通过迁移到 Google Cloud 的现代数据仓库，解决海量数据的分析需求并无缝扩展您的业务。借助于 Google 的迁移方案框架可简化您到 BigQuery 的迁移路径，并缩短成效时间。

为什么要使用 Google Cloud 进行数据仓库现代化改造

通过无服务器分析加速实现价值

使用 BigQuery 的无服务器架构可省略容量规划周期，在几秒钟内即可启动项目。您可使用 Google 的迁移方案框架快速实现现代化。

在不增加 IT 预算的情况下实现现代化

使用 BigQuery 的内置 ML 功能经济高效地运行分析能力，并通过使用 Google Cloud 进行数据仓库现代化改造，将您的 TCO 降低多达 52%。

保护您的数据并具备安全特性

使用 BigQuery 可以为数据提供保护并能够安全地实现现代化。Google 的迁移方案框架可在不中断性能的情况下实施安全迁移。

使用我们的迁移框架无缝地更新您的数据仓库

迁移框架：
使用我们经过验证的迁移框架可简化您的迁移路径并实现从本地或云数据仓库到 BigQuery 的现代化。

为什么要迁移到 BigQuery？

在过去的几十年里，许多企业已经掌握了数据仓库的技术。他们对数据越来越多地在进行着描述性分析与应用，从而深入了解其核心业务运营。专注于查询、报告和在线分析处理的传统商业智能 (BI) 在过去对于企业业务可能是一个决定性影响因素，但时至今日已经不够了。

如今，组织不仅需要通过描述性分析来了解过去的事件，还需要进行预测性分析，这通常使用 ML 来根据现有数据对未来做出概率预测。数据分析的最终目标是能够将过去的经验教训与对未来的预测有机结合，以实时自动指导企业业务行动。

传统的数据仓库会从各种数据来源提取原始数据，这些来源通常是在线事务处理 (OLTP) 系统。提取后的数据会先根据定义的模式进行转换，然后会加载到数据仓库中。由于传统数据仓库是基于对数据的批量抽取并基于严格的模式存储数据，因此它们并不适合处理实时分析或响应自发查询。Google 设计 BigQuery 的部分原因正是为了应对这些固有的限制。

传统数据仓库复杂的实施和维护通常会制约创新想法的速度，而构建可扩展、高度可用且安全的数据仓库架构可能需要客户的大量投资和数年时间的投入。BigQuery 提供软件即服务 (SaaS) 技术，可用于无服务器数据仓库的构建。这让您可以专注于推进核心业务，而将数据仓库的基础架构运维交给 Google Cloud 来负责。

BigQuery 提供了可扩展、灵活且经济高效的结构化数据存储、处理和分析的功能。当您的数据量呈指数级增长时，这些特征至关重要——根据实际需要灵活提供存储和计算处理资源，并从这些数据中获取价值。此外，对于刚开始使用大数据分析和 ML 的企业，BigQuery 提供了即用即付的托管服务方式来避免企业在本地去构建大数据环境的复杂性。

借助 BigQuery，您可以找到以前难以解决问题的答案，应用 ML 来发现新出现的数据模式，并验证新的假设。因此，您可以实时洞察业务的执行情况，从而能够及时调整流程以获得更好的商业结果。此外，从大数据分析中收集到的相关见解也通常会丰富最终用户的体验。