# Google Cloud BigQuery Reviews **Vendor:** Google **Category:** [Soluzioni di Data Warehouse](https://www.g2.com/it/categories/data-warehouse) **Average Rating:** 4.5/5.0 **Total Reviews:** 1,236 ## About Google Cloud BigQuery BigQuery è una piattaforma di analisi dei dati completamente gestita e pronta per l'IA che ti aiuta a massimizzare il valore dei tuoi dati ed è progettata per essere multi-motore, multi-formato e multi-cloud. Archivia 10 GiB di dati ed esegui fino a 1 TiB di query gratuitamente al mese. ## Google Cloud BigQuery Pros & Cons **What users like:** - Gli utenti apprezzano la **facilità d'uso** in Google Cloud BigQuery, godendo di un'installazione senza sforzo e di un'elaborazione delle query fluida. (155 reviews) - Gli utenti apprezzano la **velocità incredibile** di Google Cloud BigQuery, che facilita una gestione e integrazione dei dati efficiente. (142 reviews) - Gli utenti apprezzano la **rapida interrogazione** di Google Cloud BigQuery, che consente un'analisi efficiente di enormi set di dati senza soluzione di continuità. (119 reviews) - Gli utenti apprezzano l' **integrazione senza soluzione di continuità** di Google Cloud BigQuery con altri strumenti Google, migliorando le loro capacità analitiche. (117 reviews) - Gli utenti elogiano l' **efficienza delle query** di Google Cloud BigQuery, notando la sua gestione senza problemi di dati complessi con il minimo sforzo. (114 reviews) - Gli utenti apprezzano la **scalabilità** di Google Cloud BigQuery, gestendo efficacemente grandi set di dati e fornendo prestazioni rapide. (111 reviews) - Easy Integrations (98 reviews) - Large Datasets (95 reviews) - Gli utenti apprezzano la **facilità di interrogazione con SQL standard** in Google Cloud BigQuery per gestire grandi set di dati in modo efficiente. (85 reviews) - Efficiency Improvement (84 reviews) **What users dislike:** - Gli utenti trovano Google Cloud BigQuery **costoso** a causa della tariffazione pay-per-query che richiede un attento monitoraggio per evitare costi elevati. (126 reviews) - Gli utenti affrontano sfide con **problemi di query** in BigQuery, in particolare per quanto riguarda la gestione dei costi e le difficoltà di ottimizzazione. (78 reviews) - Gli utenti trovano **problemi di costo** con BigQuery a causa della tariffazione per TB scansionato e delle query costose scritte male. (63 reviews) - Gli utenti affrontano **trappole di costo** con Google Cloud BigQuery a causa della tariffazione per TB e delle costose query scritte male. (60 reviews) - Gli utenti trovano la **curva di apprendimento impegnativa** , specialmente con il partizionamento e le funzionalità avanzate, influenzando l'usabilità complessiva. (54 reviews) - Expensive Queries (53 reviews) - Cost Estimation (46 reviews) - Slow Performance (38 reviews) - Slow Queries (33 reviews) - Unclear Pricing (29 reviews) ## Google Cloud BigQuery Reviews ### 1. BigQuery scalabile e sicuro che si connette senza problemi tra i servizi **Rating:** 5.0/5.0 stars **Reviewed by:** Aayush M. | Data Engineer - Associate, Mid-Market (51-1000 dip.) **Reviewed Date:** April 16, 2026 **Cosa ti piace di più di Google Cloud BigQuery?** La cosa migliore di BigQuery è la sua scalabilità e il servizio gestito fornito da GCP (Google Cloud Platform). Può connettersi senza problemi con quasi tutti i servizi disponibili sul mercato, sia che siano on-premises che basati su cloud. È uno dei più grandi data warehouse che offre anche la fattibilità del Data Lakehouse. Mi piacciono anche le sue caratteristiche di sicurezza, come i tag di policy e la vista autorizzata. **Cosa non ti piace di Google Cloud BigQuery?** Non credo ci sia qualcosa che non mi piaccia, forse devono lavorare sulla funzione di costo stimato durante l'esecuzione di una query, a volte non mostra la memoria associata a quella e poiché è un magazzino analitico, quindi l'aggiornamento in tempo reale non è possibile come in un database transazionale, forse in futuro possono aggiungere anche quelle funzionalità. **Quali problemi sta risolvendo Google Cloud BigQuery e come ti sta beneficiando?