現今的資料格式不僅相當多元，更會以即時串流的形式提供，同時散布於世界各地許多不同的資料中心和雲端環境中。從數據分析、資料工程、人工智慧與機器學習，到資料導向應用程式，運用及分享資料的方式仍在持續增加。資料的影響力不再僅限於分析師，現已擴及所有員工、客戶和合作夥伴。

由於資料、工作負載和使用者的數量與類型急劇成長，因此目前正處於一個臨界點上，即便將傳統資料架構部署於雲端，也無法完整發揮資料的潛在價值，導致資料越來越難以轉化為實際價值。

為克服這些難題，我們正式發表多項資料雲端的創新技術，協助大家處理各種工作負載中無窮無盡的資料，並讓所有人都能使用。這次發表的項目中包含 BigLake和Spanner變更串流，這些技術可以進一步整合客戶資料，同時確保資料能夠即時傳遞。

另外，Vertex AI Workbench和Model Registry則能讓大家輕鬆將資料轉化為 AI方面的價值。為了讓所有人都能使用資料，我們將發表經過統合的商業智慧 （BI）服務，當中包含全新的Workspace整合方案，以及進一步支援Google資料雲端合作夥伴生態系的新計畫。

突破所有資料限制

我們發表的Beta版BigLake，這個資料湖泊儲存引擎可以整合不同的資料湖泊與倉儲，進而打破其中的界線。如果分開管理不同的資料倉儲與湖泊，會造成資料孤島的情形發生，並導致額外的風險和費用，這樣的問題在需要遷移資料時會特別明顯。

有了BigLake，企業就能整合資料倉儲和資料湖泊，並進行分析，且不必擔心基礎的儲存空間格式或系統，這樣就不需要複製或遷移來源中的資料，進而降低成本並提高效率。

在BigLake的協助下，客戶可以採用更細緻的存取權控管機制，並透過API介面使用Google Cloud和Parquet等開放原始碼檔案格式，進而運用Apache Spark等開放原始碼處理引擎。這些功能將BigQuery十年的革新成果拓展至 Google Cloud Storage中的資料湖泊，實現了具備彈性並符合成本效益的開放式資料湖倉架構。

Twitter已開始採用BigQuery的儲存空間功能來打破資料限制，以便進一步掌握其用戶使用Twitter平台的方式，以及會感到興趣的內容類型。因此，Twitter 能透過每秒可執行超過 300 萬次聚合作業的廣告管道，每天為數兆個事件提供內容。

另一項重大創新技術是Spanner變更串流。這項即將推出的新產品會進一步協助大家打破資料限制，並即時追蹤Spanner資料庫中的變更，以便創造全新價值。Spanner變更串流可以追蹤Spanner的植入、更新和刪除作業，並在整個 Spanner資料庫中即時串流異動內容。這樣一來，客戶就能隨時存取最新資料，同時輕鬆將Spanner中的變更複製到BigQuery來進行即時分析、透過 Pub/Sub觸發下游應用程式行動，或是將變更儲存至Google Cloud Storage （GCS）來遵守法規要求。Spanner目前每秒最多可處理超過20億項要求，同時維持99.999%的可用性。而在增加變更串流之後，Spanner現在可以讓客戶在處理資料時享有無限可能。

消除資料工作負載的限制

我們的AI產品組合是以Vertex AI來驅動，這個代管平台提供建立、部署及擴充模型所需的各項機器學習工具，並經過最佳化的處理，可以順暢處理 BigQuery 等服務中的資料工作負載。Vertex AI創新技術提供更加流暢的體驗，讓客戶在更短時間內將AI模型部署至實際工作環境，並進一步簡化維護作業。

Vertex AI Workbench現已正式推出，能夠將資料和機器學習系統整合至單一介面，這樣一來無論是執行資料分析、數據科學或機器學習等工作，團隊都能使用相同的工具組來完成。Vertex AI Workbench與BigQuery、無伺服器 Spark和Dataproc整合後，可讓團隊快速建立、訓練及部署機器學習模型，速度是傳統筆記型電腦的5倍。事實上，一間跨國零售公司採用了Vertex AI Workbench之後，銷售額增加了數百萬美元，產品上市速度也加快了15%。

有了Vertex AI，就可以定期更新模型，不過要管理大量的構件並非易事，情況可能會在短時間內失控。為了能夠更輕鬆地管理模型的維護作業，我們發布全新的機器學習運作功能Vertex AI Model Registry。目前Vertex AI Model Registry為Beta版，提供中央存放區，可供探索、使用及管理機器學習模型，BigQuery ML中的模型也包含在內。如此，數據資料學家就能輕鬆分享模型，以方便應用程式開發人員使用，進而讓團隊能依據資料即時制定決策，在面對持續變化的市場環境時能保持更高彈性。

擴大資料觸及範圍

我們也推出Looker連結試算表，以及在Data Studio中存取Looker資料模型的功能。無論是透過Looker探索（Looker Explore）、Google試算表或是數據分析（Data Studio）的拖曳式介面，大家現在都能按照自己選取的方式與資料行互動。

如此一來，所有人都能運用這個經過整合的全新Google Cloud商業智慧 （BI）平台，更輕鬆地存取資料、並從中擷取出深入分析的結果，藉此推動革新，並依據資料來制定決策。有了這項整合式商業智慧服務，使用者就能輕鬆取得受管理且值得信賴的企業資料、採用新的資料集和計算功能，並與同事協同合作。

Mercado Libre是拉丁美洲最大的線上商務與支付服務系統，同時也是Looker連結試算表的初期採用者。借助這項整合服務，他們已能透過原先慣用的試算表介面將資料存取權分享給更多員工。藉由降低入門門檻，他們已經營造出資料導向文化，所有人都能依據資料制定決策。

強化支持資料雲端合作夥伴生態系

如果沒有出色的合作夥伴生態系，我們即使擁有這些資料創新技術，也不可能讓使用者輕鬆發揮數據的價值。目前已有超過700個軟體合作夥伴使用 Google的資料雲來驅動自家的應用程式。Bloomreach、Equifax、Exabeam、Quantum Metric和ZoomInfo等許多合作夥伴均已開始採用我們的資料雲功能，並參加Built with BigQuery計畫，來享有專屬工程團隊、協同行銷和市場開發的支援。

我們的用戶希望合作夥伴解決方案不僅能夠與BigQuery等產品緊密整合，並可以進一步優化。因此Google Cloud Ready - BigQuery這項全新的驗證機制，能夠識別一系列符合功能性和互通性核心需求的合作夥伴解決方案，例如 Fivetran、Informatica和Tableau所提供的服務。目前在「Google Cloud Ready - BigQuery」計畫中收錄了超過25個合作夥伴。這項嶄新的計畫可協助客戶減少評估新工具所需的成本，同時支援新的應用情境。

另外，我們也宣布一項新的資料庫遷移計畫，希望能夠協助大家在短時間內順暢且迅速地邁開遷移的腳步，將地端部署環境和其他雲端中的資料遷移至 Google的全代管資料庫服務上。除了由Deloitte等合作夥伴提供的工具、資源和專業知識之外，我們也提供獎勵來協助客戶節省遷移資料庫的費用。

我們會繼續與客戶挹注資源的資料與數據分析公司合作，持續推動革新。Databricks、Fivetran、MongoDB、Neo4j和Redis也都已經向Google Cloud 的用戶公布重大新功能。

（本文作者Gerrit Kazmaier為Google Cloud資料庫、資料分析及Looker商業智慧平台總經理暨副總裁）