BigQuery a changé les règles du jeu dans le monde des entrepôts de données. Vous n'administrez aucun serveur, le stockage et le calcul se dimensionnent séparément, et des requêtes à l'échelle du pétaoctet s'exécutent en quelques minutes. Savoir écrire du SQL classique suffit pour démarrer.
01. Une architecture serverless
Dans BigQuery, il n'y a pas d'administration de serveur. Vous écrivez seulement des requêtes, le stockage et le traitement étant dissociés. C'est la différence fondamentale avec les bases MPP traditionnelles.
02. La séparation du stockage et du calcul
Le stockage coûte peu (environ 20 $ par téraoctet et par mois), tandis que les requêtes se paient à l'usage. Les deux composants évoluent indépendamment.
03. SQL et apprentissage automatique
BigQuery fonctionne en SQL ANSI standard. Avec BigQuery ML, vous entraînez un modèle directement en SQL : l'instruction CREATE MODEL permet la régression linéaire, le K-means ou l'apprentissage profond.
04. Les modèles tarifaires
Deux modes de facturation :
- À la demande : environ 6,25 $ par téraoctet analysé
- Forfait : capacité mensuelle réservée (coût prévisible)
Les grandes équipes analytiques basculent vers le forfait.
05. L'usage en entreprise
BigQuery se répand dans les entreprises turques en croissance de l'e-commerce et de la finance. Associé à Power BI et Looker Studio, il peut constituer le socle d'une infrastructure analytique d'entreprise.