** Nello scenario attuale, tutti i nostri data sink sono memorizzati in Bigquery o in tabelle esterne collegate a Bigquery perché è così facile fare qualsiasi analisi su Bigquery e inoltre si collega senza problemi con Looker per un'analisi dettagliata. Al giorno d'oggi, abbiamo anche iniziato a sfruttare la loro capacità di creazione di modelli sui dati memorizzati in tabelle gestite da Biglake o in tabelle Bigquery. In definitiva, aiuta davvero a costruire una pipeline end-to-end senza preoccuparsi dello storage e della scalabilità. ### 2. BigQuery veloce, scalabile e completamente gestito per l'elaborazione di dati su larga scala **Rating:** 4.0/5.0 stars **Reviewed by:** Tejaswini R. | Data Management Specialist, Mid-Market (51-1000 dip.) **Reviewed Date:** April 10, 2026 **Cosa ti piace di più di Google Cloud BigQuery?** come specialista nella gestione dei dati e utilizzando regolarmente BigQuery per gestire grandi set di dati, reportistica e elaborazione dei dati, ciò che mi piace di più è la sua velocità e scalabilità, anche con dataset molto grandi, le query vengono eseguite molto velocemente rispetto ai database tradizionali, è completamente gestito, quindi non dobbiamo preoccuparci dell'infrastruttura, dei server o della manutenzione, questo rende facile concentrarsi sul lavoro sui dati invece che sulle operazioni, l'interfaccia SQL è semplice e familiare, il che rende facile per i team iniziare a usarlo rapidamente. un'altra cosa positiva è l'integrazione senza soluzione di continuità con i servizi cloud di Google, che aiuta a costruire pipeline di dati end-to-end. è completamente gestito quindi non c'è bisogno di gestire server o infrastruttura, questo lo rende molto facile da usare e mantenere, rende l'elaborazione dei dati più veloce, più facile e più efficiente per la gestione dei dati su larga scala. **Cosa non ti piace di Google Cloud BigQuery?** il problema più grande è la gestione dei costi, poiché i prezzi si basano sui dati scansionati, se le query non sono ottimizzate può diventare costoso, inoltre gli aggiornamenti in tempo reale non sono così forti come in alcuni database tradizionali, quindi non è ideale per casi d'uso transazionali, a volte gestire i permessi e il controllo degli accessi può essere un po' complesso per grandi team. **Quali problemi sta risolvendo Google Cloud BigQuery e come ti sta beneficiando?** BigQuery risolve il problema di memorizzare e analizzare volumi molto grandi di dati in modo efficiente. Prima di utilizzarlo, gestire i big data richiedeva l'uso di più strumenti e l'installazione di infrastrutture, ora tutto è centralizzato in un'unica piattaforma. Aiuta nell'elaborazione più rapida dei dati, nella creazione di report veloci e nel prendere decisioni migliori. I team possono eseguire query complesse in pochi secondi e ottenere rapidamente informazioni, migliorando la produttività e permettendoci di concentrarci più sull'analisi piuttosto che sulla gestione dei dati. Elimina anche la necessità di gestire i server, così possiamo concentrarci più sul lavoro con i dati invece che sull'infrastruttura. Ha migliorato la produttività, ridotto i tempi di elaborazione e reso l'analisi dei dati molto più veloce e affidabile. In generale, aiuta a prendere decisioni migliori fornendo informazioni rapide e accurate da grandi set di dati. ### 3. BigQuery offre analisi rapide e intuitive con integrazioni senza soluzione di continuità **Rating:** 5.0/5.0 stars **Reviewed by:** Rakshith N. | Analyst , Vendita al dettaglio, Enterprise (> 1000 dip.) **Reviewed Date:** April 01, 2026 **Cosa ti piace di più di Google Cloud BigQuery?