BigQuery は、複雑なデータ分析を自動化するために、拡張分析テーブル値関数 (TVF) を導入しました。これらの関数は、AI、ML、および統計的手法を組み合わせて、データ内で直接、より迅速なインサイトの発見を可能にします。6 つの新しい TVF が利用可能です。AI.KEY_DRIVERS はメトリック変更のドライバーを特定し、AI.CAUSAL_EFFECT はアクションの影響を定量化し、ML.CORRELATION はメトリック関係を測定し、ML.DETECT_CHANGE_POINTS はデータのシフトを見つけ、ML.TREND はノイズから根本的な成長を分離し、ML.SEASONALITY は予測可能なサイクルを明らかにします。これらの TVF は、複数ステップの分析のために連鎖させることができます。例では、ML.DETECT_CHANGE_POINTS、AI.KEY_DRIVERS、および AI.CAUSAL_EFFECT を使用して、バイクシェアのトリップデータを分析する方法を示しています。この連鎖プロセスは、まずトリップ量の有意なシフトを特定し、次にそれらのシフトを推進する要因を特定し、最後に実際のビジネスへの影響を定量化します。これらの TVF は、会話型分析とも統合されており、自然言語クエリで複雑な複数ステップのデータ調査をトリガーできます。例では、会話型プロンプトがこれらの TVF を活用して、タクシーと酒類の販売データの相関およびトレンド分析を行う方法を示しています。これらの関数は、データ駆動型のインサイトを効率的に理解し、それに基づいて行動する能力を大幅に向上させます。