Fonctionnalités de Google Cloud BigQuery

Outil statistique (3)

Suivi du retour sur investissement: Aide les spécialistes du marketing à mesurer le retour sur investissement (ROI) en analysant l’efficacité des campagnes par rapport aux coûts
Collecte de données: Collecte des données sur l’efficacité, l’impact et la portée des campagnes marketing
Connaissances des clients: Collecte et génère des rapports sur les données relatives aux parcours des clients, aux préférences et à l’historique
Accès multi-utilisateur: Permet à plusieurs utilisateurs d’accéder à une vue d’ensemble unifiée et transparente des analyses, des tableaux de bord et des résultats de campagne
Gestion des dépenses: Inclut des fonctionnalités pour la budgétisation, les prévisions et la gestion des investissements marketing
Étiquette blanche: Offre un service de marque blanche pour les agences ou les revendeurs afin de personnaliser l’image de marque de la plate-forme

Statistiques de campagne: Analyse les campagnes de marketing historiques et actuelles pour éclairer la stratégie future
Rapports et tableaux de bord: Crée des rapports et des tableaux de bord pour analyser les résultats des campagnes
Adhésivité de la campagne: Identifie les campagnes marketing résolues dans les opportunités ouvertes ou fermées
Suivi multicanal: Collecte des données sur les performances des campagnes marketing sur plusieurs canaux
Optimisation de la marque: Offre aux marques et aux entreprises la possibilité de corriger ou de modifier des campagnes existantes ou futures via des commentaires
Analyse prédictive: Utilise l’intelligence artificielle (IA) pour prédire les résultats des campagnes et suggérer des actions d’optimisation

Visualisation des données: Traite les données et représente les interprétations dans une variété de formats graphiques.
Flux de travail de données: Enchaîne des fonctions et des jeux de données spécifiques pour automatiser les itérations d’analyse.
Découverte régie: Isole certains jeux de données et facilite la gestion de l’accès aux données.
Analyse intégrée: Permet à l’outil Big Data d’exécuter et d’enregistrer des données dans des applications externes.
Cahiers: Utiliser des blocs-notes pour des tâches telles que la création de tableaux de bord avec des requêtes et des visualisations prédéfinies et planifiées

Extraction: Extrayez des données à partir de la ou des sources désignées, telles que des bases de données relationnelles, des fichiers JSON et des fichiers XML.
Transformation: Nettoyez et reformatez les données extraites au format cible requis.
chargement: Chargez les données reformatées dans la base de données cible, l’entrepôt de données ou un autre emplacement de stockage.
Automatisation: Organisez les processus ETL pour qu’ils se produisent automatiquement selon le calendrier nécessaire (par exemple, quotidien, hebdomadaire, mensuel).
Évolutivité: Capable d’augmenter ou de réduire la puissance de traitement en fonction du volume ETL.

Intégration des données: Consolide, nettoie et normalise les données provenant de plusieurs sources disparates.
Compression des données: Permet d’économiser de la capacité de stockage et d’améliorer les performances des requêtes.
Qualité des données: Élimine les incohérences et les doublons des données, garantissant ainsi leur intégrité.
Analyse de données intégrée: Fonctions d’analyse basées sur SQL telles que les séries chronologiques, la correspondance de modèles, l’analyse géospatiale, etc.
Machine Learning dans la base de données: Fournit des fonctionnalités intégrées telles que des algorithmes d’apprentissage automatique, des fonctions de préparation de données, l’évaluation et la gestion de modèles, etc.
Analyse du lac de données: Permet d’interroger des données sur des formats de données tels que parquet, ORC, JSON, etc. et d’analyser des types de données complexes sur HDFS

Intégration IA / ML: S’intègre aux flux de travail de science des données, au Machine Learning et aux capacités d’intelligence artificielle (IA).
Intégration de l’outil BI: S’intègre aux outils de BI pour transformer les données en informations exploitables.
Intégration du lac de données: Accélère le traitement des données et la capture de données non structurées, semi-structurées et en streaming.

Gouvernance des données: Politiques, procédures et normes de gestion et d’accès aux données.
Sécurité des données: Limite l’accès aux données au niveau de la cellule, masque ou masque des parties de cellules et chiffre les données au repos et en mouvement
Autorisation basée sur les rôles: Fournit des rôles système, des privilèges et des rôles définis par l’utilisateur prédéfinis aux utilisateurs.
Authentification: Permet l’intégration avec des mécanismes de sécurité externes tels que Kerberos, l’authentification LDAP, etc.
Journaux d’audit: Fournit un journal d’audit pour suivre l’accès et les opérations effectuées sur les bases de données à des fins de conformité réglementaire.
Cryptage: Fournit une capacité de chiffrement pour toutes les données au repos à l’aide de clés de chiffrement.

Marquage automatique: Implémente le partitionnement horizontal automatique des données qui permet de stocker des données sur plusieurs nœuds pour les mettre à l’échelle.
Récupération automatique: Restaure une base de données à un état correct (cohérent) en cas de défaillance.
Réplication des données: Copiez des données sur plusieurs serveurs via master-slave, une architecture de réplication peer-to-peer, etc.