** UI / UX: L'interfaccia è pulita e intuitiva, soprattutto quando si scrivono e si testano query. Funzionalità come la cronologia delle query, le query salvate e la validazione in linea rendono facile iterare rapidamente. Anche con query complesse, l'editor risulta fluido e reattivo, il che aiuta a ridurre il tempo complessivo di sviluppo. Integrazioni: BigQuery si integra perfettamente con strumenti come Looker, Data Transfer Service e altri prodotti Google Cloud. Questo rende più facile costruire pipeline di dati end-to-end senza fare affidamento pesante su integrazioni personalizzate. Avere un data warehouse centralizzato che si connette senza sforzo agli strumenti di reporting ha anche migliorato significativamente la coerenza dei dati. Prestazioni: Le prestazioni sono uno dei maggiori punti di forza di BigQuery. Posso eseguire query su dataset molto grandi e ottenere comunque risultati in pochi secondi. Questo ha ridotto drasticamente i tempi di risposta per l'analisi e il reporting, supportando decisioni più rapide. Prezzi / ROI: Il modello di prezzo pay-as-you-go offre un buon valore, soprattutto perché pago solo per le query che eseguo. Combinato con il tempo risparmiato dal non gestire l'infrastruttura e la capacità di ottenere informazioni più velocemente, offre un forte ROI. Supporto / Onboarding: Iniziare con BigQuery è relativamente semplice, in particolare per gli utenti già familiari con SQL. La documentazione è solida e l'ecosistema più ampio rende l'onboarding più facile rispetto ai data warehouse tradizionali. AI / Intelligenza: Le capacità integrate come BigQuery ML, insieme alle integrazioni con strumenti AI, aggiungono valore extra abilitando l'analisi predittiva direttamente all'interno della piattaforma. Questo riduce la necessità di spostare i dati in sistemi esterni e supporta casi d'uso più avanzati all'interno dello stesso ambiente. Le risorse e la documentazione sono anche semplici e facili da capire. **Cosa non ti piace di Google Cloud BigQuery?** Una sfida continua è la visibilità e il controllo dei costi. Poiché i prezzi si basano sulla quantità di dati elaborati per query, i costi possono aumentare inaspettatamente quando le query non sono ottimizzate. Ciò significa che gli utenti devono prestare molta attenzione alla progettazione delle query e monitorare l'uso con attenzione. L'interfaccia utente può anche sembrare un po' limitata per flussi di lavoro più avanzati. Funziona bene per scrivere query, ma gestire pipeline complesse o risolvere problemi di debug può richiedere il passaggio tra più strumenti o l'affidamento a soluzioni esterne. Un altro svantaggio è la flessibilità limitata durante la risoluzione dei problemi. Se i lavori falliscono o i trasferimenti di dati incontrano problemi, i messaggi di errore non sono sempre molto descrittivi, il che può rendere il debug più dispendioso in termini di tempo di quanto dovrebbe essere. Infine, sebbene l'onboarding sia generalmente fluido, può comunque richiedere tempo per apprendere le migliori pratiche come il partizionamento, il clustering e l'ottimizzazione dei costi, specialmente per i nuovi utenti. **Quali problemi sta risolvendo Google Cloud BigQuery e come ti sta beneficiando?** Google Cloud BigQuery affronta la sfida di elaborare e analizzare dataset su larga scala in modo rapido ed efficiente, senza richiedere di gestire alcuna infrastruttura. Ci permette di eseguire query SQL complesse su volumi massicci di dati in pochi secondi, riducendo notevolmente il tempo necessario per la reportistica e il processo decisionale. Dal punto di vista della facilità d'uso, l'interfaccia basata su SQL di BigQuery è accessibile per i team che già conoscono SQL, mantenendo la curva di apprendimento bassa. L'implementazione è anche semplice perché è completamente gestita, quindi non c'è bisogno di fornire, operare o mantenere server. BigQuery si integra perfettamente con altri strumenti nell'ecosistema Google Cloud così come con strumenti BI esterni, rendendo l'ingestione, la trasformazione e la visualizzazione dei dati un processo senza soluzione di continuità. Di conseguenza, il nostro flusso di lavoro complessivo è più efficiente e lo sforzo di integrazione è ridotto. In termini di benefici, ci ha aiutato a ottenere intuizioni più rapide, a scalare più facilmente e a elaborare dati in modo economico attraverso il suo modello pay-as-you-query. La sua alta disponibilità e le sue prestazioni elevate significano anche che un uso frequente e intenso non compromette l'affidabilità. Nel complesso, BigQuery semplifica la nostra analisi dei dati, rendendo più facile derivare intuizioni azionabili riducendo al contempo il sovraccarico operativo. ### 4. Advanced Analytics Potential, But Setup Challenges **Rating:** 3.5/5.0 stars **Reviewed by:** Sean T. | Head of Marketing, Piccola impresa (50 o meno dip.) **Reviewed Date:** April 29, 2026 **Cosa ti piace di più di Google Cloud BigQuery?