BigQuery krijgt verschillende AI-agents die specifieke rollen binnen het bedrijf ondersteunen, terwijl Looker conversationele analysemogelijkheden introduceert. De innovaties moeten bedrijven helpen om efficiënter en doelgerichter met hun data te werken, zonder dat hiervoor complexe codekennis nodig is.
Dat is zojuist bekendgemaakt op de Google Cloud Next. Zo komt er een data engineering-agent in BigQuery pipelines, die helpt bij het bouwen van datapijplijnen, data-transformatie en het automatisch genereren van metadata. Dit verlicht volgens Google de vele uren die data engineers traditioneel besteden aan het schoonmaken en valideren van data.
Daarnaast introduceert Google een data science-agent die in Google’s Colab-notebook. Deze agent automatiseert feature engineering, ondersteunt bij de selectie van modellen en zorgt voor snellere iteraties.
De derde agent is de Looker conversational analytics agent, die gebruikers in staat stelt om via natuurlijke taal met data te communiceren. Deze agent, ontwikkeld in samenwerking met DeepMind, kan complexe analyses uitvoeren en legt ook uit hoe hij tot zijn conclusies komt. Volgens Google zorgt Looker’s semantische laag ervoor dat de nauwkeurigheid met wel twee derde verbetert.
BigQuery Knowledge Engine als fundament
Om deze AI-oplossingen mogelijk te maken, lanceert Google de BigQuery Knowledge Engine. Deze engine gebruikt Gemini om schemarelaties, tabelbeschrijvingen en query-geschiedenissen te analyseren en genereert metadata on-the-fly. Deze kennis vormt de basis voor inzichten en semantisch zoeken binnen BigQuery.
Een opvallend punt is dat alle Gemini-gestuurde functies in BigQuery en Looker beschikbaar komen binnen de bestaande prijsmodellen. Google benadrukt dat er geen sprake is van extra kosten of add-ons voor deze functionaliteit.
Ongestructureerde data krijgt volwaardige plek
Een andere vernieuwing is dat ongestructureerde data een prominentere rol krijgt binnen BigQuery. Met de nieuwe multimodale tabellen kunnen bedrijven complexe datatypen als afbeeldingen, audio en video naast gestructureerde data opslaan en bevragen.
De BigQuery AI Query Engine stelt gebruikers in staat om geavanceerde analyses uit te voeren waarbij zowel gestructureerde als ongestructureerde data samen met contextuele informatie worden verwerkt. Een data-analist kan bijvoorbeeld vragen: “Welke producten staan op deze sociale media-afbeeldingen?” Vervolgens verwerkt de engine de afbeeldingen en matcht ze met de productcatalogus.
Techzine is deze week aanwezig op Google Cloud Next. Houd de website in de gaten voor de laatste ontwikkelingen op de conferentie.
Tip: Gemini 1.0 Pro toegankelijk via SQL in Google BigQuery en AlloyDB