根據 2020 年 Gartner 雲端用戶購買行為調查，近 80％ 使用雲端的受訪者表示，他們會同時與多家雲端服務商合作1。多雲儼然已成為事實。此外，企業為了超越競爭對手，也得開始執行資料分析 ─ 不論資料儲存在何處。 為此，Google 也致力於提供完善的多雲分析解決方案，為企業打破資料孤島，使人們能夠輕鬆且大規模地進行分析。而這一承諾也在新的 Gartner 2020 雲端資料庫管理系統魔力象限中得到了體現，在該報告中 Google 被公認為領導者2。
如果剛好您也需要在一個安全、全代管的平台，分析橫跨 Google Cloud、AWS、Azure 等雲端的資料，您可以考慮 BigQuery Omni。
BigQuery 的原生設計，就是將「運算」和「儲存」分離解耦，因此企業可以依照需求彈性增長，並大規模地執行分析。而之所以會有 BigQuery Omni，就是 Google 試圖將這樣分離的技術延伸，讓運算資源回歸資料所在的位置，也就是說，您不必搬移資料，在熟悉的 BigQuery 操作介面上，即可輕鬆查詢橫跨不同雲端的資料，獲得所需的洞察。
自從 Google 在 2020 年 Q3 宣布推出 BigQuery Omni 以來，我們也看到各式多元的需求。許多客戶已經採用 BigQuery Omni 來解決其獨特的業務問題，下面我們會著重介紹一些應用案例。希望這些案例有助於引導您認識現代化的多雲分析解決方案：
一、生物醫學資料分析
許多生命科學研究單位，都在尋求符合其客戶和股東需求的分析體驗。由於生物醫學資料通常具有一個特性，它們的資料量體非常巨大，且分散在不同位置，因此很難從單一平台綜觀全局。而借助 BigQuery Omni，麻省理工學院的 Broad Institute 與哈佛大學都能由他們熟悉的 BigQuery 介面內，分析橫跨不同雲端的生物醫學資料，執行基因體資料的搜索與擷取。在使用 BigQuery Omni 之前，要運行相同類型的分析需要不斷的擷取、加載資料，這會增加技術操作負擔。而借助 BigQuery Omni，Broad Institute 能夠降低匯出成本，同時提高研究品質。
二、農業技術領域使用案例
資料處理仍然是農業領域數位轉型的一大瓶頸。某農業領域組織，就希望能在資料處理上，減少資料分析師、科學家和工程人力的時間和金錢。他們研發部門的資料儲存在 AWS 中，描述其植物育種管道和植物生物技術測試操作的關鍵特徵。
而他們所有的關鍵資料集，則都位於 Google Cloud 的 BigQuery 中。借助BigQuery Omni，該客戶期待能實現橫跨 Google、AWS 二個雲的資料進行安全的 SQL 查詢，並幫助提高資料可用性，以獲取更多的資料解析。他們將能夠在 BigQuery 的單一介面，為資料使用者開發以農業和市場為核心的分析模型。
三、Log 分析使用案例
許多企業希望透過分析日誌 (log) 資料，來獲取更多商業洞察。
某媒體與娛樂公司將其用戶活動日誌資料儲存在 AWS 中，並將其用戶個人資料訊息儲存在 Google Cloud。他們的目標是通過分析「用戶旅程」及其「內容閱讀（消費）模式」，以更精準地預測媒體需求。
由於他們在 AWS 和 Google Cloud 的資料集都在不斷更新，因此他們面臨的挑戰是如何在保持資料「新鮮度」的同時彙整所有訊息。使用 BigQuery Omni，客戶可以動態地結合來自 AWS 和 Google Cloud 的日誌資料，而無需將整個資料集從一個雲移動或複製到另一個雲，從而減少了編寫客製化腳本、執行跨雲資料查詢的負擔。
另一個類似的案例，是橫跨多雲整合帳單資料的挑戰。某公共部門企業一直在嘗試多種方法，即時、簡單地在 Google Cloud、AWS 和 Azure 上顯示所有帳單資料，並試著做成單一視圖。借助 BigQuery Omni，他們期待能以最小的工作量、最低的成本打破「資料孤島」，並從單一介面中運行帳單資料分析。
了解這麼多應用情境後，想開始使用 BigQuery Omni，簡化你的多雲分析嗎？歡迎聯繫 iKala Cloud，由專人為您介紹！
（本文翻譯改編自 Google Cloud。）
- Gartner, “2021 Planning Guide for Data Management”, Sanjeev Mohan, Joe Maguire, October 9, 2020.
- Gartner, “Magic Quadrant for Cloud Database Management Systems”, Donald Feinberg, Merv Adrian, Rick Greenwald, Henry Cook, Adam Ronthal, November 23, 2020