** I like that we can connect Google Cloud BigQuery to data sources easily - in particular Google sources like GA and Ads. I also appreciate how we can build queries and schedule them, which is super convenient. It’s also great that we can run queries that generate their own data. **Cosa non ti piace di Google Cloud BigQuery?** It's quite complicated to set up initially, and Google Cloud in general has a very confusing interface, especially when it comes to user permissions because there are hundreds of different permissions that are quite complex and tricky. Depending on the geolocation of your data, it's sometimes hard to run a query in one location that can't see your dataset in another location, which is quite confusing. **Quali problemi sta risolvendo Google Cloud BigQuery e come ti sta beneficiando?** Google Cloud BigQuery connects well with Google Ads and Analytics, allowing us to do advanced analytics. I appreciate how easily we can connect it to data sources, build queries, schedule them, and generate new data. ### 5. Handles Massive Data Smoothly, with AI Features That Feel Like Airtable **Rating:** 4.0/5.0 stars **Reviewed by:** Rusira S. | Video Editor | Motion Graphics, Piccola impresa (50 o meno dip.) **Reviewed Date:** April 25, 2026 **Cosa ti piace di più di Google Cloud BigQuery?** It allows us to keep millions or tens of millions of data without affecting the performances of our queries and its now improved with AI features that really make a data warehouse feel like an airtable! **Cosa non ti piace di Google Cloud BigQuery?** The interface and the UI is too complex for a starter. When I was starting I could not understand which does what. But its not a tool for beginners. The other thing is performance for small scale projects. If your project is small scale, expect 1min + query times for a single select query with only 100 records. The queries are optimized for larger scale, so you might feel those kind of delays here and there. Its pricing is okay but has a vendor lock in situation when you put more and more data in it. Fortunately we havent gone that far, but I feel like being a place to collect millions or billions of data, going for another provider can of course be a nightmare. If they keep pricing the same that wont be a big issue. **Quali problemi sta risolvendo Google Cloud BigQuery e come ti sta beneficiando?** We had a tracking system that monitored hundreds of clients’ marketing-platform data points across Google Ads, Analytics, FB Ads, TikTok Ads, and similar sources. All of this data was stored in a BigQuery warehouse, and we ran processing algorithms and related workflows directly through BigQuery. It stores all the data without any issues and the performance when accessing some of the data is really very good compared to some of the other alternatives we tried. Also having the access from Google Workspace from anywhere in the world is also a good option. ### 6. Integrazione senza soluzione di continuità, adatta ai principianti, necessita di chiarezza sulla fatturazione **Rating:** 4.5/5.0 stars **Reviewed by:** Veera Shubhashree P. **Reviewed Date:** April 10, 2026 **Cosa ti piace di più di Google Cloud BigQuery?