Google Cloud BigQuery Funktionen

Unterstützt eine Vielzahl von Skriptumgebungen

Extrahiert Daten aus Datenbanken und bereitet Daten für die Analyse vor

Wendet statistische Algorithmen auf ausgewählte Daten an

Analysiert sowohl strukturierte als auch unstrukturierte Daten

Interagiert mit Daten, um sie für Visualisierungen und Modelle vorzubereiten

Bietet Modellierungsfunktionen

Erstellt Datenvisualisierungen oder Diagramme

Generiert Berichte über die Datenleistung

Vereinheitlicht Informationen auf einer einzigen Plattform

Hilft Marketern, den Return on Investment (ROI) zu messen, indem sie die Effektivität der Kampagne im Vergleich zu den Kosten analysieren

Sammelt Daten über die Effektivität, Wirkung und Reichweite von Marketingkampagnen

Sammelt und berichtet über Daten in Bezug auf Customer Journeys, Präferenzen und Historie

Ermöglicht mehreren Benutzern den Zugriff auf einen einheitlichen, transparenten Überblick über Analysen, Dashboards und Kampagnenergebnisse

Enthält Funktionen für Budgetierung, Prognose und Verwaltung von Marketinginvestitionen

Bietet einen White-Labeling-Service für Agenturen oder Wiederverkäufer, um das Branding der Plattform anzupassen

Analysiert historische und aktuelle Marketingkampagnen, um die zukünftige Strategie zu informieren

Erstellt Berichte und Dashboards zur Analyse der Ergebnisse von Kampagnen

Identifiziert, welche Marketingkampagnen in offenen oder geschlossenen Verkaufschancen aufgelöst wurden

Sammelt Leistungsdaten von Marketingkampagnen über mehrere Kanäle hinweg

Bietet Marken und Unternehmen die Möglichkeit, bestehende oder zukünftige Kampagnen durch Feedback zu korrigieren oder zu ändern

Nutzt künstliche Intelligenz (KI), um Kampagnenergebnisse vorherzusagen und Maßnahmen zur Optimierung vorzuschlagen

Sammelt, speichert und organisiert riesige, unstrukturierte Daten in Echtzeit

Erleichtert die Verbreitung der gesammelten Big Data in parallelen Rechenclustern

Erstellt ein Repository zum Sammeln und Speichern von Rohdaten von Sensoren, Geräten, Maschinen, Dateien usw.

Richtet Verarbeitungs- und Verteilungs-Workflows auf Apache Hadoop aus

Richtet Verarbeitungs- und Verteilungs-Workflows auf Apache Hadoop aus

Erleichtert die Ausführung und Skalierung der Lösung auf einer großen Anzahl von Maschinen und Systemen

Kuratiert gesammelte Daten für Big-Data-Analyselösungen, um sie zu analysieren, zu manipulieren und zu modellieren

Richtet Verarbeitungs- und Verteilungs-Workflows auf Apache Hadoop aus

Verlagerung der Big-Data-Erfassung und -Verarbeitung in die Cloud

Verarbeitet Batch-, Echtzeit- und Streaming-Daten-Workloads in einzelnen, mandantenfähigen oder Cloud-Systemen

Erleichtert die Analyse großer Datenmengen in Echtzeit.

Ermöglicht es dem Benutzer, Daten über Abfragesprachen wie SQL abzufragen.

Richtet Verarbeitungs- und Verteilungs-Workflows auf Apache Hadoop aus

Richtet Verarbeitungs- und Verteilungsworkflows auf Apache Spark aus

Integriert Daten aus mehreren externen Datenbanken.

Erleichtert die Verbreitung der gesammelten Big Data in parallelen Computing-Clustern.

Verarbeitet Daten und stellt Interpretationen in einer Vielzahl von grafischen Formaten dar.

Reiht bestimmte Funktionen und Datasets aneinander, um Analyseiterationen zu automatisieren.

Isoliert bestimmte Datensätze und erleichtert die Verwaltung des Datenzugriffs.

Ermöglicht das Big-Data-Tool das Ausführen und Aufzeichnen von Daten in externen Anwendungen.

Verwenden von Notebooks für Aufgaben wie das Erstellen von Dashboards mit vordefinierten, geplanten Abfragen und Visualisierungen

Zeigen Sie ETL-Prozessdaten über Berichte und Visualisierungen wie Diagramme und Grafiken an.

Zeichnen Sie ETL-Verlaufsdaten für Audits und potenzielle Datenkorrekturen auf.

Extrahieren Sie Daten aus den angegebenen Quellen wie relationalen Datenbanken, JSON-Dateien und XML-Dateien.

