Google 在 2024 年第 2 季度的《Forrester Wave™：数据湖仓一体》报告中被评为业界领导者。

BigQuery 是支持 AI 的数据分析平台

借助统一的数据分析平台，将您的企业数据与 AI 相连接。BigQuery 的设计兼容多引擎、多格式和多云功能，可让您更轻松地存储、分析和转换所有业务数据。

联系业务代表详细了解 BigQuery

统一的数据到 AI 平台

BigQuery 是一个支持端到端数据生命周期的统一数据分析平台。借助 BigQuery 与 Vertex AI 的第一方集成，您可以使用企业数据对多模态 LLM 进行调优、训练和打磨，而无需复制或移动数据。

简单易用且具有规模优势，可在单一平台中管理所有数据和工作负载

简化无法协同工作的数据工作负载，降低其费用和风险。BigQuery 简单易用且具有规模优势，可让您以最优性价比管理结构化、非结构化和流式工作负载。

将 AI 与更多企业数据相关联

大规模高效地将生成式 AI 引入您的数据，以便通过 LLM 充分利用您的业务数据。BigQuery 与 Vertex AI 进行了第一方集成，使用您真实的企业数据为 AI 提供依据。

为您的所有数据团队提供全天候智能服务

增加使用可作为行动依据的数据，以提高工作效率。BigQuery 中的 Gemini 让您可以使用自然语言与数据对话，并在编码辅助、提供建议和数据探索等方面提供帮助。