** Uso Google Cloud BigQuery per apprendere i concetti di big data e implementare chatbot. Mi piace che tutti i servizi e i prodotti siano in un unico posto, rendendo facile l'uso di BigQuery per diversi casi d'uso. Apprezzo la facilità di accesso e l'integrazione con diversi strumenti. Non solo BigQuery, ma l'intero ambiente di Google Cloud è molto adatto ai principianti e offre un sandbox a basso costo per l'apprendimento. Strumenti come Google CloudSQL, BigQuery, API e Vertex AI sono molto preziosi per l'apprendimento dell'implementazione di chatbot. L'installazione iniziale di Google Cloud BigQuery è stata molto facile. **Cosa non ti piace di Google Cloud BigQuery?** I dettagli di fatturazione possono essere più chiari e più facilmente monitorati. L'opzione per mettere in pausa e riprendere i pagamenti potrebbe essere progettata per un'esperienza utente più semplice. Sarebbe davvero utile avere l'opzione di mettere in pausa i pagamenti nei fine settimana o fornire un avviso per mettere in pausa quando non viene utilizzato per più di 6 ore. **Quali problemi sta risolvendo Google Cloud BigQuery e come ti sta beneficiando?** Google Cloud BigQuery consolida servizi e prodotti, semplificando l'uso per vari casi. La sua facilità di accesso e integrazione con diversi strumenti migliora le mie esperienze di apprendimento. Fa parte di un ambiente adatto ai principianti con un sandbox a basso costo ideale per l'apprendimento dell'implementazione di chatbot. ### 7. Conveniente e Veloce, potrebbe fare con Migliori Funzionalità AI **Rating:** 4.0/5.0 stars **Reviewed by:** Mateo K. | AI Product Manager, Software per computer, Piccola impresa (50 o meno dip.) **Reviewed Date:** April 10, 2026 **Cosa ti piace di più di Google Cloud BigQuery?** Mi piace che Google Cloud BigQuery sia gratuito se non operi su larga scala, il che è fantastico perché lo usiamo senza pagare. Direi anche che l'esperienza utente è piuttosto buona. Inoltre, penso che la configurazione iniziale sia stata piuttosto veloce. Rispetto ad altri servizi, è stato probabilmente il più veloce. **Cosa non ti piace di Google Cloud BigQuery?** Le funzionalità AI non sono molto buone, quindi finisco per utilizzare servizi AI esterni per scrivere query. Ci sono anche diversi modi di fare le stesse cose e non è molto chiaro quale sia il migliore. A volte, penso che l'esperienza utente potrebbe essere un po' più chiara su quali siano i modi migliori di operare. Il fatto che si debba fare una certificazione o un corso per imparare a usare il prodotto dimostra che il prodotto non è così intuitivo come potrebbe essere. **Quali problemi sta risolvendo Google Cloud BigQuery e come ti sta beneficiando?** Utilizzo Google Cloud BigQuery per memorizzare e trasformare i dati per una facile reportistica in Looker Studio. ### 8. Analisi senza sforzo e fulminee con la scalabilità serverless di BigQuery **Rating:** 4.0/5.0 stars **Reviewed by:** Alok K. | Software Engineer, Piccola impresa (50 o meno dip.) **Reviewed Date:** January 20, 2026 **Cosa ti piace di più di Google Cloud BigQuery?** L'architettura serverless di BigQuery e le prestazioni eccezionali delle query SQL su dataset enormi sono straordinarie. L'integrazione senza soluzione di continuità con gli strumenti di Google Cloud Platform e la scalabilità automatica rendono l'analisi dei dati semplice senza dover gestire l'infrastruttura. Le capacità di machine learning integrate e l'analisi in tempo reale hanno trasformato significativamente i nostri flussi di lavoro sui dati. **Cosa non ti piace di Google Cloud BigQuery?** Il modello di prezzo può diventare costoso per query su larga scala senza un'adeguata ottimizzazione e monitoraggio dei costi. La curva di apprendimento per le funzionalità avanzate e le tecniche di ottimizzazione delle query richiede un investimento di tempo. Il supporto limitato per alcuni tipi di dati e la complessità occasionale nel debug delle query annidate potrebbero essere migliorati per una migliore esperienza degli sviluppatori. **Quali problemi sta risolvendo Google Cloud BigQuery e come ti sta beneficiando?