Pembaruan Google Data Analytics di Era Agentic AI. Selamat Tinggal Analisis Manual!

Era yang serba cepat seperti sekarang menuntut lebih dari sekadar akses data, melainkan roda aktivasi data secara real-time yang mendukung Google Data Analytics. 

Realitas baru muncul di mana AI, yang ditanamkan langsung ke lanskap data, bekerja sama dengan intelligent agent. Agen ini bertindak sebagai katalisator, membuka insight bagi semua orang, dan memungkinkan tindakan otonom dan real-time yang penting untuk meraih kesuksesan. 

Data & AI Cloud milik Google dibangun untuk mendukung roda ini, menghadirkan AI ke data untuk aktivasi data real-time yang berkelanjutan.

Di Google Cloud Next 2025 silam, Google mengumumkan beberapa inovasi baru Google Data Analytics ke AI yang didukung oleh BigQuery. Simak pembaruannya di artikel berikut!

1. Agen khusus untuk setiap pengguna

Google menyediakan bantuan berbasis AI secara luas di BigQuery dan Looker, dan kini mereka telah memperluasnya ke agen khusus yang paling memenuhi kebutuhan untuk semua peran data, termasuk:

• Data engineering agent di BigQuery (tersedia umum) membantu membuat pipeline data, menyiapkan data, menjaga kualitas (masa pratinjau), dan otomatisasi metadata. Agen ini menggantikan tugas manual yang lama, memastikan data terpercaya, dan meningkatkan efisiensi tim data Anda.
• Data science agent di Google Colab (tersedia umum) mengotomatisasi feature engineering, memilih model secara cerdas, mendukung pelatihan skala besar, dan mempercepat iterasi. Hal ini membebaskan tim data science dari kerumitan data dan infrastruktur, sehingga mereka dapat fokus pada pengembangan alur kerja yang lebih canggih.
• Looker conversational anayltics (pratinjau) memungkinkan interaksi data dengan natural language. Dikembangkan dengan DeepMind, fitur ini melakukan analisis mendalam dengan penjelasan transparan, meningkatkan pemahaman pengguna dan akurasi (hingga ⅔ melalui lapisan semantik). 

Baca juga: Panduan Agentic AI: Memahami Agen AI yang Cerdas dan Mandiri

2. Mempercepat data science dan advanced analytics

Platform BigQuery otonom mengubah kerja data scientist and analyst dengan pengalaman data science berbasis AI dan engine baru untuk analisis real-time data yang kompleks.

BigQuery AI enquiry engine memproses data terstruktur dan tidak terstruktur bersama dengan pengetahuan dari Gemini, memungkinkan pertanyaan kompleks dan analisis gambar.

Data scientist kini dapat mengajukan pertanyaan seperti: “Produk mana dalam inventaris kita yang sebagian besar diproduksi di negara-negara dengan ekonomi berkembang?”. Foundation model secara inheren mengetahui negara mana yang dianggap sebagai ekonomi berkembang.

BigQuery memberdayakan data scientist dengan alat (SQL, Spark, foundation model) di infrastruktur tanpa server Google untuk inovasi yang lebih cepat. 

3. Autonomous data foundation di seluruh data lifecycle

Fondasi data otonom BigQuery memprioritaskan data tidak terstruktur dengan tata kelola terintegrasi, orkestrasi beban kerja beragam, dan format terbuka untuk siap menghadapi tantangan data science dan AI dengan biaya operasional minimal.

BigQuery mengatasi tantangan data tidak terstruktur melalui multimodal tables (pratinjau) untuk penyimpanan Google data analytics dan kueri terpadu, didukung oleh BigQuery governance (pratinjau) yang menyediakan tampilan terpadu untuk pengelola data, termasuk katalog otomatis dan pembuatan metadata, serta BigQuery continuous queries (ketersediaan umum) untuk analisis real-time streaming dalam format apa pun.

Adopsi analisis multimodal di BigQuery meningkat pesar, dan kombinasi BigQuery dengan Vertex AI lebih hemat biaya dibanding platform lain.

Komitmen terhadap ekosistem terbuka diwujudkan melalui BigQuery tables for Apache Iceberg (pratinjau) yang menawarkan fleksibilitas data leakhouse dengan performa dan tooling BigQuery, memungkinkan koneksi terbuka ke berbagai engine serta manajemen tabel adaptif, streaming berkinerja tinggi, insight AI otomatis, skala tanpa server, dan tata kelola canggih dengan kontrol akses terpusat melalui Cloud Storage.

Terakhir, platform data otonom ke AI dapat mengoptimalkan dirinya sendiri. Platform ini dapat meningkatkan skala sumber daya, mengelola beban kerja, dan membantu memastikan efektivitas biaya dengan kemampuan manajemen beban kerja (Generally Available) yang canggih.

Baca juga: Cara AI Agent Mengubah Customer Experience dengan Customer Engagement Suite

Kini, Anda juga dapat memulai perjalanan data dan AI Anda dengan memanfaatkan penawaran migrasi data BigQuery kami. Hubungi PointStar untuk berinovasi menggunakan data di era Agentic AI!