Yahoo奇摩新聞 Google Cloud改變企業傳統數據處理方式，以最佳化雲端管理方式挖掘數據價值
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。
更多Mashdigi.com報導：