** BigQuery ha risolto i nostri enormi colli di bottiglia nel processamento dei dati consentendo l'analisi in tempo reale di terabyte di dati che in precedenza richiedevano ore per essere elaborati. Questo ha accelerato il nostro processo decisionale, ridotto i costi infrastrutturali eliminando la necessità di data warehouse on-premise, e ha permesso al nostro team di eseguire query analitiche complesse senza dover attendere il supporto IT. Il modello serverless ha trasformato il modo in cui gestiamo i dati su larga scala. ### 9. Analisi senza sforzo su larga scala con la velocità e l'integrazione senza soluzione di continuità di BigQuery **Rating:** 5.0/5.0 stars **Reviewed by:** annpurna S. | Marketing Data Ops Lead, Software per computer, Enterprise (> 1000 dip.) **Reviewed Date:** January 13, 2026 **Cosa ti piace di più di Google Cloud BigQuery?** Ciò che mi piace di più di BigQuery è la sua capacità di gestire enormi set di dati con una velocità incredibile, senza preoccuparsi dell'infrastruttura. La sua architettura serverless e completamente gestita mi consente di concentrarmi sull'analisi e sull'ottenimento di approfondimenti, e la sua integrazione con altri strumenti di Google Cloud rende la creazione di dashboard e pipeline senza soluzione di continuità. **Cosa non ti piace di Google Cloud BigQuery?** BigQuery è potente, ma i costi delle query possono aumentare se i dataset sono molto grandi e le query non sono ottimizzate. Di solito aggiro questo problema utilizzando tabelle partizionate e memorizzando i risultati nella cache. Inoltre, sebbene sia ottimo per l'analisi, le trasformazioni di dati molto complesse spesso richiedono strumenti ETL aggiuntivi, ma questo è gestibile con l'approccio giusto. **Quali problemi sta risolvendo Google Cloud BigQuery e come ti sta beneficiando?** BigQuery affronta diverse sfide significative quando si lavora con dati su larga scala. Consente l'analisi di dati che vanno dai terabyte ai petabyte, il tutto senza la necessità di gestire infrastrutture complesse. La sua velocità e prestazioni permettono di eseguire rapidamente query su dataset enormi, il che aiuta a prevenire ritardi nella generazione di report o nell'estrazione di informazioni. Essendo una soluzione serverless e completamente gestita, BigQuery elimina il peso di mantenere server o ottimizzare l'hardware. Facilita anche la consolidazione dei dati riunendo varie fonti, come Cloud Storage, Sheets e Salesforce, in un'unica piattaforma per un'analisi unificata. Inoltre, BigQuery supporta lo streaming e l'analisi quasi in tempo reale, rendendolo adatto per dashboard e report operativi che richiedono informazioni aggiornate. ### 10. BigQuery: Affronta le tue grandi sfide di dati con facilità **Rating:** 4.5/5.0 stars **Reviewed by:** Utente verificato in Consulenza | Mid-Market (51-1000 dip.) **Reviewed Date:** April 02, 2026 **Cosa ti piace di più di Google Cloud BigQuery?** Memorizzare i dati Onestamente, la parte migliore in assoluto è come potenzia istantaneamente le mie app AppSheet. Quando ho dovuto gestire un caricamento massiccio di 200.000 righe, BigQuery l'ha gestito senza sforzo. Amo anche spostare la mia logica complicata di Apps Script in Procedure Memorizzate sicure di BigQuery. Mantiene il pesante lavoro di manipolazione dei dati sul lato del database, esattamente dove dovrebbe essere. Inoltre, gli strumenti di recupero integrati mi hanno salvato da un attacco di panico totale quando ho eliminato una tabella! Toglie semplicemente tutto lo stress dalla gestione di enormi set di dati e mantiene tutto veloce. **Cosa non ti piace di Google Cloud BigQuery?** Se dovessi scegliere cosa mi frustra, è sicuramente la gestione rigida dello schema. Cambiare cose semplici come i tipi di dati delle colonne o l'ordine delle colonne non è sempre così semplice come dovrebbe essere. Cercare di abbinare perfettamente il tipo Durata di AppSheet a BigQuery mi ha dato un vero mal di testa all'inizio. Ho anche passato troppo tempo a risolvere quei fastidiosi errori di formattazione di data e ora! È incredibilmente potente, ma a volte vuoi solo fare modifiche rapide ai dati senza dover saltare attraverso cerchi. **Quali problemi sta risolvendo Google Cloud BigQuery e come ti sta beneficiando?