整合開放資料格式的創新技術、智慧型「從資料到 AI」治理機制、加速資料處理功能，以及先進的 AI 輔助開發工具，協助您簡化資料管理流程，加速創新。
BigLake
透過企業級儲存空間管理服務，享有 Apache Iceberg 的開放性
BigLake 提供原生 Iceberg 儲存引擎，可與 Cloud Storage 互通，並提供統一的執行階段中繼資料管理機制、進階數據分析和資料科學功能，以及內建治理機制的自動化資料管理機制。任何與 Iceberg 相容的引擎，都能使用 BigLake 的自動化資料表管理功能，進而提升查詢效能並降低成本。
“與 Google Cloud 合作對我們來說至關重要，因為這有助於我們建構 Snap 的下一代開放式 lakehouse，並在開發人員社群中普及 Spark 和 Iceberg！”
Snap 資深軟體工程師兼資深部門主管 Zhengyi Liu
Google Cloud Serverless for Apache Spark
無伺服器 Spark 提供高效能和極快的處理速度，而且無須管理叢集
使用 Google Cloud Serverless for Apache Spark，推動 lakehouse 轉型。使用全新的 Lightning Engine，您可以快速啟動應用程式，且不會造成作業負擔，同時還能提升 Spark 工作負載的效能。搭配使用強大的 Gemini，可提升工作效率，並將 TCO 降低高達 60%。
“我們認為 SQL 和 Spark 是相輔相成的兩種存取及轉換資料的方式。在需要複雜商業邏輯的用途上，Spark 特別有用，雖然這類用途較少見，但對業務至關重要。有了整合式 SQL、Spark 和 AI 平台，並透過筆記本進行開發，這些重要用途將大幅簡化。”
Trivago 內容工程部門主管 Andrés Sopeña Pérez
Dataplex Universal Catalog
簡化資料探索作業，提升 data lakehouse 的可信度和理解度
Dataplex Universal Catalog 是 Google Cloud 的統合式「從資料到 AI」治理解決方案。這項 AI 輔助目錄會將 Google Cloud 中的業務、技術和作業中繼資料集中管理，並提供 AI 輔助洞察資料。這個平台支援 Apache Iceberg 等開放格式，可讓您在整個 lakehouse 中實現整合式治理。
“Dataplex 有助於將我們的資料平台轉變成安全、高效率且可擴充的資料生態系統。著重於資料治理、探索、觀測和安全性法規遵循，協助我們因應數位時代的資料管理難題。有了 Dataplex，我們的團隊就能充分發揮資料的潛力，推動 Box.Inc 持續成長及創新。”
Box.Inc 資深產品經理 Asmita Kulkarni
BigQuery Studio 和 IDE 擴充功能
透過簡化開發與作業流程，強化 Apache Spark 在 lakehouse 架構中執行進階資料科學和 AI/機器學習工作負載的能力
Dataproc 為機器學習執行階段提供全新創新功能，並搭配 GPU 驅動程式和常見的機器學習程式庫，進而提升 Spark 在 lakehouse 中的 AI/機器學習效能。BigQuery Studio 和第三方 IDE 中的 Colab Enterprise 筆記本提供整合式 MLOps 和 Vertex AI，以及簡化的正式環境 pipeline，可加速資料科學工作。
“Shopify 投入資源聘請具備多元技能的團隊，以便掌握資料科學和工程領域的最新趨勢。在 BigQuery Studio 的早期測試中，我們很喜歡 Google 能為不同使用者連結不同工具，並提供簡單的使用體驗。我們認為這項功能可為團隊成員減少阻礙，同時不犧牲預期的 BigQuery 規模。”
Shopify 資料工程部門主管 Zac Roberts
開放且具彈性的 Iceberg 體驗
BigLake
透過企業級儲存空間管理服務，享有 Apache Iceberg 的開放性
BigLake 提供原生 Iceberg 儲存引擎，可與 Cloud Storage 互通，並提供統一的執行階段中繼資料管理機制、進階數據分析和資料科學功能，以及內建治理機制的自動化資料管理機制。任何與 Iceberg 相容的引擎，都能使用 BigLake 的自動化資料表管理功能，進而提升查詢效能並降低成本。
“與 Google Cloud 合作對我們來說至關重要，因為這有助於我們建構 Snap 的下一代開放式 lakehouse，並在開發人員社群中普及 Spark 和 Iceberg！”
Snap 資深軟體工程師兼資深部門主管 Zhengyi Liu
業界首屈一指的無伺服器 Apache Spark，可自動調度資源
Google Cloud Serverless for Apache Spark
無伺服器 Spark 提供高效能和極快的處理速度，而且無須管理叢集
使用 Google Cloud Serverless for Apache Spark，推動 lakehouse 轉型。使用全新的 Lightning Engine，您可以快速啟動應用程式，且不會造成作業負擔，同時還能提升 Spark 工作負載的效能。搭配使用強大的 Gemini，可提升工作效率，並將 TCO 降低高達 60%。
“我們認為 SQL 和 Spark 是相輔相成的兩種存取及轉換資料的方式。在需要複雜商業邏輯的用途上，Spark 特別有用，雖然這類用途較少見，但對業務至關重要。有了整合式 SQL、Spark 和 AI 平台，並透過筆記本進行開發，這些重要用途將大幅簡化。”
Trivago 內容工程部門主管 Andrés Sopeña Pérez
從資料到 AI 的統合治理作業
Dataplex Universal Catalog
簡化資料探索作業，提升 data lakehouse 的可信度和理解度
Dataplex Universal Catalog 是 Google Cloud 的統合式「從資料到 AI」治理解決方案。這項 AI 輔助目錄會將 Google Cloud 中的業務、技術和作業中繼資料集中管理，並提供 AI 輔助洞察資料。這個平台支援 Apache Iceberg 等開放格式，可讓您在整個 lakehouse 中實現整合式治理。
“Dataplex 有助於將我們的資料平台轉變成安全、高效率且可擴充的資料生態系統。著重於資料治理、探索、觀測和安全性法規遵循，協助我們因應數位時代的資料管理難題。有了 Dataplex，我們的團隊就能充分發揮資料的潛力，推動 Box.Inc 持續成長及創新。”
Box.Inc 資深產品經理 Asmita Kulkarni
AI 原生筆記本和資料科學工具
BigQuery Studio 和 IDE 擴充功能
透過簡化開發與作業流程，強化 Apache Spark 在 lakehouse 架構中執行進階資料科學和 AI/機器學習工作負載的能力
Dataproc 為機器學習執行階段提供全新創新功能，並搭配 GPU 驅動程式和常見的機器學習程式庫，進而提升 Spark 在 lakehouse 中的 AI/機器學習效能。BigQuery Studio 和第三方 IDE 中的 Colab Enterprise 筆記本提供整合式 MLOps 和 Vertex AI，以及簡化的正式環境 pipeline，可加速資料科學工作。
“Shopify 投入資源聘請具備多元技能的團隊，以便掌握資料科學和工程領域的最新趨勢。在 BigQuery Studio 的早期測試中，我們很喜歡 Google 能為不同使用者連結不同工具，並提供簡單的使用體驗。我們認為這項功能可為團隊成員減少阻礙，同時不犧牲預期的 BigQuery 規模。”
Shopify 資料工程部門主管 Zac Roberts