在此次Google Data Cloud Summit台灣媒體聚會中,Google Cloud台灣技術副總裁林書平分享Google在雲端服務諸如數據分析、商業應用、人工智慧,以及雲端資料庫等應用發展,同時也說明Google Cloud藉由多元產品解決方案,協助企業改變傳統數據處理方式,透過最佳化雲端管理方式,並且從數據分析全新價值。
相比過往資料產生速度與規模,現今的資料生成量已經相當驚人,同時速度也比想像中快速許多,資料格式也變得更加多元,並且透過全球各地的手機、PC、串流服務等管道產生,因此運用資料的方式也跟以往大不相同,例如透過大量資料進行人工智慧深度學習,或是透過數據分析掌握市場潛在趨勢。
不過,這些應用都要透過有用數據才能順利完成,但以現今持續產生的資料量來看,透過傳統人力等方式進行檢視、分析明顯無法符合效益,因此必須透過人工智慧等方式進行輔助,例如像是Google先前推出的BigQuery、Dataproc、Dataplex,或是Vertex AI等運算資源,藉此更快、更有效率地從大量資料挖掘有用數據。
而透過BigLake、Spanner等方式,更可直接整合企業客戶資料,確保資料能夠即時傳遞,並且透過Vertex AI Workbench、Model Registry等方式將資料快速轉化成人工智慧所需有用數據。其中,透過目前處於beta版本的BigLake服務,將能統整不同資料庫內容,並且降低資料孤島問題,讓企業可以降低資料管理應用所花費成本,同時也能降低資料遷移時的風險。
至於Spanner變更串流部分,則可自動識別Spanner資料庫中安插、變更或刪除資料等動作,藉此確保資料庫維持最新內容,並且能透過BigQuery進行即時分析,或是進一步觸發app端的應用功能、儲存至Google Cloud存放空間等。
而在人工智慧產品相關的Vertex AI代管平台,目前則是將資料和機器學習系統整合至Vertex AI Workbench單一介面,讓工作團隊可以透過相同工具組完成執行資料分析、數據科學或機器學習等,同時也能快速建立、訓練,並且迅速將人工智慧應用佈署至對應服務。
另外,透過全新機器學習運作功能—Vertex AI Model Registry,則可輕鬆分享人工智慧模型,並且可讓開發者佈署應用,讓服務可依照資料規模進行動態調整,藉此維持應用彈性。
其他部分,則包含提供Looker連結試算表,以及在Data Studio中存取Looker資料模型的功能,讓使用者能透過自訂方式分析數據,並且從中獲取有用數據,進而可應用在制定未來市場策略、挖掘潛在客戶,或是改善現有服務等。
目前包含Twitter、拉丁美洲最大線上商務與支付服務系統Mercado Libre都是Google Cloud服務使用者,並且透過數據分析等應用使旗下服務最佳化運作,同時更有超過700家軟體合作夥伴使用Google Cloud服務,例如Bloomreach、Equifax、Exabeam、Quantum Metric與ZoomInfo也均開始採用Google Cloud服務。