Bereinigen Sie extrahierte Daten und formatieren Sie sie neu in das gewünschte Zielformat.

Laden Sie neu formatierte Daten in die Zieldatenbank, das Data Warehouse oder einen anderen Speicherort.

Ordnen Sie ETL-Prozesse so an, dass sie automatisch nach dem erforderlichen Zeitplan ablaufen (z. B. täglich, wöchentlich, monatlich).

Kann die Rechenleistung basierend auf dem ETL-Volumen nach oben oder unten skalieren.

Konsolidiert, bereinigt und normalisiert Daten aus mehreren unterschiedlichen Quellen.

Hilft bei der Einsparung von Speicherkapazität und verbessert die Abfrageleistung.

Eliminiert Dateninkonsistenzen und Duplikate und gewährleistet die Datenintegrität.

SQL-basierte Analysefunktionen wie Zeitreihen, Musterabgleich, Geodatenanalyse usw.

Bietet integrierte Funktionen wie Algorithmen für maschinelles Lernen, Datenaufbereitungsfunktionen, Modellauswertung und -verwaltung usw.

Ermöglicht die Datenabfrage über Datenformate wie Parquet, ORC, JSON usw. und die Analyse komplexer Datentypen auf HDFS

Lässt sich in Data-Science-Workflows, maschinelles Lernen und künstliche Intelligenz (KI) integrieren.

Lässt sich in BI-Tools integrieren, um Daten in umsetzbare Erkenntnisse umzuwandeln.

Bietet Geschwindigkeit bei der Datenverarbeitung und Erfassung von unstrukturierten, halbstrukturierten und Streaming-Daten.

Bietet On-Premise-Bereitstellungsoptionen.

Bietet Cloud-Bereitstellungsoptionen (Private oder Public Cloud, Hybrid Cloud).

Verwaltet riesige Datenmengen, die je nach Bedarf hoch- oder herunterskaliert werden können.

Speichert häufig verwendete Daten schnell im Systemspeicher.

Richtlinien, Verfahren und Standards für die Verwaltung und den Zugriff auf Daten.

Schränkt den Datenzugriff auf Zellebene ein, maskiert oder verbirgt Teile von Zellen und verschlüsselt Daten im Ruhezustand und während der Übertragung

Stellt vordefinierte Systemrollen, Berechtigungen und benutzerdefinierte Rollen für Benutzer bereit.

Ermöglicht die Integration mit externen Sicherheitsmechanismen wie Kerberos, LDAP-Authentifizierung usw.

Stellt ein Überwachungsprotokoll bereit, um den Zugriff und die Vorgänge zu verfolgen, die für Datenbanken ausgeführt werden, um die Einhaltung gesetzlicher Vorschriften zu gewährleisten.

Bietet Verschlüsselungsfunktionen für alle ruhenden Daten mithilfe von Verschlüsselungsschlüsseln.

Speichert Datentabellen als Spalten.

Unterstützt mehrere Datentypen wie Listen, Sets, Hashes (ähnlich wie Map), sortierte Sets usw.

Implementiert eine automatische horizontale Datenpartitionierung, die das Speichern von Daten auf mehr als einem Knoten ermöglicht, um horizontal hochzuskalieren.

Stellt im Falle eines Fehlers einen korrekten (konsistenten) Zustand einer Datenbank wieder her.

Kopieren Sie Daten über mehrere Server über Master-Slave, Peer-to-Peer-Replikationsarchitektur usw.

Bietet Unterstützung für das Speichern, Indizieren und Abfragen von Daten in mehr als einem Format.

Verfügbar auf mehreren Betriebssystemen wie Linux, Windows, MacOS usw.

Bietet einen zentralen, neutralen Ort für Parteien, um Datenanalysen durchzuführen.

Bietet lokalisierte Berechnungen, bei denen die Daten dort verbleiben, wo sie sich befinden, und von der API aufgerufen werden, um Analysen durchzuführen.

Ermöglicht Benutzern das Generieren von Text basierend auf einer Texteingabeaufforderung.

Fasst lange Dokumente oder Texte zu einer kurzen Zusammenfassung zusammen.

Ermöglicht Benutzern das Generieren von Text basierend auf einer Texteingabeaufforderung.

Fasst lange Dokumente oder Texte zu einer kurzen Zusammenfassung zusammen.

Fähigkeit, komplexe Aufgaben ohne ständige menschliche Eingabe auszuführen

Funktioniert über mehrere Softwaresysteme oder Datenbanken hinweg

Antizipiert Bedürfnisse und bietet Vorschläge ohne Aufforderung an.