۲۹ شهریور ۱۴۰۳

Techboy

اخبار و اطلاعات روز تکنولوژی

Google Gemini را به BigQuery، Looker اضافه می‌کند تا به مهندسی داده کمک کند

به روز رسانی های دیگر شامل پشتیبانی از Apache Spark منبع باز و ادغام کافکا با BigQuery است.

به روز رسانی های دیگر شامل پشتیبانی از Apache Spark منبع باز و ادغام کافکا با BigQuery است.

Google Cloud هوش مصنوعی مولد خود را اضافه می کند. یک ربات چت < یک href="https://www.computerworld.com/article/2117752/google-gemini-ai.html">جمینی به سرویس تجزیه و تحلیل داده کاملاً مدیریت شده BigQuery به منظور آسان کردن چندین کار مرتبط با داده برای متخصصان سازمانی، گفت پنجشنبه.

Gemini در BigQuery به تولید کد، تکمیل کد، توضیح کد کمک می‌کند (SQL، Python< گریت کازمایر، معاون تجزیه و تحلیل داده ها در Google Cloud، گفت: /a>)، به بوم داده کمک می کند، و توصیه های پارتیشن بندی و خوشه بندی را ارائه می دهد.

تحلیلگران گفتند که از متخصصان داده انتظار دارند که افزودن Gemini را به عنوان یک حرکت خوشایند بدانند، زیرا مهندسی داده اغلب وقت گیرترین کار در بسیاری از داده های سازمانی و فرآیندهای تحلیلی است.

برادلی شیمین، تحلیلگر ارشد Omdia، گفت: «چت ربات مبتنی بر هوش مصنوعی مولد می‌تواند با افزایش وظایف مختلف، مانند کمک به انتساب داده‌ها به کشف و نگهداری مدل داده، به متخصصان داده کمک کند.

الکساندر ورم، تحلیلگر ارشد Nucleus Research، با توضیح اهمیت توصیه‌های پارتیشن بندی داده‌ها از Gemini در BigQuery، گفت که این توصیه‌ها عملکرد پرس و جو را بهینه می‌کنند، که می‌تواند چالش‌های فنی «پرهزینه» مرتبط با تجزیه و تحلیل کلان داده را کاهش دهد.

پلتفرم‌های رقیب تجزیه و تحلیل داده یا ارائه‌دهندگان خدمات در حال حاضر هوش مصنوعی مولد را در پیشنهادات خود قرار داده‌اند — یا قصد دارند این کار را انجام دهند: Microsoft Copilot را در Fabric قرار داده است و AWS  Amazon Q به چندین سرویس تجزیه و تحلیل داده از جمله Amazon Kinesis و چسب.

برای استیون دیکنز، مشاور ارشد فناوری در گروه Futurum، “معرفی Gemini در BigQuery فشار رقابتی را بر ارائه دهندگان پلت فرم تجزیه و تحلیل داده های رقیب می افزاید، زیرا این یک فضای رقابتی پویا است که در آن هر ارائه دهنده به طور مداوم در پی آن است که با ارائه پیشنهاد از دیگری پیشی بگیرد. عملکردهای پیشرفته.”

دیکنز افزود، گزینه‌های جایگزین دیگری مانند Oracle، MongoDB، Databricks، و Snowflake نیز راه‌حل‌های مشابهی ارائه می‌دهند.

با این حال، ورم اشاره کرد که از آنجایی که تمام ارائه دهندگان اصلی تجزیه و تحلیل داده ها بر استراتژی ساده سازی تجربیات کاربر از طریق هوش مصنوعی مولد تمرکز می کنند، رقابت دیگر بر سر این نیست که چه کسی هوش مصنوعی مولد را ارائه می دهد، بلکه بیشتر این است که کدام فروشنده می تواند یک مدل قیمت گذاری ارائه دهد. اصطکاک در پذیرش شرکت را کاهش می دهد و بیشترین بازگشت سرمایه را ایجاد می کند.  

به‌روزرسانی‌های دیگر BigQuery

به‌روزرسانی‌های اضافی BigQuery شامل در دسترس بودن کلی قالب دلتا پشتیبانی می کند. در سال ۲۰۲۲، Google اضافه کرده بود پشتیبانی از Apache Iceberg.

Google همچنین با استفاده از SQL، Spark و Vertex AI.

به گفته Shimmin، این ادغام‌ها به سمت تلاش گوگل برای پیروی از روند شرکت‌هایی که از یک پارچه داده، یک API لایه برای دسترسی به منابع و انواع داده های مختلف، برای پیوند دادن مجموعه داده های جدا شده موجود را در داخل یک شرکت ایجاد کنید.

Google همچنین پشتیبانی از Apache Spark و آپاچی کافکا به BigQuery.

Shimmin توضیح داد: در حالی که پشتیبانی از کافکا به متخصصان داده اجازه می‌دهد تا داده‌های بلادرنگ را آسان‌تر در محصولات تحلیلی خود بگنجانند، پشتیبانی از Spark به متخصصان داده اجازه می‌دهد تا عملیات خود را با اجرای جریان‌ها به صورت موازی مقیاس‌بندی کنند.

با این حال، دیوید منینگر، مدیر اجرایی ISG، اشاره کرد که افزودن پشتیبانی از کافکا و اسپارک به دور از تازگی است و گفت که “تقریباً همه ارائه دهندگان پلت فرم داده از اسپارک و کافکا پشتیبانی می کنند.”

به گفته Shimmin، این روزها شرکت‌ها، فروشندگان یا ارائه‌دهندگان را بر اساس اینکه چگونه این ادغام‌ها را به خوبی پیاده‌سازی می‌کنند و اینکه پایگاه داده چگونه با پیشنهادات گسترده‌تر فروشنده، به عنوان مثال Vertex AI و Looker در مورد Google در هم می‌آمیزد، متمایز می‌کند.

Looker Gemini را دریافت می کند، اما فقط در پیش نمایش

Google همچنین Gemini خود را به هوش تجاری (BI) ابزار Looker، اما فقط در پیش‌نمایش، شرکت گفت که چت ربات مبتنی بر هوش مصنوعی می‌تواند به کمک فرمول، ایجاد معیارهایی از فرمول‌های پیچیده، تولید اسلاید و روش‌های جدید برای نمایش داده‌ها کمک کند.

دیکنز از گروه Futurum گفت: “افزودن Gemini به Looker به طور بالقوه مانع فنی برای تجزیه و تحلیل داده ها را کاهش می دهد و کاربران بیشتری را قادر می سازد تا بینش هایی را از داده ها بدست آورند.”

Shimmin از Omdia اشاره کرد که افزودن Gemini به Looker نشان می‌دهد که گوگل از استراتژی بازار گسترده‌تری پیروی می‌کند که توسط رقبایی مانند مایکروسافت و AWS به کار گرفته شده است تا عملکردهای هوش مصنوعی مولد بیشتری را در محصولات هوش تجاری مانند QuickSight و PowerBI.

Shimmin افزود: “اگر اجرای چت ربات هوش مصنوعی مولد به درستی انجام شود، اینها می توانند گردش کار موجود در میان متخصصان داده را تا حد زیادی تسریع کنند.”