BigQuery는 복잡한 데이터 분석을 자동화하기 위해 증강 분석 Table-Valued Functions(TVF)를 도입했습니다. 이 함수들은 AI, ML 및 통계 방법을 결합하여 데이터 내에서 더 빠른 인사이트 발견을 지원합니다. 여섯 가지 새로운 TVF를 사용할 수 있습니다: AI.KEY_DRIVERS는 메트릭 변경의 주요 요인을 식별하고, AI.CAUSAL_EFFECT는 조치의 영향을 정량화하며, ML.CORRELATION은 메트릭 간의 관계를 측정하고, ML.DETECT_CHANGE_POINTS는 데이터의 변화 시점을 찾으며, ML.TREND는 노이즈로부터 근본적인 성장을 분리하고, ML.SEASONALITY는 예측 가능한 주기를 발견합니다. 이러한 TVF는 다단계 분석을 위해 서로 연결하여 사용할 수 있습니다. 한 예시는 bikeshare 여행 데이터를 분석하기 위해 ML.DETECT_CHANGE_POINTS, AI.KEY_DRIVERS 및 AI.CAUSAL_EFFECT를 사용하는 방법을 보여줍니다. 이 연결 과정은 먼저 여행량의 중요한 변화를 식별한 다음, 해당 변화를 유발하는 요인을 정확히 찾아내고, 마지막으로 실제 비즈니스 영향을 정량화합니다. 또한 이 TVF는 Conversational Analytics와 통합되어 자연어 쿼리를 통해 복잡하고 다단계적인 데이터 조사를 트리거할 수 있습니다. 예시는 대화형 프롬프트가 택시 및 주류 판매 데이터에 대한 상관 관계 및 추세 분석을 위해 이러한 TVF를 활용하는 방법을 보여줍니다. 이러한 함수들은 데이터 기반 인사이트를 효율적으로 이해하고 실행하는 능력을 크게 향상시킵니다.