在Google Data Cloud Summit期間，Google宣布推出吹三項全新Google Cloud解決方案，將以旗下資料庫與資料分析產品組合，向企業提供整合式資料平台，藉此消弭資料孤島情況，並且讓企業能順利藉由數據分析掌握精準決策。
Google引述Gartner市調結果表示，多數企業預估每年在品質不甚理想的資料上平均花費高達1280萬美元。其中主因在於企業資料多半散佈在多個雲端及在地佈署資料庫等存放位置，造成企業在存取、彙整此類資料往往需要花費高額費用，因此認為企業需要透過集中管理、即時整合方式確保資料完整性，藉此加快決策腳步，以利掌握快速發展商機。
此次提出解決方案，分別包含以beta版本提供測試的Dataplex、Datastream，以及Analytics Hub三項功能。
其中，Dataplex採智慧資料網路架構，可提供單一整合式資料分析服務，讓企業能快速串接Google Cloud資源，並且快速整理及分析存放數據，同時確保資料在使用過程安全性，而在分析過程無須移動或複製資料即可快速統整資料，更可縮減企業原本統整資料所需花費時間。
而Datastream則可提供無伺服器異動資料擷取 (CDC)與複製服務，讓企業可從Oracle、MySQL資料庫將資料以串流形式即時擷取至Google Cloud藉此強化存放不同位置的資料即時分析，同時也能縮短企業原本需要等待資料傳輸冗長時間。
至於Analytics Hub主要提供安全且即時的資料交換服務，讓企業能隨時檢視處於內外的資料內容，並且能安全共享數據與洞察分析結果，讓企業能更方便管理其數據資產。
目前包含國際性專業服務網路德勒 (Deloitte)、美國消費者信用報告機構Equifax、加拿大最大食品零售商Loblaw，以及德意志銀行均採用Google Cloud服務打造自有雲端資料庫，並且藉此加快資料分析使用效率，並且從中挖掘有用內容。
除此之外，Google也在Google Data Cloud Summit期間宣布以下消息：
基於對多雲策略的承諾，Google繼去年針對AWS推出BigQuery Omni服務，此次更推出適用於微軟Azure的BigQuery Omni (Beta版)，以及Looker商業智慧平台正式版，藉此協助企業可在跨雲環境取得關鍵資料深入分析結果。
BigQuery ML異常偵測則可協助企業透過BigQuery內建機器學習功能，以更簡單方式檢測異常資料模式，例如銀行業用於偵測金融詐欺偵測，或是製造業用於分析生產製造不良原因。
針對企業以符合成本效益提供、可快速串流分析的解決方案Dataflow，預計會在今年第三季推出Dataflow Prime版本，將加入自動垂直擴充與數據管道正確配置技術，同時更內建人工智慧與機器學習技術，藉此提供諸如時間序列分析、主動識別瓶頸的智慧診斷功能，以及可提高使用率的自動微調功能等。
另外，Google也宣布將全代管關聯資料庫Cloud Spanner的入門使用費用降低90%，連同即將推出的精細個體規模調整功能 (granular instance sizing)，同樣提供無限制空間規模，以及99.999％的可用性，藉此對應要求更苛刻的應用程式運作需求。至於BigQuery與Spanner的整合功能也即將推出，未來企業將可透過BigQuery查詢Spanner中的交易資料，以便提供更豐富且即時的深入分析結果。
而Spanner新增的Key Visualizer功能 (目前為Beta版)，則可提供互動式監控功能，方便開發人員迅速識別使用模式。此外，Cloud Bigtable更具備可達可信度達99.999%，以及回應時間在59秒內的服務水準協議 (Service Level Agreement,SLA)的讀取和寫入可用性。
