Conecte os dados da sua empresa à IA com uma plataforma de análise de dados unificada. O BigQuery foi projetado para oferecer vários mecanismos, vários formatos e várias nuvens, o que facilita o armazenamento, a análise e a transformação de todos os dados da sua empresa.
O BigQuery é uma plataforma unificada de análise de dados compatível com o ciclo de vida completo dos dados. A integração primária do BigQuery com a Vertex AI permite ajustar, treinar e terrestre LLMs multimodais com dados corporativos, sem a necessidade de copiar ou mover dados.
Simplicidade e escalonamento para gerenciar todos os dados e cargas de trabalho em uma única plataforma
Simplifique, reduza os custos e o risco de cargas de trabalho de dados que não funcionam juntas. O BigQuery tem a simplicidade e a escala para gerenciar cargas de trabalho estruturadas, não estruturadas e de streaming com o melhor preço e desempenho.
Conecte a IA a mais dados corporativos
Integrar a IA generativa aos dados com escala e eficiência para aproveitar os dados da empresa com LLMs. O BigQuery tem integração primária com a Vertex AI para basear a IA na verdade dos dados corporativos.
Inteligência sempre ativada para todas as equipes de dados
Aumentar o uso de dados acionáveis para melhorar a produtividade. Gemini no BigQuery permite conversar com seus dados em linguagem natural e ajuda com a assistência de código, recomendações, exploração de dados e muito mais.
Categoria | Recursos | Destaques |
---|---|---|
Crie uma base de análise de dados para IA | Cada vez mais, os clientes querem executar vários casos de uso de análise e IA em uma única cópia dos dados. O BigQuery permite processar dados em Python com a mesma facilidade que no SQL, com um Spark sem servidor disponível diretamente no BigQuery. Um metastore unificado oferece metadados de ambiente de execução e conectores para SQL, mecanismos de código aberto e IA/ML. |
|
Com o BigQuery, você tem flexibilidade para usar formatos de código aberto. O BigLake, o mecanismo de armazenamento do BigQuery, oferece uma interface unificada para análise e mecanismos de IA na consulta de dados multiformato, multinuvem e multimodais. O BigQuery oferece suporte ao Iceberg, Delta e Hudi, além de todos os mecanismos de processamento e recursos completos em todos esses formatos de tabela. |
| |
O BigQuery Studio é o local ideal para todos os profissionais de dados. O BigQuery Studio tem um ótimo editor de SQL, além de Notebooks Python. Assim, as equipes de dados podem escolher SQL, Python, Spark ou linguagem natural. As equipes de dados podem maximizar a produtividade colaborando com o chat e o assistente de código com tecnologia Gemini no BigQuery. |
| |
Com o BigQuery, é fácil gerenciar, descobrir e controlar dados com os recursos de governança de dados integrados ao BigQuery. Isso inclui qualidade de dados, linhagem e criação de perfil, além de regras de governança para gerenciar políticas sobre recursos do BigQuery. |
| |
Faça a ingestão, o processamento e a análise de streams de eventos em tempo real para tornar os dados mais úteis e acessíveis com os recursos em tempo real do BigQuery. As consultas contínuas do BigQuery oferecem uma camada de processamento em tempo real para analisar e transformar eventos recebidos no BigQuery. Os clientes podem usar o Apache Kafka para BigQuery para gerenciar cargas de trabalho de dados de streaming sem precisar se preocupar com upgrades de versão, rebalanceamento, monitoramento e outras dores de cabeça operacionais. |
| |
Integração de dados com IA | O BigQuery ML permite criar, treinar e executar modelos de machine learning usando um SQL conhecido. Ele se integra à sua escolha de modelos, incluindo o Gemini 1.0 Pro pela Vertex AI, que foi projetado para alta escala de entrada/saída e melhor qualidade de resultado para tarefas de resumo de texto ou análise de sentimento. É possível criar pipelines de dados que combinam dados estruturados, dados não estruturados e modelos de IA generativa para criar uma nova classe de aplicativos de análise. |
|
O BigLake unifica data lakes e warehouses em um único framework de gerenciamento, permitindo analisar, pesquisar, proteger, controlar e compartilhar dados não estruturados. Os clientes já analisam imagens usando uma ampla variedade de modelos de IA. O BigLake tem recursos expandidos para ajudar você a extrair facilmente insights de documentos e arquivos de áudio usando o processamento de documentos e as APIs de conversão de voz em texto da Vertex AI. |
