BigQuery Anuncia General Availability (GA) para Funções de IA e Views Materializadas

Data: 30 de Março de 2026

O Google Cloud anunciou a disponibilidade geral (GA) de importantes atualizações para o BigQuery, focadas em aprimorar as capacidades de análise de dados com Inteligência Artificial e otimizar o desempenho de consultas. As novidades incluem a consolidação de funções de previsão e detecção de anomalias, além da introdução de views materializadas não incrementais sobre dados do Spanner.

Avanços em Funções de IA para Análise Preditiva e Detecção de Anomalias

As seguintes funções de previsão e detecção de anomalias, agora em General Availability (GA), oferecem maior flexibilidade e precisão para os usuários do BigQuery:

• Função AI.DETECT_ANOMALIES: Permite a definição de uma janela de contexto customizada. Essa janela determina quantos dos pontos de dados mais recentes serão considerados pelo modelo na detecção de anomalias, aumentando a relevância e a granularidade da análise.
• Função AI.FORECAST: Introduz a capacidade de especificar o valor de timestamp mais recente para projeções. Isso garante que as previsões sejam baseadas no ponto mais atualizado dos dados históricos, otimizando a acurácia das projeções futuras.
• Função AI.EVALUATE: Recebe melhorias significativas, incluindo:
  • Suporte para uma janela de contexto customizada, similar à função AI.DETECT_ANOMALIES, para refinar a avaliação do modelo.
  • A função agora retorna o Mean Absolute Scaled Error (MASE) como uma métrica de saída. O MASE é um indicador crucial para avaliar a performance de modelos de previsão de séries temporais, comparando o erro do modelo com o erro de uma previsão ingênua.

Views Materializadas Não Incrementais para Spanner em General Availability (GA)

Outra atualização de destaque é a disponibilidade geral (GA) da funcionalidade que permite a criação de views materializadas não incrementais do BigQuery sobre dados do Spanner. Esta funcionalidade visa melhorar significativamente o desempenho de consultas, permitindo o cacheamento periódico de resultados de consultas complexas executadas sobre o Spanner. Ao materializar os resultados, as consultas subsequentes podem ser atendidas muito mais rapidamente, liberando recursos e acelerando a obtenção de insights.

Estas atualizações reforçam o compromisso do Google Cloud em fornecer ferramentas poderosas e flexíveis para análise de dados, impulsionando a tomada de decisões baseada em informações precisas e de alta performance.

Recomendado pelo autor

Data science para negócios

Ver Oferta

* Link de afiliado — o preço pode variar. Ao comprar, você apoia este blog sem custo extra.

Recomendado pelo autor

Análise de Dados com Python e Pandas

Ver Oferta

* Link de afiliado — o preço pode variar. Ao comprar, você apoia este blog sem custo extra.