Teradata、Azure Synapse、Oracle、Presto、Snowflake、SQL Server 和 Vertica。以生成式 AI 技術強化的翻譯可以協助查詢編譯器,還能自動建議輸出選項,支援地端部署與雲端來源的遷移作業。 |
|
在單一平台享有一致的資料分析和 AI 運用體驗
越來越多客戶希望在單一資料副本中,執行多種分析和 AI 用途。BigQuery 直接支援無伺服器 Spark,能讓您使用 Python 輕鬆處理資料,與 SQL 相同。統合式 metastore 可提供 SQL、開放原始碼引擎和 AI/機器學習模型適用的執行階段中繼資料和連接器。
完全無伺服器,不必啟動或管理任何叢集
適用於所有工作負載的單一使用者環境
無需在不同工具之間複製資料
BigQuery ML 能讓您使用熟悉的 SQL 建立、訓練及執行機器學習模型。這項服務可與您選擇的模型整合,包括透過 Vertex AI 提供的 Gemini 1.0 Pro。這個模型專為高輸入/輸出量而設計,能提升文字摘要、情緒分析等多種工作的成果品質。您可以建構資料管道來融合結構化資料、非結構化資料和生成式 AI 模型,打造全新類別的數據分析應用程式。
透過推論引擎和 Vertex AI Model Registry,整合「從資料到 AI」的工作流程
具備多種模型建立功能。包括 ARIMA+ 時間序列模型建立功能、Explainable AI 等等
從遠端執行 LLM 推論作業來生成文字和文字嵌入
BigQuery 會自動將同步的資料副本儲存在第二個可用區,同時具備足夠的待命運算能力,確保資料中心發生災害時,仍能提供高可用性。萬一發生區域性災難,跨區域災難復原工具可提供代管容錯移轉功能,並讓您指定 BigQuery 在第二個區域維護的預留項目和一組資料集。
保證隨時待命
區域性服務中斷服務水準協議
協調容錯移轉
Gartner 將 Google Cloud 評定為領導品牌
Google Cloud 在 2023 年的《Magic Quadrant™ for Cloud Database Management Systems (DBMS)》(雲端資料庫管理系統 (DBMS) Magic Quadrant™) 報告中,獲得 Gartner® 評定為領導品牌,且布局眼光最為長遠。
Google Cloud 在 2023 年 Forrester Wave 報告中獲選為領導品牌
在《The Forrester Wave™: Streaming Data Platforms, Q4 2023》(The Forrester Wave™:串流資料平台,2023 年第 4 季) 報告中,Forrester 將 Google Cloud 評選為領導品牌。
瞭解我們的客戶如何運用 BigQuery 建構資料基礎,並透過 AI 推動創新。