Recensioni e Dettagli del Prodotto Google Cloud BigQuery

come specialista nella gestione dei dati e utilizzando regolarmente BigQuery per gestire grandi set di dati, reportistica e elaborazione dei dati, ciò che mi piace di più è la sua velocità e scalabilità, anche con dataset molto grandi, le query vengono eseguite molto velocemente rispetto ai database tradizionali, è completamente gestito, quindi non dobbiamo preoccuparci dell'infrastruttura, dei server o della manutenzione, questo rende facile concentrarsi sul lavoro sui dati invece che sulle operazioni, l'interfaccia SQL è semplice e familiare, il che rende facile per i team iniziare a usarlo rapidamente. un'altra cosa positiva è l'integrazione senza soluzione di continuità con i servizi cloud di Google, che aiuta a costruire pipeline di dati end-to-end. è completamente gestito quindi non c'è bisogno di gestire server o infrastruttura, questo lo rende molto facile da usare e mantenere, rende l'elaborazione dei dati più veloce, più facile e più efficiente per la gestione dei dati su larga scala. Recensione raccolta e ospitata su G2.com.

il problema più grande è la gestione dei costi, poiché i prezzi si basano sui dati scansionati, se le query non sono ottimizzate può diventare costoso, inoltre gli aggiornamenti in tempo reale non sono così forti come in alcuni database tradizionali, quindi non è ideale per casi d'uso transazionali, a volte gestire i permessi e il controllo degli accessi può essere un po' complesso per grandi team. Recensione raccolta e ospitata su G2.com.

UI / UX:

L'interfaccia è pulita e intuitiva, soprattutto quando si scrivono e si testano query. Funzionalità come la cronologia delle query, le query salvate e la validazione in linea rendono facile iterare rapidamente. Anche con query complesse, l'editor risulta fluido e reattivo, il che aiuta a ridurre il tempo complessivo di sviluppo.

Integrazioni:

BigQuery si integra perfettamente con strumenti come Looker, Data Transfer Service e altri prodotti Google Cloud. Questo rende più facile costruire pipeline di dati end-to-end senza fare affidamento pesante su integrazioni personalizzate. Avere un data warehouse centralizzato che si connette senza sforzo agli strumenti di reporting ha anche migliorato significativamente la coerenza dei dati.

Prestazioni:

Le prestazioni sono uno dei maggiori punti di forza di BigQuery. Posso eseguire query su dataset molto grandi e ottenere comunque risultati in pochi secondi. Questo ha ridotto drasticamente i tempi di risposta per l'analisi e il reporting, supportando decisioni più rapide.

Prezzi / ROI:

Il modello di prezzo pay-as-you-go offre un buon valore, soprattutto perché pago solo per le query che eseguo. Combinato con il tempo risparmiato dal non gestire l'infrastruttura e la capacità di ottenere informazioni più velocemente, offre un forte ROI.

Supporto / Onboarding:

Iniziare con BigQuery è relativamente semplice, in particolare per gli utenti già familiari con SQL. La documentazione è solida e l'ecosistema più ampio rende l'onboarding più facile rispetto ai data warehouse tradizionali.

AI / Intelligenza:

Le capacità integrate come BigQuery ML, insieme alle integrazioni con strumenti AI, aggiungono valore extra abilitando l'analisi predittiva direttamente all'interno della piattaforma. Questo riduce la necessità di spostare i dati in sistemi esterni e supporta casi d'uso più avanzati all'interno dello stesso ambiente.

Le risorse e la documentazione sono anche semplici e facili da capire. Recensione raccolta e ospitata su G2.com.

Una sfida continua è la visibilità e il controllo dei costi. Poiché i prezzi si basano sulla quantità di dati elaborati per query, i costi possono aumentare inaspettatamente quando le query non sono ottimizzate. Ciò significa che gli utenti devono prestare molta attenzione alla progettazione delle query e monitorare l'uso con attenzione.

L'interfaccia utente può anche sembrare un po' limitata per flussi di lavoro più avanzati. Funziona bene per scrivere query, ma gestire pipeline complesse o risolvere problemi di debug può richiedere il passaggio tra più strumenti o l'affidamento a soluzioni esterne.

Un altro svantaggio è la flessibilità limitata durante la risoluzione dei problemi. Se i lavori falliscono o i trasferimenti di dati incontrano problemi, i messaggi di errore non sono sempre molto descrittivi, il che può rendere il debug più dispendioso in termini di tempo di quanto dovrebbe essere.