| |
A pesquisa vetorial do BigQuery é integrada à Vertex AI para permitir a pesquisa de similaridade vetorial nos dados do BigQuery. Essa funcionalidade pode permitir casos de uso como pesquisa semântica, detecção de similaridade e geração aumentada de recuperação (RAG) com um LLM. A pesquisa de vetor pode melhorar a qualidade dos seus modelos de IA, melhorando a compreensão do contexto, reduzindo a ambiguidade, garantindo a precisão dos fatos e permitindo a adaptação a diferentes tarefas e domínios. |
| |
Recursos empresariais | O BigQuery mantém automaticamente uma cópia síncrona dos seus dados em uma segunda zona com capacidade de computação em espera suficiente para oferecer alta disponibilidade em caso de um desastre no nível do data center. A recuperação de desastres entre regiões oferece failover gerenciado no caso improvável de um desastre regional. A recuperação de desastres entre regiões permite especificar uma reserva e uma coleção de conjuntos de dados que o BigQuery manterá em uma segunda região. |
|
O BigQuery ajuda você a colaborar e trocar recursos de dados com segurança em grande escala. É possível criar e gerenciar ambientes para compartilhamento e análise de dados centrados na privacidade usando as salas sem dados. Os provedores de dados podem gerenciar assinaturas de listagens de dados e monitorar o uso de dados compartilhados pelos assinantes. É possível compartilhar dados entre nuvens com o BigQuery Omni. Além disso, há suporte para funções definidas pelo usuário, viagem no tempo e visualizações materializadas de conjuntos de dados vinculados. |
| |
O serviço de migração do BigQuery é um conjunto de ferramentas gratuitas que ajudam você a migrar para o BigQuery. Continuamos adicionando novos recursos e agora damos suporte a diferentes fontes, como Amazon Redshift, Apache HiveQL, Netezza, Teradata, Azure Synapse, Oracle, Presto, Snowflake, SQL Server e Vertica. As traduções aprimoradas por IA generativa podem ajudar o compilador de consultas e sugerir automaticamente opções de saída com suporte para migrações de fontes no local e na nuvem. |
|
Análise de dados e IA em uma experiência unificada
Cada vez mais, os clientes querem executar vários casos de uso de análise e IA em uma única cópia dos dados. O BigQuery permite processar dados em Python com a mesma facilidade que no SQL, com um Spark sem servidor disponível diretamente no BigQuery. Um metastore unificado oferece metadados de ambiente de execução e conectores para SQL, mecanismos de código aberto e IA/ML.
Totalmente sem servidor sem clusters para ativar ou gerenciar
Ambiente de usuário único para todas as cargas de trabalho
Sem cópia de dados entre ferramentas diferentes
O BigQuery ML permite criar, treinar e executar modelos de machine learning usando um SQL conhecido. Ele se integra à sua escolha de modelos, incluindo o Gemini 1.0 Pro pela Vertex AI, que foi projetado para alta escala de entrada/saída e melhor qualidade de resultado para tarefas de resumo de texto ou análise de sentimento. É possível criar pipelines de dados que combinam dados estruturados, dados não estruturados e modelos de IA generativa para criar uma nova classe de aplicativos de análise.
Integração de dados para IA com mecanismo de inferência e Vertex AI Model Registry
Recursos de modelagem com modelagem de série temporal ARIMA+, Explainable AI e muito mais
Inferência remota para LLMs para gerar texto e embeddings de texto
O BigQuery mantém automaticamente uma cópia síncrona dos seus dados em uma segunda zona com capacidade de computação em espera suficiente para oferecer alta disponibilidade em caso de um desastre no nível do data center. A recuperação de desastres entre regiões oferece failover gerenciado no caso improvável de um desastre regional. A recuperação de desastres entre regiões permite especificar uma reserva e uma coleção de conjuntos de dados que o BigQuery manterá em uma segunda região.
Modo de espera garantido
SLA de interrupção regional
Failover coordenado
Google Cloud é indicado pela Gartner como líder
A Gartner reconhece o Google Cloud como líder e posicionado mais adiante no Magic Quadrant™ de 2023 em sistemas de gerenciamento de bancos de dados na nuvem (DBMS).
O Google Cloud é líder no relatório Forrester Wave de 2023
O Google Cloud foi reconhecido como líder no relatório The Forrester Wave™: Streaming Data Platforms do quarto trimestre de 2023.
Confira como nossos clientes estão criando uma base de dados com o BigQuery e inovando com IA.