19.09.2018

Google verfolgt das Ziel, Unternehmen bei der Datenanalyse zu unterstützen. Workloads lassen sich über die Cloud hinweg koordinieren und maschinelles Lernen so nutzen, dass es in die Datenanalyse integriert werden kann. Zu den Updates zählen:

  • BigQuery ML (Betaversion verfügbar)
  • BigQuery-Clustering in der Betaversion
  • BigQuery GIS (Betaversion verfügbar)
  • Sheets-Datenconnector für BigQuery in der Betaversion
  • Data Studio Explorer (Betaversion)

BigQuery ML: Bringen Sie maschinelles Lernen näher an Ihre Daten heran

Alle Unternehmen generieren Daten, aber nur einige nutzen maschinelles Lernen, um es wirklich zu verstehen. Und dafür gibt es viele Gründe: Datenanalytiker, die SQL beherrschen, verfügen nicht immer über Kenntnisse in weiteren Programmiersprachen wie Python. Ein tiefgreifendes Verständnis von Feature Engineering und Hypertuning-Prozessen fehlt oftmals. Ein Team von Datenwissenschaftlern zu engagieren, um Predictive Analytics-Lösungen zu erstellen, kann unerschwinglich teuer sein. Das Verschieben von Daten zu und von einem Enterprise Data Warehouse kann zudem komplex, zeitraubend und kostenintensiv sein.

Mit BigQuery ML kann diese Herausforderung bewältigt werden. Mit BigQuery ML können Datenanalysten mithilfe einfacher SQL-Anweisungen maschinelle Lernmodelle in umfangreiche, strukturierte oder semi-strukturierte Datensätzen direkt in BigQuery erstellen und bereitstellen. Dies bedeutet, dass Unternehmen vorausschauende Analysen wie Umsatzprognosen durchführen und Kundensegmente direkt an der Quelle erstellen können, wo sie ihre Daten bereits speichern. Und all das ist in einem Bruchteil der Zeit möglich, die mit herkömmlichen ML-Systemen verbunden ist.

https://storage.googleapis.com/gweb-cloudblog-publish/original_images/rBttDWhlRpV4VQdowJSr97iFeFFO5fdHogCWCXEisHVHICpggxmsa1PJRhi2wmvlsdwzOr_XKi.GIF

Durch die Bereitstellung erweiterter Funktionen können Datenanalysten noch mehr mit Daten arbeiten. Hier weitere Verbesserungen, die Google in BigQuery einführen.

BigQuery-Clustering ist jetzt in der Betaversion

Ob die Analyse von IoT-Gerätedaten, Gaming-Ergebnissen oder Point-of-Sale-Transaktionen: BigQuery-Nutzer erwarten schnelle Analysen großer Datenmengen. Benutzer können ab sofort in BigQuery Clustertabellen als zusätzliche Datenoptimierungsebene erstellen. Durch das Definieren von Clustering-Schlüsseln wird die Leistung erheblich beschleunigt; Abfragen werden günstiger und die Effizienz für eine Vielzahl von Abfragen wird verbessert.

In den Tabellen werden Zeilen mit ähnlichen Clusterschlüsseln zusammengefasst, sodass BigQuery die Daten effizienter abfragen und nur für die von BigQuery gescannten Daten und nicht für die gesamte Tabelle laden kann. Das Clustering wird für alle BigQuery-Benutzer verfügbar sein.

Neue Geo-Funktionen mit BigQuery GIS

Geodaten sind ein entscheidendes Element moderner IoT-, Telematik-, Einzelhandels- und Fertigungsworkflows. Dementsprechend hat Google das Earth Engine-Team mit BigQuery GIS (geografisches Informationssystem) zusammengeschlossen, um lokale Datentypen zu integrieren. Die neuen Funktionen folgen dem SQL- bzw. MM Spatial-Standard und werden Benutzern und allen, die bereits Analysen in SQL durchführen, vertraut sein. Dies erleichtert die Migration von Workloads zu BigQuery. Ein weiterer Vorteil ist das Angebot des Visualisierungstools BigQuery Geo Viz. Dies ist eine App für BigQuery-Benutzer, die ihre lokalen Abfrageergebnisse auf einer Karte darstellen und formatieren möchten. BigQuery GIS und BigQuery Geo Viz sind jetzt in der öffentlichen Beta.

https://storage.googleapis.com/gweb-cloudblog-publish/original_images/6Ki5EHtSY6_YprKzN8yj38bbm5VdmYVjVbkjy72UQ-MHazxmt3YGQ_2zYj9QvlUr_jXtvNIXjf.GIF

Ein Beispiel für BigQuery Geo Viz, das Fahrradstationen in Manhattan zeigt. Blaue Stationen haben viele verfügbare Fahrräder, lila haben wenige. 

Google Sheets-Datenconnector für BigQuery

Um Kunden den Zugriff auf Daten zu erleichtern, ohne ihre vertrauten Arbeitsabläufe zu verlassen, wird der Google Sheets-Datenconnector für BigQuery eingeführt. Damit können Nutzer direkt auf BigQuery über Tabellen zugreifen und diese aktualisieren. Des Weiteren können auch die Funktionen wie "Erkunden" genutzt werden, um vorgeschlagene Diagramme zu erstellen. 

Echtzeitinformationen noch simpler auswerten

Daten in Echtzeit zu sammeln, zu analysieren und darauf zu reagieren bietet für viele Unternehmen enorme Vorteile. Das Analytics-Angebot von Google Cloud bietet eine serverlose Nutzererfahrung, die nahtlos an die Anforderungen Ihres Unternehmens angepasst werden kann. Die Online-Videoplattform Brightcove erstellt zum Beispiel mehr als sieben Milliarden Analyseergebnisse pro Tag, um ihre Nutzer besser zu verstehen. 

Wir beraten Sie gerne zu den BigQuery-Updates, zur vertieften Unterstützung Ihrer Echtzeit-Analysen, Big Data Projekte und zu den Erweiterungen des Data Studios für die Erfüllung Ihrer Business-Intelligence-Anforderungen. Wir stellen Ihnen die Tools zur Verfügung, die Sie benötigen. 

Google hat auf der Cloud Next’18 zahlreiche Produktneuerungen vorgestellt. TWT war in San Francisco und hat die Trends und Entwicklungen mitgebracht. Sehen Sie mehr bei TWT TV:

https://www.youtube.com/watch?v=DWG77NpfBtQ&t=24s