Google maakt BigQuery Graph algemeen beschikbaar
Google heeft dinsdag BigQuery Graph algemeen beschikbaar gemaakt. Daarmee kunnen organisaties binnen BigQuery relaties tussen data analyseren zonder deze eerst naar een afzonderlijke graph database te verplaatsen. Dat schrijft Google in een blog. De technologie kan ook worden gebruikt om AI-agents van context uit bedrijfsdata te voorzien.
Bij traditionele analyses worden gegevens vaak als afzonderlijke rijen en kolommen bekeken. Graph analytics richt zich juist op de relaties tussen gegevens. Daarmee kan bijvoorbeeld worden onderzocht hoe twee accounts met elkaar verbonden zijn, welke route een betaling heeft afgelegd of welke leveranciers en onderdelen binnen een supply chain van elkaar afhankelijk zijn.
BigQuery Graph voegt deze functionaliteit rechtstreeks toe aan het datawarehouse van Google. Gebruikers kunnen daarvoor naast SQL de internationale standaard Graph Query Language (GQL) gebruiken.
Volgens Google is daardoor geen afzonderlijke graph database of ETL-proces nodig. Bestaande beveiligingsinstellingen op rij- en kolomniveau in BigQuery blijven ook voor graph analytics gelden.
AI-agents
Google richt BigQuery Graph nadrukkelijk ook op AI-toepassingen. Organisaties kunnen knowledge graphs maken waarin niet alleen gegevens, maar ook de relaties tussen die gegevens worden vastgelegd.
AI-agents kunnen deze informatie gebruiken als context voor hun antwoorden en acties. Google noemt onder meer GraphRAG-toepassingen, waarbij een taalmodel informatie uit een graph gebruikt om antwoorden te onderbouwen.
Gebruikers kunnen daarnaast in natuurlijke taal vragen stellen over een graph via conversational analytics in BigQuery. Het systeem vertaalt de vraag vervolgens naar SQL of GQL en kan de gevonden relaties visualiseren.
BigQuery Graph kan ook via een MCP-server met Gemini Enterprise worden verbonden.
Meerdere clouds
Een graph kan gegevens uit verschillende omgevingen combineren. Naast tabellen in BigQuery kan BigQuery Graph ook werken met Apache Iceberg-tabellen die via onder meer Databricks Unity Catalog, AWS Glue of Snowflake beschikbaar zijn.
De data hoeft daarvoor volgens Google niet te worden gekopieerd. Een AI-agent kan zo bijvoorbeeld klantgegevens in Google Cloud koppelen aan product- en leveranciersinformatie die in een andere cloudomgeving staat.
Google heeft bij de algemene beschikbaarheid ook de prestaties van GQL verbeterd. Volgens het bedrijf is GQL bij publieke benchmarks twee keer sneller dan tijdens de preview. Voor bepaalde traversals door relaties claimt Google een verbetering tot honderd keer.
Google noemt fraudedetectie, Customer 360, supply chains, data lineage, infrastructuurbeheer en knowledge graphs voor AI-agents als toepassingen voor BigQuery Graph.
Bron: Google Cloud
