Podcast - BigQuery: analizar datos nunca fue tan fácil.

Si estabas esperando un nuevo capítulo de 'Cómo conocí a nuestro cloud' ¡ya está aquí! Además, esta vez hablamos de BigQuery con un invitado especial.

BigQuery es uno de los productos de Google Cloud más famosos y con mejor reputación. En este episodio contamos con un invitado de lujo, Ismael Yuste, Strategic Cloud Engineer en Google.

Con él hablaremos de los casos de uso, puntos fuertes y con qué tenemos que tener cuidado a la hora de usar BigQuery para analizar nuestros datos.

Tanto si nunca has usado Bigquery como si lo conoces bien este episodio te será de gran ayuda.

Y para que no tengas excusas, nuestro podcast está disponible en todas las plataformas: Ivoox, Spotify, YouTube, Google Podcast y Apple Podcast.

¡Disfrútalo!

¿Qué es BigQuery? y ¿Qué no es BigQuery?

Es un almacenamiento distribuido altamente disponible con un motor de consultas por encima que distribuye los datos por todos los discos duros del data center de Google. En este proceso de almacenamiento se realizan de 3 a 5 copias de cada archivo, sino es más, para que siempre haya backups.

Además, almacena de forma columnal, es decir, en vez de coger filas de datos, almacena las columnas de los archivos cargados.

Cuenta con motor de búsqueda, que es la evolución del paper de Dremmel, el origen de todo esto, que permite hacer consultas SQL simples con una interfaz muy intuitiva en cuestión de segundos.

Cabe destacar que la mayor ventaja de Big Query es la potencia. Permite reducir tiempos de procesamiento de consultas y datos, incluso de varios Teras.

Aunque pueda parecerlo, BigQuery no es una base de datos. Sino un almacenamiento distribuido y una consulta de datos.

Tipos de usuarios de BigQuery

Se pueden distinguir tres tipos de usuarios de BigQuery:

• Reporting: es el usuario más típico. Realiza informes en real time o en un periodo de tiempo establecido. BigQuery hace que la capa de reporting sea una capa relativamente ligera, reduciendo tiempos y consolidarlos a tiempo de la consulta.
• Data scientist: que recaba datos y, a través de Machine Learning y estadísticas consiguen buenos resultados.
• ETL: en organizaciones grandes, y con cargas de bases de datos frecuentemente, obtienen resultados programados a las 8 am.

Por otro lado, BigQuery no solo vale para proyectos y empresas grandes, también las pequeñas empresas con datawarehouse menores del Tera pueden acceder y aprovecharse de BigQuery.

¿Cuándo es mejor pagar una tarifa plana?

En especial se recomienda una tarifa plana de BigQuery cuando el departamento de compras no conoce qué es el serverless. De esta forma, se pueden definir tramos a contratar en escalones de 100 en 100 slots a nivel anual.

Sirve para que el dpto. Compras entienda el coste del servicio en los próximos 3 años, en momentos de prueba y de desarrollo o te da la facilidad de tener la potencia necesaria para cada grupo de una manera sencilla.

Estas y más preguntas sobre BigQuery podrás encontrarlas en nuestro episodio de 'Cómo conocí a nuestro cloud'.