Funzionalità Google Cloud BigQuery

Supporta una varietà di ambienti di scripting

Estrae dati dai database e prepara i dati per l'analisi

Applica algoritmi statistici ai dati selezionati

Analizza sia i dati strutturati che quelli non strutturati

Interagisci con i dati per prepararli per visualizzazioni e modelli

Offre capacità di modellazione

Crea visualizzazioni di dati o grafici

Genera rapporti sulle prestazioni dei dati

Unifica le informazioni su una piattaforma singolare

Aiuta i marketer a misurare il ritorno sull'investimento (ROI) analizzando l'efficacia delle campagne rispetto ai costi

Raccoglie dati sull'efficacia, l'impatto e la portata delle campagne di marketing

Raccoglie e riporta dati relativi ai percorsi dei clienti, alle preferenze e alla storia

Consente a più utenti di accedere a una panoramica unificata e trasparente di analisi, dashboard e risultati delle campagne

Include funzionalità per il budgeting, la previsione e la gestione degli investimenti di marketing

Offre un servizio di white labeling per agenzie o rivenditori per personalizzare il branding della piattaforma

Analizza le campagne di marketing storiche e attuali per informare la strategia futura

Crea report e dashboard per analizzare i risultati delle campagne

Identifica quali campagne di marketing si sono risolte in opportunità aperte o chiuse

Raccoglie i dati sulle prestazioni delle campagne di marketing attraverso più canali

Fornisce opportunità per i marchi e le aziende di correggere o modificare campagne esistenti o future tramite feedback

Utilizza l'intelligenza artificiale (AI) per prevedere i risultati delle campagne e suggerire azioni per l'ottimizzazione

Raccoglie, memorizza e organizza dati massivi e non strutturati in tempo reale

Facilita la diffusione dei big data raccolti attraverso cluster di calcolo parallelo

Crea un repository per raccogliere e memorizzare dati grezzi da sensori, dispositivi, macchine, file, ecc.

Allinea i flussi di lavoro di elaborazione e distribuzione su Apache Hadoop

Allinea i flussi di lavoro di elaborazione e distribuzione su Apache Hadoop

Facilita la soluzione per funzionare e scalare su un gran numero di macchine e sistemi

Cura i dati raccolti per soluzioni di analisi dei big data per analizzare, manipolare e modellare

Allinea i flussi di lavoro di elaborazione e distribuzione su Apache Hadoop

Sposta la raccolta e l'elaborazione di big data nel cloud

Elabora carichi di lavoro di dati batch, in tempo reale e in streaming in sistemi singoli, multi-tenant o cloud

Facilita l'analisi di dati in tempo reale ad alto volume.

Consente all'utente di interrogare i dati tramite linguaggi di interrogazione come SQL.

Allinea i flussi di lavoro di elaborazione e distribuzione su Apache Hadoop

Allinea i flussi di lavoro di elaborazione e distribuzione su Apache Spark

Integra dati da più database esterni.

Facilita la diffusione dei big data raccolti attraverso cluster di calcolo parallelo.

Elabora i dati e rappresenta le interpretazioni in una varietà di formati grafici.

Collega insieme funzioni specifiche e set di dati per automatizzare le iterazioni analitiche.

Isola determinati set di dati e facilita la gestione dell'accesso ai dati.

Consente allo strumento di big data di eseguire e registrare dati all'interno di applicazioni esterne.

Usa i notebook per attività come la creazione di dashboard con query e visualizzazioni predefinite e programmate.

Visualizza i dati del processo ETL tramite report e visualizzazioni come grafici e diagrammi.

Registra i dati storici ETL per esigenze di audit e potenziali correzioni dei dati.

Estrai dati dalle fonti designate come database relazionali, file JSON e file XML.

Pulisci e riformatta i dati estratti nel formato di destinazione necessario.

Carica i dati riformattati nel database di destinazione, nel data warehouse o in un'altra posizione di archiviazione.

Organizza i processi ETL affinché avvengano automaticamente secondo il programma temporale necessario (ad esempio, giornaliero, settimanale, mensile).

Capace di aumentare o diminuire la potenza di elaborazione in base al volume ETL.

Consolida, pulisce e normalizza i dati provenienti da più fonti disparate.

Aiuta a risparmiare capacità di archiviazione e migliora le prestazioni delle query.

Elimina l'incoerenza dei dati e le duplicazioni garantendo l'integrità dei dati.

Funzioni analitiche basate su SQL come serie temporali, pattern matching, analisi geospaziale ecc.

Fornisce funzionalità integrate come algoritmi di apprendimento automatico, funzioni di preparazione dei dati, valutazione e gestione dei modelli, ecc.

Consente l'interrogazione dei dati tra formati di dati come parquet, ORC, JSON ecc. e l'analisi di tipi di dati complessi su HDFS.

Si integra con i flussi di lavoro della scienza dei dati, le capacità di Machine Learning e intelligenza artificiale (AI).

Si integra con gli strumenti BI per trasformare i dati in informazioni utili.

Fornisce velocità nell'elaborazione dei dati e nella cattura di dati non strutturati, semi-strutturati e in streaming.

Fornisce opzioni di distribuzione On-Premise.

Fornisce opzioni di distribuzione cloud (cloud privato o pubblico, cloud ibrido).

Gestisce enormi volumi di dati, aumenta o riduci la scala secondo la domanda.

Memorizza rapidamente i dati usati di frequente nella memoria di sistema.

Politiche, procedure e standard per gestire e accedere ai dati.

Limita l'accesso ai dati a livello di cella, maschera o nasconde parti delle celle, e cripta i dati a riposo e in movimento

Fornisce ruoli di sistema predefiniti, privilegi e ruoli definiti dall'utente agli utenti.

Consente l'integrazione con meccanismi di sicurezza esterni come Kerberos, autenticazione LDAP ecc.

Fornisce un registro di controllo per tracciare l'accesso e le operazioni eseguite sui database per la conformità normativa.

Fornisce la capacità di crittografare tutti i dati a riposo utilizzando chiavi di crittografia.

Memorizza le tabelle di dati come colonne.

Supporta più tipi di dati come liste, set, hash (simili a mappe), set ordinati ecc.

Implementa il partizionamento automatico dei dati orizzontale che consente di memorizzare i dati su più di un nodo per scalare.

Ripristina un database a uno stato corretto (coerente) in caso di guasto.

Copia i dati su più server attraverso architetture di replica master-slave, peer-to-peer, ecc.

Fornisce supporto per memorizzare, indicizzare e interrogare dati in più di un formato.

Disponibile su più sistemi operativi come Linux, Windows, MacOS ecc.

Offre una posizione centralizzata e neutrale per le parti per condurre l'analisi dei dati.

Offre calcolo localizzato, dove i dati rimangono dove risiedono e vengono chiamati tramite API per condurre l'analisi.

Consente agli utenti di generare testo basato su un prompt di testo.

Condensa documenti o testi lunghi in un breve riassunto.

Consente agli utenti di generare testo basato su un prompt di testo.

Condensa documenti o testi lunghi in un breve riassunto.

Capacità di eseguire compiti complessi senza input umano costante

Funziona su più sistemi software o database

Anticipa le necessità e offre suggerimenti senza essere sollecitato