在2020年Gartner云终端用户购买行为调查中，近80%的受访者提到使用公共云、混合云或多云表示他们与多个云提供商合作1.

多云已成为大多数人的现实，为了超越竞争对手，组织需要授权其人员访问和分析数据，而不管数据存储在何处。在谷歌，我们致力于提供最好的多云分析解决方案，打破数据孤岛，让人们在规模和轻松运行分析。我们相信，这一承诺已经在新的Gartner 2020云数据库管理系统幻方图中得到了体现，在该幻方图中，谷歌被公认为领先者2.

如果您也需要让您的员工能够在安全和完全管理的平台上跨谷歌云、AWS和Azure（即将推出）分析数据，看看BigQueryOmni.

BigQueryNative将计算和存储分离开来，这样组织就可以灵活地增长，并在规模上运行分析。通过BigQueryOmni，大数据+，我们扩展了这种解耦方法，云服务器和服务器，将计算资源转移到数据中，让每个用户在熟悉的BigQuery界面中更容易获得所需的见解。

自从我们今年早些时候发布BigQuery Omni以来，我们看到了令人难以置信的需求，我们对此感到非常兴奋。客户已经采用BigQuery Omni来解决其独特的业务问题，本博客重点介绍了我们正在研究的几个用例看到。这组用例应该可以帮助您在采用现代的多云分析解决方案的过程中获得指导。让我们看一下其中的三个：

生物医学数据分析用例：许多生命科学公司都希望为其客户和内部利益相关者提供一致的分析体验。由于生物医学数据通常作为分布在云端的大型数据集存在，云报，因此很难从一块玻璃中获得全面的见解。有了BigQuery Omni，麻省理工学院和哈佛大学的Broad Institute能够从熟悉的BigQuery界面中分析存储在主要公共云存储库中的生物医学数据，从而使这些数据能够用于搜索和提取基因组变体。以前，运行相同类型的分析需要持续的数据提取和加载过程，这造成了越来越大的技术负担。借助BigQueryOmni，Broad Institute能够降低出口成本，同时提高其研究质量。

Agritech用例：对于希望成为数据驱动型的农业技术组织来说，数据争用仍然是一大瓶颈。一个这样的组织旨在减少他们的数据分析师、科学家和工程师在数据争论活动上花费的时间和金钱。他们的研发数据存储在AWS中，描述了他们的植物育种管道和植物生物技术测试操作的关键特征。它们的所有关键数据集都驻留在googlebigquery中。通过BigQueryOmni，该客户计划实现对跨两个云中的数据的安全、基于SQL的访问，并帮助提高数据的可发现性以获得更丰富的见解。无论数据集所在的云平台是什么，他们都能够在BigQuery的单一、内聚的界面中为数据消费者开发农业和市场导向的分析模型。

日志分析用例：许多组织都在寻找挖掘其日志数据和解锁隐藏见解的方法。一家媒体和娱乐公司在AWS中有他们的用户活动日志数据，商城返利，在Google云中有他们的用户档案信息。他们的目标是通过分析用户出行和内容消费模式，更好地预测媒体内容需求。因为他们的每个AWS和Google云数据集都是不断更新的，所以他们面临着在保持数据新鲜度的同时聚合所有信息的挑战。通过BigQueryOmni，客户能够动态地组合来自AWS和Google云的日志数据，而无需将整个数据集从一个云移动或复制到另一个云，人工智能怎么样，因此，减少了编写自定义脚本来查询存储在另一个云中的数据的工作量。

一个与此用例很好融合的类似示例是跨多个云中聚合计费数据的挑战。一家公共部门的公司一直在测试多种方法，以便在Google云、AWS和Azure上实时创建一个单一、方便的账单数据视图。借助BigQuery Omni，他们的目标是以最小的努力和成本打破数据孤岛，从一块玻璃上运行分析。

要开始使用BigQuery Omni并简化您的多云分析之旅，在这里注册。BigQuery Omni目前正在预览AWS，Azure即将推出。

Gartner不认可其研究出版物中描述的任何供应商、产品或服务，也不建议技术用户只选择那些具有最高评级或其他指定的供应商。高德纳研究出版物包含高德纳研究咨询机构的意见，不应被解释为事实陈述。Gartner否认与本研究有关的所有明示或暗示的保证，包括适销性或特定用途适用性的任何保证

1.Gartner，"2021年数据管理规划指南"，Sanjeev Mohan，Joe Maguire，2020年10月9日。Gartner，"云数据库管理系统幻方图"，Donald Feinberg、Merv Adrian、Rick Greenwald、Henry Cook、Adam Ronthal，2020年11月23日