Fonctionnalités de Google Cloud BigQuery

Prend en charge une variété d’environnements de script

Extrait les données des bases de données et prépare les données pour l’analyse

Applique des algorithmes statistiques aux données sélectionnées

Analyse les données structurées et non structurées

Interagit avec les données pour les préparer aux visualisations et aux modèles

Offre des capacités de modélisation

Crée des visualisations de données ou des graphiques

Génère des rapports sur les performances des données

Unifie l’information sur une plate-forme unique

Aide les spécialistes du marketing à mesurer le retour sur investissement (ROI) en analysant l’efficacité des campagnes par rapport aux coûts

Collecte des données sur l’efficacité, l’impact et la portée des campagnes marketing

Collecte et génère des rapports sur les données relatives aux parcours des clients, aux préférences et à l’historique

Permet à plusieurs utilisateurs d’accéder à une vue d’ensemble unifiée et transparente des analyses, des tableaux de bord et des résultats de campagne

Inclut des fonctionnalités pour la budgétisation, les prévisions et la gestion des investissements marketing

Offre un service de marque blanche pour les agences ou les revendeurs afin de personnaliser l’image de marque de la plate-forme

Analyse les campagnes de marketing historiques et actuelles pour éclairer la stratégie future

Crée des rapports et des tableaux de bord pour analyser les résultats des campagnes

Identifie les campagnes marketing résolues dans les opportunités ouvertes ou fermées

Collecte des données sur les performances des campagnes marketing sur plusieurs canaux

Offre aux marques et aux entreprises la possibilité de corriger ou de modifier des campagnes existantes ou futures via des commentaires

Utilise l’intelligence artificielle (IA) pour prédire les résultats des campagnes et suggérer des actions d’optimisation

Collecte, stockage et organisation de données massives et non structurées en temps réel

Facilite la diffusion des mégadonnées collectées dans les clusters de calcul parallèle

Crée un référentiel pour collecter et stocker des données brutes à partir de capteurs, périphériques, machines, fichiers, etc.

Aligne les workflows de traitement et de distribution sur Apache Hadoop

Aligne les workflows de traitement et de distribution sur Apache Hadoop

Facilite l’exécution et l’évolutivité de la solution à un grand nombre de machines et de systèmes

Organise les données collectées pour les solutions d’analyse de Big Data afin d’analyser, de manipuler et de modéliser

Aligne les workflows de traitement et de distribution sur Apache Hadoop

Déplace la collecte et le traitement de Big Data vers le cloud

Traite les charges de travail de données par lots, en temps réel et en streaming dans des systèmes uniques, mutualisés ou cloud

Facilite l’analyse de gros volumes de données en temps réel.

Permet à l’utilisateur d’interroger des données via des langages de requête tels que SQL.

Aligne les workflows de traitement et de distribution sur Apache Hadoop

Aligne les workflows de traitement et de distribution sur Apache Spark

Intègre des données provenant de plusieurs bases de données externes.

Facilite la diffusion des mégadonnées collectées dans les clusters de calcul parallèles.

Traite les données et représente les interprétations dans une variété de formats graphiques.

Enchaîne des fonctions et des jeux de données spécifiques pour automatiser les itérations d’analyse.

Isole certains jeux de données et facilite la gestion de l’accès aux données.

Permet à l’outil Big Data d’exécuter et d’enregistrer des données dans des applications externes.

Utiliser des blocs-notes pour des tâches telles que la création de tableaux de bord avec des requêtes et des visualisations prédéfinies et planifiées

Affichez les données de processus ETL via des rapports et des visualisations tels que des tableaux et des graphiques.

Enregistrez les données historiques ETL à des fins d’audit et de correction de données potentielles.

Extrayez des données à partir de la ou des sources désignées, telles que des bases de données relationnelles, des fichiers JSON et des fichiers XML.

Nettoyez et reformatez les données extraites au format cible requis.

Chargez les données reformatées dans la base de données cible, l’entrepôt de données ou un autre emplacement de stockage.

Organisez les processus ETL pour qu’ils se produisent automatiquement selon le calendrier nécessaire (par exemple, quotidien, hebdomadaire, mensuel).

Capable d’augmenter ou de réduire la puissance de traitement en fonction du volume ETL.

Consolide, nettoie et normalise les données provenant de plusieurs sources disparates.

Permet d’économiser de la capacité de stockage et d’améliorer les performances des requêtes.

Élimine les incohérences et les doublons des données, garantissant ainsi leur intégrité.

Fonctions d’analyse basées sur SQL telles que les séries chronologiques, la correspondance de modèles, l’analyse géospatiale, etc.

Fournit des fonctionnalités intégrées telles que des algorithmes d’apprentissage automatique, des fonctions de préparation de données, l’évaluation et la gestion de modèles, etc.

Permet d’interroger des données sur des formats de données tels que parquet, ORC, JSON, etc. et d’analyser des types de données complexes sur HDFS

S’intègre aux flux de travail de science des données, au Machine Learning et aux capacités d’intelligence artificielle (IA).

S’intègre aux outils de BI pour transformer les données en informations exploitables.

Accélère le traitement des données et la capture de données non structurées, semi-structurées et en streaming.

Fournit des options de déploiement sur site.

Fournit des options de déploiement Cloud (Cloud privé ou public, Cloud hybride).

Gère d’énormes volumes de données, haut de gamme ou bas de gamme selon la demande.

Stocke rapidement les données fréquemment utilisées dans la mémoire système.

Politiques, procédures et normes de gestion et d’accès aux données.

Limite l’accès aux données au niveau de la cellule, masque ou masque des parties de cellules et chiffre les données au repos et en mouvement

Fournit des rôles système, des privilèges et des rôles définis par l’utilisateur prédéfinis aux utilisateurs.

Permet l’intégration avec des mécanismes de sécurité externes tels que Kerberos, l’authentification LDAP, etc.

Fournit un journal d’audit pour suivre l’accès et les opérations effectuées sur les bases de données à des fins de conformité réglementaire.

Fournit une capacité de chiffrement pour toutes les données au repos à l’aide de clés de chiffrement.

Stocke les tables de données sous forme de colonnes.

Prend en charge plusieurs types de données tels que les listes, les ensembles, les hachages (similaires à la carte), les ensembles triés, etc.

Implémente le partitionnement horizontal automatique des données qui permet de stocker des données sur plusieurs nœuds pour les mettre à l’échelle.

Restaure une base de données à un état correct (cohérent) en cas de défaillance.

Copiez des données sur plusieurs serveurs via master-slave, une architecture de réplication peer-to-peer, etc.

Prend en charge le stockage, l’indexation et l’interrogation des données dans plusieurs formats.

Disponible sur plusieurs systèmes d’exploitation comme Linux, Windows, MacOS, etc.

Offre un emplacement centralisé et neutre pour que les parties puissent effectuer des analyses de données.

Offre un calcul localisé, où les données restent là où elles résident et sont appelées par l’API afin de mener des analyses.

Permet aux utilisateurs de générer du texte à partir d’une invite texte.

Condense les longs documents ou textes en un bref résumé.

Permet aux utilisateurs de générer du texte à partir d’une invite texte.

Condense les longs documents ou textes en un bref résumé.

Capacité à effectuer des tâches complexes sans intervention humaine constante

Fonctionne avec plusieurs systèmes logiciels ou bases de données

Anticipe les besoins et offre des suggestions sans être sollicité