统一的数据分析和 AI 体验

类别	技能	重要数据
为 AI 打下数据分析基础	将多个引擎纳入数据的单个副本客户越来越希望对数据的单个副本运行多个分析和 AI 用例。借助 BigQuery，您可以使用在 BigQuery 中直接提供的无服务器 Spark ，像使用 SQL 一样轻松地在 Python 中处理数据。统一的 metastore 为 SQL、开源引擎和 AI/机器学习提供运行时元数据和连接器。	完全无服务器，无需启动或管理集群适用于所有工作负载的单一用户环境无法在不同的工具之间复制数据
	支持所有数据类型和开放格式 BigQuery 可让您灵活地使用现有的开源格式。BigQuery 的存储引擎 BigLake 为分析和 AI 引擎提供统一界面，以方便查询多格式、多云和多模态数据。BigQuery 支持 Iceberg、Delta 和 Hudi 以及所有处理引擎，并对所有这些表格式支持完整功能。	通过精细的访问权限控制查询 Apache Iceberg、Delta 和 Hudi 格式通过持续优化提升 Apache Iceberg 的性能支持高吞吐量流式传输的 Iceberg 上的全托管式体验
	为数据团队打造统一的用户体验 BigQuery Studio 为所有数据从业者提供一站式服务。BigQuery Studio 具有强大的 SQL 编辑器和 Python Notebooks。这样，您的数据团队就可以选择 SQL、Python、Spark 或自然语言。通过在 BigQuery 中与 Gemini 提供支持的聊天和代码助理协作，数据团队可以最大限度地提升工作效率。	一个统一的工作区，包含由 Gemini 提供支持的聊天和代码助理使用 SQL、Python、Spark、JavaScript 和 Natural Language 进行分析集中的源代码控制和修订历史记录
	内置数据治理借助 BigQuery，您可以使用 BigQuery 内置的数据治理功能，轻松管理、发现和治理数据。这包括数据质量、沿袭、性能分析以及用于管理 BigQuery 资源政策的治理规则。	通过数据分析更深入地理解数据利用自动化数据质量建立对大规模数据的信任通过端到端沿袭了解数据的移动
	流式分析借助 BigQuery 的实时功能，实时提取、处理和分析事件流，使数据更加实用且更易于访问。BigQuery 持续查询提供了一个实时处理层，用于分析和转换 BigQuery 中的传入事件。客户可以使用 Apache Kafka for BigQuery 管理流式数据工作负载，而无需担心版本升级、再均衡、监控和其他运营问题。	使用 SQL 对传入数据流执行无界限无服务器分析使用 Dataflow 实现统一的批处理和流式处理以及实时 ETL 使用 Pub/Sub 每秒注入数亿个事件无需额外维护的 Managed Apache Kafka
数据到 AI 集成	简化面向企业数据的多模态生成式 AI 借助 BigQuery ML，您可以使用熟悉的 SQL 来创建、训练和执行机器学习模型。它通过 Vertex AI 与您选择的模型（包括 Gemini 1.0 Pro）集成。Vertex AI 可实现高输入/输出缩放，获得更高质量的文本汇总和情绪分析任务结果。您可以构建将结构化数据、非结构化数据和生成式 AI 模型融合的数据流水线，打造新型分析应用。	数据到 AI 与推理引擎和 Vertex AI Model Registry 集成利用 ARIMA+ 时序建模、可解释的 AI 等的建模功能利用远程推理让 LLM 生成文本和文本嵌入
	借助 AI 发掘非结构化数据的价值 BigLake 将数据湖和数据仓库统一到单个管理框架下，使您能够分析、搜索、保护、治理和共享非结构化数据。客户已经在使用各种各样的 AI 模型来分析图片。BigLake 扩展了功能，可帮助您使用 Vertex AI 的文档处理和语音转文字 API 从文档和音频文件中轻松提取数据洞见。	从文档和音频文件中提取数据洞见构建用于生成内容、分类或情感分析的新应用创建用于汇总、嵌入生成等的新应用
	BigQuery 矢量嵌入和索引 BigQuery 向量搜索与 Vertex AI 集成，支持对 BigQuery 数据进行向量相似度搜索。此功能可以使用 LLM 实现语义搜索、相似度检测和检索增强生成 (RAG) 等用例。向量搜索可以通过改进上下文理解、减少歧义、确保事实准确性并允许适应不同任务和领域来提高 AI 模型的质量。	跨多个数据库和 Cloud Storage 收集向量并实现标准化检索与问题相关的数据，并将包含上下文的数据提供给 LLM 全托管式索引让嵌入保持自动生成并与 Vertex 同步
企业级功能	跨区域灾难恢复 BigQuery 会自动在第二个可用区中同步数据的同步副本，并保留足够的备用计算容量，以便在发生数据中心级灾难时提供高可用性。跨区域灾难恢复可在发生罕见的区域性灾难时提供托管式故障切换功能。通过跨区域灾难恢复，您可以指定 BigQuery 将在第二个区域中维护的预留和数据集集合。	保证备用区域级服务中断服务等级协议 (SLA) 协调的故障切换
	安全的数据共享和数据净室 BigQuery 可帮助您大规模开展协作并安全地交换数据资产。您可以使用数据净室创建和管理环境，以实现以隐私保护为中心的数据共享和分析。数据提供商可以管理数据详情的订阅，并监控订阅者对共享数据的使用情况。您可以使用 BigQuery Omni 跨云共享数据，并获得用户定义的函数、时间旅行和关联数据集的具体化视图支持。	只需点击几下即可构建数据净室节省费用，并且无需移动数据，即可高效共享数据监控共享数据集的使用情况
	用于迁移到 BigQuery 的综合性工具 BigQuery Migration Service 是一套可帮助您迁移到 BigQuery 的免费工具。我们会不断增加新功能，目前支持不同的来源，包括 Amazon Redshift、Apache HiveQL、Netezza、Teradata、Azure Synapse、Oracle、Presto、Snowflake、SQL Server 和 Vertica。生成式 AI 增强型翻译可视需要为查询编译器提供辅助，并自动推荐输出选项，支持从本地和云来源进行迁移。	15 个来自热门数据仓库和数据湖的查询翻译源包含成本和迁移工作的四个自动化评估来源通过生成式 AI 增强的查询翻译

统一的数据分析和 AI 体验

为 AI 打下数据分析基础

将多个引擎纳入数据的单个副本

客户越来越希望对数据的单个副本运行多个分析和 AI 用例。借助 BigQuery，您可以使用在 BigQuery 中直接提供的无服务器 Spark ，像使用 SQL 一样轻松地在 Python 中处理数据。统一的 metastore 为 SQL、开源引擎和 AI/机器学习提供运行时元数据和连接器。

完全无服务器，无需启动或管理集群
适用于所有工作负载的单一用户环境
无法在不同的工具之间复制数据

数据到 AI 集成

简化面向企业数据的多模态生成式 AI

借助 BigQuery ML，您可以使用熟悉的 SQL 来创建、训练和执行机器学习模型。它通过 Vertex AI 与您选择的模型（包括 Gemini 1.0 Pro）集成。Vertex AI 可实现高输入/输出缩放，获得更高质量的文本汇总和情绪分析任务结果。您可以构建将结构化数据、非结构化数据和生成式 AI 模型融合的数据流水线，打造新型分析应用。