目錄
目錄
BigQuery 實體解析框架：正式公開
在現今數據驅動的世界中，碎片化的資訊可能會描繪出模糊的使用者及客戶畫面；連結不同記錄之間的「點」以揭開統一的身份對企業來說是一大挑戰。手動匹配資料容易出錯、耗時且沒有擴展性，這也正是實體解析可以提供價值的地方。無論是將客戶跨平台購買記錄拼接在一起，還是識別重複帳戶中隱藏的詐騙活動，實體解析都可以釋放資料的真正潛力，讓您能夠全盤了解哪些訊息最重要。
BigQuery 實體解析框架：在不移動或複製數據的前提下匹配記錄
BigQuery 實體解析框架可讓您使用標準 SQL 查詢與您選擇的身份識別資訊提供者 (Identity Provider，IdP) 整合。BigQuery 客戶現在可以立即解析實體，而無需支付資料傳輸費用或管理 ETL 作業。身份識別資訊提供者可以在 Google Cloud Marketplace 上將其身份圖表作為服務提供，而無需向終端使用者透露其匹配邏輯或身份圖表。
- 終端使用者授予身份識別資訊提供者的服務帳戶，包含對其輸入資料集的讀取權限和對其輸出資料集的寫入權限。
- 使用者呼叫遠端函數，將其輸入資料與提供者的身份圖表資料進行比對。匹配的參數透過遠端函數傳遞給提供者。
- 身份識別資訊提供者的服務帳戶，讀取輸入資料集並對其進行處理。
- 身份識別資訊提供者的服務帳戶，將實體解析結果寫入使用者的輸出資料集。
BigQuery 實體解析框架：使用情境
BigQuery 實體解析框架對很多產業和工作情境都有助益，包含：
- 行銷：透過跨管道蒐集客戶資料，強化客戶分群和定位。
- 金融服務：透過準確連結財務記錄，識別詐欺交易和客戶流失。
- 零售：透過跨平台刪除重複的購買記錄，全盤了解客戶行為。
- 醫療照護：透過統一不同來源的醫療記錄來改善病患照護。
- 資料共享：準備資料以供 BigQuery 資料無塵室使用，使組織能夠在低信任環境中共享資料。
BigQuery 實體解析框架：計費方式
除了身份識別資訊提供者會對其使用者收費外，BigQuery 實體解析框架不會產生額外的儲存或計算成本。另一方面，除了實施和運行實體解析服務所需的儲存和運算費用之外，身分提供者也無需支付額外費用。此框架可用於 BigQuery 所有運算模型，且不受版本限制。
BigQuery 實體解析框架：合作夥伴反饋
「BigQuery 上的實體解析完全強化了資料的連結性，同時最大程度地減少了資料移動。現在，Google Cloud 客戶可存取涵蓋資料倉儲、無塵室和 AI 的可擴展身份框架；行銷人員可以在 LiveRamp 的資料協作平台服務中使用一致的企業身份來擴展自訂資料管道。成果就是：我們對客戶有更深入的了解與評估，並得以透過豐富行銷策略來帶領品牌走向成功。」– LiveRamp 產品副總 Erin Boelkens
「TransUnion 的身份解析統一了客戶數據，並透過重複數據刪除、驗證和糾錯來改善狀況。藉由 Google Cloud 實體解析和 TransUnion 的整合，資料工程團隊可以減少設定和持續管理的流程，同時讓消費者身份為洞察、受眾建立和啟用做好準備。」– TransUnion 身份解決方案、信用行銷和平台整合副總
BigQuery 延伸閱讀
BigQuery 全新定價公開：賦予資料雲端更多彈性和可預測性
BigQuery 是什麼？資料倉儲一點通，由淺入深介紹 BigQuery 與傳統倉儲差別
教您聰明運用數據預測商機：5種整合 BigQuery 和 Vertex AI 的方法大公開！
BigQuery BI Engine 正式推出！助力分析師即時做出最佳決策
如何透過 BigQuery 與 Cloud DLP 降低資料風險？
宏庭科技為 Google Cloud 菁英合作夥伴，協助多間知名企業建構 BigQuery ETL解決方案，客戶遍及媒體業、電商業、零售業與遊戲業。想了解更多數據分析/資料倉儲解方嗎？歡迎填寫連絡表單，讓宏庭科技專屬顧問為您將繁雜數據點石成金！
本文章翻譯並改寫自 Google Cloud 官方部落格。