Infine, sebbene l'onboarding sia generalmente fluido, può comunque richiedere tempo per apprendere le migliori pratiche come il partizionamento, il clustering e l'ottimizzazione dei costi, specialmente per i nuovi utenti. Recensione raccolta e ospitata su G2.com.

Uso Google Cloud BigQuery per apprendere i concetti di big data e implementare chatbot. Mi piace che tutti i servizi e i prodotti siano in un unico posto, rendendo facile l'uso di BigQuery per diversi casi d'uso. Apprezzo la facilità di accesso e l'integrazione con diversi strumenti. Non solo BigQuery, ma l'intero ambiente di Google Cloud è molto adatto ai principianti e offre un sandbox a basso costo per l'apprendimento. Strumenti come Google CloudSQL, BigQuery, API e Vertex AI sono molto preziosi per l'apprendimento dell'implementazione di chatbot. L'installazione iniziale di Google Cloud BigQuery è stata molto facile. Recensione raccolta e ospitata su G2.com.

I dettagli di fatturazione possono essere più chiari e più facilmente monitorati. L'opzione per mettere in pausa e riprendere i pagamenti potrebbe essere progettata per un'esperienza utente più semplice. Sarebbe davvero utile avere l'opzione di mettere in pausa i pagamenti nei fine settimana o fornire un avviso per mettere in pausa quando non viene utilizzato per più di 6 ore. Recensione raccolta e ospitata su G2.com.

Mi piace che Google Cloud BigQuery sia gratuito se non operi su larga scala, il che è fantastico perché lo usiamo senza pagare. Direi anche che l'esperienza utente è piuttosto buona. Inoltre, penso che la configurazione iniziale sia stata piuttosto veloce. Rispetto ad altri servizi, è stato probabilmente il più veloce. Recensione raccolta e ospitata su G2.com.

Le funzionalità AI non sono molto buone, quindi finisco per utilizzare servizi AI esterni per scrivere query. Ci sono anche diversi modi di fare le stesse cose e non è molto chiaro quale sia il migliore. A volte, penso che l'esperienza utente potrebbe essere un po' più chiara su quali siano i modi migliori di operare. Il fatto che si debba fare una certificazione o un corso per imparare a usare il prodotto dimostra che il prodotto non è così intuitivo come potrebbe essere. Recensione raccolta e ospitata su G2.com.

L'architettura serverless di BigQuery e le prestazioni eccezionali delle query SQL su dataset enormi sono straordinarie. L'integrazione senza soluzione di continuità con gli strumenti di Google Cloud Platform e la scalabilità automatica rendono l'analisi dei dati semplice senza dover gestire l'infrastruttura. Le capacità di machine learning integrate e l'analisi in tempo reale hanno trasformato significativamente i nostri flussi di lavoro sui dati. Recensione raccolta e ospitata su G2.com.

Il modello di prezzo può diventare costoso per query su larga scala senza un'adeguata ottimizzazione e monitoraggio dei costi. La curva di apprendimento per le funzionalità avanzate e le tecniche di ottimizzazione delle query richiede un investimento di tempo. Il supporto limitato per alcuni tipi di dati e la complessità occasionale nel debug delle query annidate potrebbero essere migliorati per una migliore esperienza degli sviluppatori. Recensione raccolta e ospitata su G2.com.

Ciò che mi piace di più di BigQuery è la sua capacità di gestire enormi set di dati con una velocità incredibile, senza preoccuparsi dell'infrastruttura. La sua architettura serverless e completamente gestita mi consente di concentrarmi sull'analisi e sull'ottenimento di approfondimenti, e la sua integrazione con altri strumenti di Google Cloud rende la creazione di dashboard e pipeline senza soluzione di continuità. Recensione raccolta e ospitata su G2.com.

BigQuery è potente, ma i costi delle query possono aumentare se i dataset sono molto grandi e le query non sono ottimizzate. Di solito aggiro questo problema utilizzando tabelle partizionate e memorizzando i risultati nella cache. Inoltre, sebbene sia ottimo per l'analisi, le trasformazioni di dati molto complesse spesso richiedono strumenti ETL aggiuntivi, ma questo è gestibile con l'approccio giusto. Recensione raccolta e ospitata su G2.com.

