BigQuery: Cloud Data Warehouse

4,4 (4 Bewertungen)

Was ist BigQuery: Cloud Data Warehouse?

BigQuery: Cloud Data Warehouse ist ein vollständig verwaltetes, serverloses Data Warehouse auf der Google Cloud Platform Infrastruktur. Streamingdaten können in Echtzeit abrufen und aktuelle Informationen zu allen Geschäftsvorgängen erhalten werden. Geschäftsergebnisse lassen sich im integriertem Machine Learning prognostizieren, ohne dass dabei Daten verschoben werden müssen. BigQuery bietet eine robuste Steuerung von Sicherheit, Data Governance und einem SLA für 99,9 % Betriebszeit. Daten können mit standardmäßiger Verschlüsselung und von Kund:innen verwalteten Verschlüsselungsschlüsseln gesichert werden. BigQuery bietet verschieden Pakete und Preislisten an. Neukund:innen erhalten ein Guthaben von 300 $ für Google Cloud während der ersten 90 Tage. Alle Kund:innen erhalten kostenlos 10 GB Speicher und bis zu 1 TB Abfragen pro Monat. Individuelle Kosten können auf der Website angefragt werden. Ebenso kann BigQuery kostenlos getestet werden.

So schätzen User das Produkt ein
8.2

Benutzerfreundlichkeit

Data Warehouse

Kategorie-Durchschnitt: 8.3

9.6

Erfüllung der Anforderungen

Data Warehouse

Kategorie-Durchschnitt: 9.2

8.6

Kundensupport

Data Warehouse

Kategorie-Durchschnitt: 8.9

8.2

Einfache Einrichtung

Data Warehouse

Kategorie-Durchschnitt: 8.2

BigQuery: Cloud Data Warehouse Preise

Letztes Update im August 2022

Der Anbieter kommuniziert keine Preisinformationen. Dies ist eine übliche Praxis für Softwareanbieter und Dienstleister. Alternativ könnt Ihr den Anbieter kontaktieren, um aktuelle Preise zu erfahren.

BigQuery: Cloud Data Warehouse Erfahrungen & Reviews (4)

“Intuitive Data Cloud Warehouse Lösung mit vielen Anknüpfungsmöglichkeiten”
M
In den letzten 6 Monaten
Mirco
Verifizierter Reviewer
Commercial Data Excellence Manager bei
Colgate-Palmolive GmbH
  • 51-1000 Mitarbeiter:innen
  • Branche: Consumer Goods

Was gefällt Dir am besten?

In BigQuery lassen sich unterschiedliche externe Datenquellen nicht nur zwischenspeichern, sondern auch beliebig miteinander verknüpfen. Der größte Vorteil von Bigquery ist meiner Meinung nach die Möglichkeit Kalkulationen direkt in Bigquery durchführen zu lassen und sich dann nur den Output in Google Sheets ausgeben zu lassen. So spart man Rechenleistung und umgeht Performanceprobleme mit Google Sheets.

Was gefällt Dir nicht?

Man benötigt Programmiererfahrung um mit BigQuery arbeiten zu können und es ist insgesamt sehr technisch. Auch die Navigation in dem Tool könnte besser gelöst werden. Fehler im Query-Viewer könnten besser identifiziert und potenzielle Lösungsvorschläge gemacht werden

Welche Probleme löst Du mit dem Produkt?

Verbindung mehrerer Datenquellen funktioniert prima. Die Performance ist super und es gibt wahnsinnig viele Anknüpfungspunkte wie bspw. an Google Sheets, Google Data Studio, Domo oder ähnliche Visualisierungstools.
“BigQuery - the Data Warehouse Game Changer”
K
In den letzten 12 Monaten
Kai
Verifizierter Reviewer
Application Development Assoc Manager bei
Accentrue
  • 1001+ Mitarbeiter:innen
  • Branche: Information Technology and Services

Was gefällt Dir am besten?

Dadurch dass BigQuery "serverless & scalable" ist kann das Data Warehouse zunächst kleine Anwendungsfälle umsetzen und diese funktionieren ohne Probleme hoch skalieren. Dazu arbeitet es im Kern mit SQL, was für Datenspezialisten wenig neues Lernen voraussetzt. Mit BigQueryML wird auch noch Machine Learning "demokratisiert" und für viele Lösungen bereitgestellt.

Was gefällt Dir nicht?

Weil BigQuery skalierbar ist, also auch sehr große Workloads ohne Probleme abarbeiten kann, können Abfragen oder BigQueryML Prozesse sehr teuer werden, wenn man nicht ganz genau weiß, was man da tut. Es gibt ein paar Regeln, die man als Nutzer einfach kennen muss, damit das Cloud Budget nicht sehr rasch aufgebraucht ist.

Welche Probleme löst Du mit dem Produkt?

Den Bedarf der "Single Source of truth" löse ich unter anderem mit BQ. Ich automatisiere das Datensammeln aus verschiensten Quellen, nutze Algorithmen und Mechanismen, um diese Daten zu harmonisieren, zu säubern und zusammenzubringen, um dann darauf Analysen zu betreiben oder ML Modelle zu trainieren. Vorteile sehe ich in der Flexibilität, in der Vielfallt der Schnittstellen und in der relativ einfachen Erstellung von ML Modellen.
“Perfekte Data Warehouse Lösung in der Google Cloud”
J
In den letzten 12 Monaten
Julius
Verifizierter Reviewer
Founder / CEO bei
YourVid GmbH
  • 1-50 Mitarbeiter:innen
  • Branche: Internet

Was gefällt Dir am besten?

BigQuery ist einfach zu bedienen für jeden, der ein grundlegendes Verständnis von SQL-Syntax hat. Große Datenmengen können innerhalb weniger Sekunden ausgewertet, aggregiert, summiert, etc werden. BigQuery skaliert vollständig automatisch ohne manuellen Handlungsbedarf, was bei schnell wachsenden Datensätzen sehr hilfreich ist.

Was gefällt Dir nicht?

Jede Abfrage dauert mindestens einige Sekunden, auch bei kleinsten Datenmengen. BigQuery “lohnt” sich also erst ab einer gewissen Größe.

Welche Probleme löst Du mit dem Produkt?

Wir nutzen BigQuery als Data Warehouse, welches Kerndaten unserer NoSQL-Datenbank spiegelt, um Daten zu aggregieren und andere Auswertungen anzustellen, sowie die Daten als Grundlage für Data Studio Visualisierungen zu nutzen. Wichtig ist: Trotz der bekannten SQL Query Language sollte man nicht der Versuchung verfallen, BigQuery als transaktionale Datenbank zu nutzen.
“Hand in Hand mit Data Studio”
M
In den letzten 12 Monaten
Maximilian
Verifizierter Reviewer
Co-Founder bei
von Fred GmbH
  • 1-50 Mitarbeiter:innen
  • Branche: Marketing and Advertising

Was gefällt Dir am besten?

Die Beschleunigung von Data Studio Reports durch BiEngine, native integration in den Google Workspace und CO2 Bilanz für alle Google Cloud aktivitäten.

Was gefällt Dir nicht?

Recht technisch und somit ein schwerer Einstieg für Nutzende, die keine SQL Erfahrung haben.

Welche Probleme löst Du mit dem Produkt?

Verarbeiten von großen Datenmengen in einer hohen Geschwindigkeit. Super einfaches und belastbares Umsetzen von Daten-Pipelines in Kombination mit y42.

Die besten BigQuery: Cloud Data Warehouse Alternativen

BigQuery: Cloud Data Warehouse Content