** Risolve completamente i colli di bottiglia delle prestazioni che incontravo quando scalavo le mie app AppSheet. Utilizzando il partizionamento e il clustering, i miei dashboard rimangono incredibilmente reattivi anche quando gestiscono centinaia di migliaia di righe. Risolve anche importanti problemi di efficienza permettendomi di spostare la logica pesante di Apps Script direttamente nelle Stored Procedures di BigQuery. Non devo più preoccuparmi che il frontend si blocchi mentre cerca di elaborare manipolazioni di dati pesanti. Inoltre, funge da enorme rete di sicurezza; sapere che posso facilmente recuperare una tabella accidentalmente eliminata mi dà una pace mentale incredibile! ## Google Cloud BigQuery Discussions - [Is BigQuery part of Google Cloud Platform?](https://www.g2.com/it/discussions/is-bigquery-part-of-google-cloud-platform) - 2 comments, 2 upvotes - [Big Query è gratuito?](https://www.g2.com/it/discussions/is-big-query-free) - 3 comments, 1 upvote - [Quando possiamo integrare](https://www.g2.com/it/discussions/when-we-can-integrate) - 1 comment, 1 upvote - [In che modo BQ legacy SQL è diverso dallo standard SQL?](https://www.g2.com/it/discussions/16021-how-bq-legacy-sql-is-different-form-the-standard-sql) - 1 comment, 1 upvote - [Su cosa si basa Google BigQuery?](https://www.g2.com/it/discussions/what-is-google-bigquery-based-on) - 1 comment - [View Google Cloud BigQuery pricing details and edition comparison](https://www.g2.com/it/products/google-cloud-bigquery/reviews/google-cloud-bigquery-review-3350437?section=pricing&secure%5Bexpires_at%5D=2026-05-05+12%3A17%3A02+-0500&secure%5Bsession_id%5D=40c0024a-2a41-4764-a77e-e309b0a64e85&secure%5Btoken%5D=95eb7fcd579ef0ec7bf2d852ffe47aae23872e1dcc0112011c9e7c1c793536c8&format=llm_user) ## Google Cloud BigQuery Integrations - [Ab Initio](https://www.g2.com/it/products/ab-initio/reviews) - [Agentforce Sales (formerly Salesforce Sales Cloud)](https://www.g2.com/it/products/agentforce-sales-formerly-salesforce-sales-cloud/reviews) - [Airbyte](https://www.g2.com/it/products/airbyte/reviews) - [AM](https://www.g2.com/it/products/am/reviews) - [Apache Kafka](https://www.g2.com/it/products/apache-kafka/reviews) - [AppSheet](https://www.g2.com/it/products/appsheet/reviews) - [Azure Databricks](https://www.g2.com/it/products/azure-databricks/reviews) - [Azure SQL Database](https://www.g2.com/it/products/azure-sql-database/reviews) - [Boomi Data Integration](https://www.g2.com/it/products/boomi-data-integration/reviews) - [CrowdStrike Falcon Endpoint Protection Platform](https://www.g2.com/it/products/crowdstrike-falcon-endpoint-protection-platform/reviews) - [DATAflow](https://www.g2.com/it/products/dataflow/reviews) - [Data Studio](https://www.g2.com/it/products/data-studio/reviews) - [dbt](https://www.g2.com/it/products/dbt/reviews) - [Gemini Enterprise Agent Platform](https://www.g2.com/it/products/gemini-enterprise-agent-platform/reviews) - [Google Analytics](https://www.g2.com/it/products/google-analytics/reviews) - [Google Analytics 360](https://www.g2.com/it/products/google-analytics-360/reviews) - [Google Cloud Dataflow](https://www.g2.com/it/products/google-cloud-dataflow/reviews) - [Google Cloud Run](https://www.g2.com/it/products/google-cloud-run/reviews) - [Google Cloud Storage](https://www.g2.com/it/products/google-cloud-storage/reviews) - [Grafana Labs](https://www.g2.com/it/products/grafana-labs/reviews) - [Hightouch](https://www.g2.com/it/products/hightouch/reviews) - [Informatica PowerCenter](https://www.g2.com/it/products/informatica-powercenter/reviews) - [Looker](https://www.g2.com/it/products/looker/reviews) - [Matillion](https://www.g2.com/it/products/matillion-2023-06-26/reviews) - [Microsoft Fabric](https://www.g2.com/it/products/microsoft-fabric/reviews) - [Microsoft Power BI](https://www.g2.com/it/products/microsoft-microsoft-power-bi/reviews) - [Microsoft SQL Server](https://www.g2.com/it/products/microsoft-sql-server/reviews) - [Microsoft