Características de Google Cloud BigQuery

Soporta una variedad de entornos de scripting

Extrae datos de bases de datos y prepara datos para su análisis

Aplica algoritmos estadísticos a los datos seleccionados

Analiza datos estructurados y no estructurados

Interactúa con los datos para prepararlos para visualizaciones y modelos

Ofrece capacidades de modelado

Crea visualizaciones de datos o gráficos

Genera informes de rendimiento de datos

Unifica la información en una plataforma singular

Ayuda a los especialistas en marketing a medir el retorno de la inversión (ROI) mediante el análisis de la efectividad de la campaña frente a los costos.

Recopila datos sobre la efectividad, el impacto y el alcance de las campañas de marketing

Recopila e informa sobre datos relacionados con los viajes, las preferencias y el historial de los clientes

Permite a varios usuarios acceder a una visión general unificada y transparente de análisis, paneles y resultados de campañas

Incluye funciones para presupuestar, pronosticar y administrar inversiones de marketing

Ofrece un servicio de etiquetado blanco para agencias o revendedores para personalizar la marca de la plataforma

Analiza campañas de marketing históricas y actuales para informar la estrategia futura

Crea informes y paneles para analizar los resultados de las campañas

Identifica qué campañas de marketing se resolvieron en oportunidades abiertas o cerradas

Recopila datos de rendimiento de campañas de marketing a través de múltiples canales

Brinda oportunidades para que las marcas y las empresas arreglen o modifiquen campañas existentes o futuras a través de comentarios

Utiliza inteligencia artificial (IA) para predecir los resultados de la campaña y sugerir acciones para la optimización

Recopila, almacena y organiza datos masivos y no estructurados en tiempo real

Facilita la difusión de big data recopilados a través de clústeres de computación paralela

Crea un repositorio para recopilar y almacenar datos sin procesar de sensores, dispositivos, máquinas, archivos, etc.

Alinea los flujos de trabajo de procesamiento y distribución sobre Apache Hadoop

Alinea los flujos de trabajo de procesamiento y distribución sobre Apache Hadoop

Facilita la solución para ejecutarse y escalar a un gran número de máquinas y sistemas

Selecciona los datos recopilados para soluciones de análisis de big data para analizar, manipular y modelar

Alinea los flujos de trabajo de procesamiento y distribución sobre Apache Hadoop

Traslada la recopilación y el procesamiento de big data a la nube

Procesa cargas de trabajo de datos por lotes, en tiempo real y de streaming en sistemas singulares, multiinquilino o en la nube

Facilita el análisis de datos de gran volumen y en tiempo real.

Permite al usuario consultar datos a través de lenguajes de consulta como SQL.

Alinea los flujos de trabajo de procesamiento y distribución sobre Apache Hadoop

Alinea los flujos de trabajo de procesamiento y distribución sobre Apache Spark

Integra datos de múltiples bases de datos externas.

Facilita la difusión de big data recopilados a través de clústeres de computación paralela.

Procesa datos y representa interpretaciones en una variedad de formatos gráficos.

Encadena funciones y conjuntos de datos específicos para automatizar las iteraciones de análisis.

Aísla ciertos conjuntos de datos y facilita la gestión del acceso a los datos.

Permite que la herramienta de big data ejecute y registre datos dentro de aplicaciones externas.

Usar blocs de notas para tareas como crear paneles con consultas y visualizaciones predefinidas y programadas

Vea los datos del proceso ETL a través de informes y visualizaciones como tablas y gráficos.

Registre los datos históricos de ETL para la auditoría y las posibles necesidades de corrección de datos.

Extraiga datos de las fuentes designadas, como bases de datos relacionales, archivos JSON y archivos XML.

Limpie y vuelva a formatear los datos extraídos al formato de destino necesario.

Cargue los datos reformateados en la base de datos de destino, el almacén de datos u otra ubicación de almacenamiento.

Organice los procesos ETL para que ocurran automáticamente en el horario necesario (por ejemplo, diario, semanal, mensual).

Capaz de escalar la potencia de procesamiento hacia arriba o hacia abajo en función del volumen ETL.

Consolida, limpia y normaliza datos de múltiples fuentes dispares.

Ayuda a ahorrar capacidad de almacenamiento y mejora el rendimiento de las consultas.

Elimina la inconsistencia y las duplicaciones de datos, lo que garantiza la integridad de los datos.

Funciones de análisis basadas en SQL como series temporales, coincidencia de patrones, análisis geoespacial, etc.

Proporciona capacidades integradas como algoritmos de aprendizaje automático, funciones de preparación de datos, evaluación y gestión de modelos, etc.

Permite la consulta de datos a través de formatos de datos como parquet, ORC, JSON, etc. y analizar tipos de datos complejos en HDFS

Se integra con flujos de trabajo de ciencia de datos, aprendizaje automático y capacidades de inteligencia artificial (IA).

Se integra con herramientas de BI para transformar los datos en información procesable.

Proporciona velocidad en el procesamiento de datos y captura de datos no estructurados, semiestructurados y de transmisión.

Proporciona opciones de implementación local.

Proporciona opciones de implementación en la nube (nube privada o pública, nube híbrida).

Gestiona grandes volúmenes de datos, de escala superior o inferior según la demanda.

Almacena rápidamente los datos de uso frecuente en la memoria del sistema.

Políticas, procedimientos y estándares para administrar y acceder a los datos.

Restringe el acceso a los datos a nivel de celda, enmascara u oculta partes de las celdas y cifra los datos en reposo y en movimiento

Proporciona roles de sistema predefinidos, privilegios y roles definidos por el usuario a los usuarios.

Permite la integración con mecanismos de seguridad externos como Kerberos, autenticación LDAP, etc.

Proporciona un registro de auditoría para realizar un seguimiento del acceso y las operaciones realizadas en las bases de datos para el cumplimiento normativo.

Proporciona capacidad de cifrado para todos los datos en reposo mediante claves de cifrado.

Almacena tablas de datos como columnas.

Admite múltiples tipos de datos como listas, conjuntos, hashes (similares al mapa), conjuntos ordenados, etc.

Implementa la partición horizontal automática de datos que permite almacenar datos en más de un nodo para escalar horizontalmente.

Restaura una base de datos a un estado correcto (coherente) en caso de error.

Copie datos a través de múltiples servidores a través de la arquitectura de replicación maestro-esclavo, peer-to-peer, etc.

Proporciona compatibilidad para almacenar, indizar y consultar datos en más de un formato.

Disponible en múltiples sistemas operativos como Linux, Windows, MacOS, etc.

Ofrece una ubicación centralizada y neutral para que las partes realicen análisis de datos.

Ofrece computación localizada, donde los datos permanecen donde residen y son llamados por API para realizar análisis.

Permite a los usuarios generar texto basado en un mensaje de texto.

Condensa documentos largos o texto en un breve resumen.

Permite a los usuarios generar texto basado en un mensaje de texto.

Condensa documentos largos o texto en un breve resumen.

Capacidad para realizar tareas complejas sin intervención humana constante

Funciona en múltiples sistemas de software o bases de datos

Anticipa necesidades y ofrece sugerencias sin que se lo pidan.