گوگل در حال انجام تغییرات مهمی در روشی که تیم‌ها از داده‌های خود استفاده می‌کنند، قرار دارد. در کنفرانس سالانه Cloud Next امروز، این شرکت فناوری به به‌روزرسانی‌های جدیدی در انبار داده‌ای خود، به نام BigQuery، پرداخت که امکان کار با داده‌ها را برای تیم‌ها بهبود می‌بخشد. این به‌روزرسانی‌ها شامل ارتقاء تجربه کاربری در زمینه اتصال داده‌ها و انجام وظایف مختلف مرتبط با داده‌ها می‌شود. همچنین، گوگل قصد دارد از هوش مصنوعی برای تجزیه‌و‌تحلیل داده‌های ذخیره شده در این پلتفرم بهره ببرد و با ارائه نکات و برنامه‌های مفید، به بهره‌وری تیم‌ها کمک کند.
گریت کازمایر که معاون و مدیرکل بخش پایگاه‌های داده، تجزیه‌و‌تحلیل داده و هوش تجاری در Google Cloud است، توضیح داد: “این نوآوری‌ها به سازمان‌ها در بهره‌گیری از پتانسیل داده‌ها و هوش مصنوعی برای درک ارزش کسب‌وکار، افزایش تجربیات شخصی مشتریان، بهبود کارایی زنجیره تأمین و کاهش هزینه‌های عملیاتی کمک می‌کنند و در نهایت به افزایش درآمد کمک می‌کنند.” این اطلاعات در یک پست وبلاگ ارائه شده‌اند.
به هر حال، لازم به ذکر است که بسیاری از این قابلیت‌ها هنوز در مرحله پیش نمایش قرار دارند و به طور کامل به دسترسی مشتریان نرسیده‌اند.
استفاده از هوش مصنوعی در BigQuery گوگل
گوگل اخیراً ویژگی جدیدی به نام BigQuery Studio را در پلتفرم BigQuery خود معرفی کرده است. BigQuery Studio یک رابط یکپارچه است که به کاربران این امکان را می‌دهد تا با مقادیر زیادی داده برای کارهایی مانند مهندسی داده، تجزیه‌و‌تحلیل و پیش‌بینی کار کنند. این یک محیط واحد را ایجاد میکند که در آن کاربران می‌توانند انواع وظایف مختلف مرتبط با داده‌ها را انجام دهند.
قبل از این، تیم‌های داده برای انجام کارهای مختلف مثل مدیریت انبار داده، دریاچه داده، حاکمیت داده و یادگیری ماشین مجبور به استفاده از ابزارهای متعددی بودند که این فرآیند زمان‌بر و پیچیده بود و بهره‌وری را کاهش می‌داد. اما با معرفی BigQuery Studio، گوگل به این تیم‌ها امکان می‌دهد تا به همه این ابزارها در یک مکان دسترسی داشته باشند. این ابزار به آنها اجازه می‌دهد تا به‌راحتی مجموعه داده‌های خود را کشف، آماده‌سازی و تجزیه‌و‌تحلیل کنند، همچنین وظایف یادگیری ماشین را نیز بر روی آنها اجرا کنند.
یکی از نمایندگان شرکت به VentureBeat گفته است: “BigQuery Studio به تیم‌های داده امکان می‌دهد که به راحتی با زبان‌های برنامه‌نویسی متنوعی مانند SQL، Python، Spark و غیره کار کنند و تجزیه‌و‌تحلیل داده‌های خود را در مقیاس بزرگ انجام دهند. این ابزار با ایجاد یک مکان تمام‌عیار برای تیم‌های داده، نیاز به جابه‌جایی بین ابزارهای مختلف را از بین می‌برد و کاربران را قادر می‌سازد بدون هزینه‌های اضافی مدیریت زیرساخت به نتایج سریع‌تری دست یابند.”
این ویژگی در حال حاضر در مرحله پیش‌نمایش در دسترس کاربران قرار دارد و توسط چندین شرکت از جمله Shopify برای آزمایش به کار گرفته شده است. کازمایر همچنین اعلام کرده که گوگل در حال افزودن پشتیبانی پیشرفته برای فرمت‌های منبع‌بازی مانند Hudi و Delta Lake در BigLake و همچنین ارائه شتاب عملکرد برای Apache Iceberg است. به علاوه، کاربران اکنون می‌توانند از نماهای میان ابری و پیوندهای میان ابری در BigQuery Omni استفاده کنند و این امکان را دارند تا داده‌ها را بدون مشکلاتی جابه‌جا کرده، تجزیه‌و‌تحلیل و آموزش دهند.