Teams](https://www.g2.com/it/products/microsoft-teams/reviews) - [MongoDB Atlas](https://www.g2.com/it/products/mongodb-atlas/reviews) - [pandas python](https://www.g2.com/it/products/pandas-python/reviews) - [Pipefy](https://www.g2.com/it/products/pipefy/reviews) - [PostgreSQL](https://www.g2.com/it/products/postgresql/reviews) - [Prefect](https://www.g2.com/it/products/prefect/reviews) - [Purple DS](https://www.g2.com/it/products/purple-ds/reviews) - [PyCharm](https://www.g2.com/it/products/pycharm/reviews) - [Python](https://www.g2.com/it/products/python/reviews) - [Snowflake](https://www.g2.com/it/products/snowflake/reviews) - [Tableau](https://www.g2.com/it/products/tableau/reviews) - [Talend Cloud Data Integration](https://www.g2.com/it/products/talend-cloud-data-integration/reviews) - [UiPath Automation Hub](https://www.g2.com/it/products/uipath-automation-hub/reviews) ## Google Cloud BigQuery Features **Gestione** - Segnalazione - Revisione contabile **Gestione dei dati** - Integrazione dei dati - Compressione dei dati - Qualità dei dati - Analisi dei dati integrate - Apprendimento automatico in-database - Analisi del Data Lake **Conservazione** - Modello di dati - Tipi di dati **Calcolo centralizzato** - Calcolo Centralizzato **Strumento Statistico** - Scripting - Estrazione dei dati - Algoritmi **Operazioni di Marketing** - Monitoraggio del ROI - Raccolta dati - Approfondimenti sui clienti - Accesso multiutente - Gestione delle Spese - Etichetta Bianca **Database** - Raccolta dati in tempo reale - Distribuzione dei dati - Lago di Dati **Trasformazione dei dati** - Analisi in tempo reale - Interrogazione dei dati **Funzionalità** - Estrazione - Trasformazione - Caricamento - Automazione - Scalabilità **Integrazione** - Integrazione AI/ML - Integrazione dello strumento BI - Integrazione del data lake **Disponibilità** - Sharding automatico - Recupero automatico - Replica dei dati **Calcolo localizzato** - Calcolo localizzato **Analisi dei dati** - Analisi - Interazione dei dati **Integrazioni** - Integrazione di Hadoop - Integrazione Spark **Distribuzione** - In sede - Nuvola **Prestazione** - Cache integrata **Prendere decisioni** - Modellazione - Visualizzazioni dei dati - Generazione del rapporto - Unificazione dei dati **Attività di Campagna** - Approfondimenti sulla campagna - Report e Dashboard - Adesività della campagna - Tracciamento Multicanale - Ottimizzazione del marchio - Analisi Predittiva **Piattaforma** - Scalabilità della macchina - Preparazione dei dati - Integrazione Spark **Connettività** - Integrazione di Hadoop - Integrazione Spark - Analisi Multi-Sorgente - Lago di Dati **Prestazione** - Scalabilità **Sicurezza** - Autorizzazione Basata su Ruoli - Autenticazione - Registri di controllo - Crittografia **AI agentico - Analisi di marketing** - Esecuzione autonoma dei compiti - Integrazione tra sistemi - Assistenza Proattiva **Elaborazione** - Elaborazione Cloud - Elaborazione del carico di lavoro **Operazioni** - Visualizzazione dei dati - Flusso di lavoro dei dati - Scoperta Governata - Analisi Incorporata - Quaderni **Sicurezza** - Governance dei dati - Sicurezza dei dati **Supporto** - Multi-Modello - Sistemi Operativi **Intelligenza Artificiale Generativa** - Generazione di Testo AI - Riassunto del testo AI **Intelligenza Artificiale Generativa** - Generazione di Testo AI - Riassunto del testo AI **Creare rapporti** - Trasformazione dei dati - Modellazione dei dati - Progettazione di Report WYSIWYG - API di integrazione **Piattaforma** - Personalizzazione - Gestione di Utenti, Ruoli e Accessi - Internazionalizzazione - Ambienti di prova / Sandbox - Prestazioni e Affidabilità - Ampiezza delle Applicazioni dei Partner ## Top Google Cloud BigQuery Alternatives - [Snowflake](https://www.g2.com/it/products/snowflake/reviews) - 4.6/5.0 (678 reviews) - [Databricks](https://www.g2.com/it/products/databricks/reviews) - 4.6/5.0 (738 reviews) - [Cloudera Data Platform](https://www.g2.com/it/products/cloudera-cloudera-data-platform/reviews) - 4.1/5.0 (131 reviews)