Trovo Google Cloud BigQuery incredibilmente utile perché semplifica l'analisi di dataset molto grandi rapidamente senza la gestione dei server. La sua velocità e scalabilità, insieme alla compatibilità con SQL, rendono la creazione di report e l'analisi dei dati semplici. Apprezzo come si integri efficacemente con strumenti di analisi e reportistica. È particolarmente ottimo per costruire dashboard, eseguire analisi e centralizzare dati da varie fonti, risparmiando sia tempo che sforzo. Anche la facilità della configurazione iniziale è un vantaggio, poiché essendo una piattaforma serverless mi ha permesso di iniziare immediatamente a utilizzare query SQL, migliorando la mia esperienza complessiva. Recensione raccolta e ospitata su G2.com.

Una cosa che non funziona per me in Google Cloud BigQuery è che può sembrare un po' complesso all'inizio, specialmente se non si ha familiarità con SQL o con gli strumenti di Google Cloud. Penso che i costi possano essere più difficili da prevedere quando si eseguono molte query di grandi dimensioni, quindi l'utente deve monitorare attentamente l'utilizzo per evitare costi imprevisti. Recensione raccolta e ospitata su G2.com.

Memorizzare i dati

Onestamente, la parte migliore in assoluto è come potenzia istantaneamente le mie app AppSheet.

Quando ho dovuto gestire un caricamento massiccio di 200.000 righe, BigQuery l'ha gestito senza sforzo.

Amo anche spostare la mia logica complicata di Apps Script in Procedure Memorizzate sicure di BigQuery.

Mantiene il pesante lavoro di manipolazione dei dati sul lato del database, esattamente dove dovrebbe essere.

Inoltre, gli strumenti di recupero integrati mi hanno salvato da un attacco di panico totale quando ho eliminato una tabella!

Toglie semplicemente tutto lo stress dalla gestione di enormi set di dati e mantiene tutto veloce. Recensione raccolta e ospitata su G2.com.

Se dovessi scegliere cosa mi frustra, è sicuramente la gestione rigida dello schema. Cambiare cose semplici come i tipi di dati delle colonne o l'ordine delle colonne non è sempre così semplice come dovrebbe essere. Cercare di abbinare perfettamente il tipo Durata di AppSheet a BigQuery mi ha dato un vero mal di testa all'inizio. Ho anche passato troppo tempo a risolvere quei fastidiosi errori di formattazione di data e ora! È incredibilmente potente, ma a volte vuoi solo fare modifiche rapide ai dati senza dover saltare attraverso cerchi. Recensione raccolta e ospitata su G2.com.

Mi piacciono i tag di policy a livello di colonna e la struttura di Google Cloud BigQuery. Avere dataset con tabelle e viste al loro interno offre una struttura migliore per gestire i miei dati. Questo setup rende i dati facili da usare e aiuta a differenziare tra diversi tipi di dati mantenendo tutto organizzato. I tag di policy sono ottimi perché permettono la corretta distribuzione dei dati alle persone giuste senza dover creare tabelle separate. Integrare Dataform è anche più facile con questo approccio strutturato. Recensione raccolta e ospitata su G2.com.

Trovo che il filtraggio delle righe potrebbe essere migliorato per consentire l'uso di colonne strutturate da una tabella di riferimento per applicare il filtraggio delle righe, cosa che attualmente non è possibile e ci ha costretto a creare soluzioni alternative costose. Ci sono alcuni problemi di prestazioni qua e là, e l'interfaccia utente di GCP BigQuery può a volte essere opprimente, con troppe cose che appaiono sullo schermo. Usare le librerie di BigQuery, specialmente l'API di BigQuery per Java, è stato leggermente difficile da capire all'inizio, quindi forse una documentazione un po' migliore potrebbe aiutare, specialmente riguardo all'autorizzazione. Inoltre, la configurazione iniziale è stata difficile da capire all'inizio senza conoscenze precedenti. Recensione raccolta e ospitata su G2.com.

Molto facile da usare e implementare grazie alla sua architettura serverless. Fornisce molte funzionalità integrate per l'analisi su larga scala, si integra bene con altri servizi in Google Cloud ed è affidabile per carichi di lavoro di analisi dei dati frequenti. Recensione raccolta e ospitata su G2.com.

I costi delle query possono essere difficili da prevedere con un uso frequente, e alcune integrazioni avanzate o ottimizzazioni richiedono servizi aggiuntivi all'interno di Google Cloud. Anche il supporto clienti e la risoluzione dei problemi possono dipendere dal livello di supporto selezionato. Recensione raccolta e ospitata su G2.com.