Google Cloud ประกาศ BigQuery measures เป็น GA เมื่อ 11 พ.ย. 2026 นิยามตัวชี้วัดบน BigQuery Graph ครั้งเดียว ไม่นับซ้ำเมื่อ join ใช้ร่วมกันทั้ง BI และ AI agent
โดย กองบรรณาธิการ THAI DATA อ่าน 5 นาที
สรุปประเด็นสำคัญ
- Google Cloud ประกาศ BigQuery measures เป็น GA บนบล็อกเมื่อ 11 พฤศจิกายน 2026 ส่วน release notes ของ BigQuery บันทึกไว้วันที่ 10 พ.ย. (เวลาสหรัฐฯ)
- measure คือค่ารวมที่นิยามด้วยคำสั่ง MEASURE() ในโหนดหรือเส้นเชื่อมของ BigQuery Graph และผูกการรวมไว้กับ KEY ของตาราง จึง ไม่นับซ้ำเมื่อ join แล้วแถวซ้ำ
- รุ่น GA ตาม release notes วันที่ 10 พ.ย. 2026 เพิ่ม derived measure, อาร์กิวเมนต์ start_node สำหรับหลายตาราง fact, คำอธิบายและคำพ้องใน OPTIONS และการค้นหาผ่าน Knowledge Catalog
- การรัน GQL ต้องใช้ on-demand pricing หรือ reservation รุ่น Enterprise / Enterprise Plus โดย BigQuery Graph เพิ่งใช้กับ on-demand ได้ตั้งแต่ 6 พ.ย. 2026
- วันที่ 10 พ.ย. 2026 Databricks ประกาศส่ง Unity Catalog metric views ไป Power BI ในสถานะ Private Preview สะท้อนการแข่งขันเรื่อง semantic layer
Google Cloud ประกาศให้ BigQuery measures เปิดใช้ทั่วไป (GA) เมื่อวันที่ 11 พฤศจิกายน 2026 ให้องค์กรนิยามตัวชี้วัดธุรกิจ เช่น ยอดธุรกรรมหรือจำนวนบัญชี ไว้บน BigQuery Graph เพียงครั้งเดียว แล้วให้แดชบอร์ด คำสั่ง SQL และ AI agent ใช้นิยามเดียวกัน โดยตัวเลขไม่นับซ้ำเมื่อ join ตาราง
บทความประกาศเขียนโดย Bei Li วิศวกรหลัก และ Deepak Dayama Group Product Manager ของ Google Cloud อธิบายปัญหาว่า นิยามตัวชี้วัดมักอยู่ในเครื่องมือ BI ขณะที่ความสัมพันธ์ระหว่างข้อมูลอยู่ใน knowledge graph อีกระบบ AI agent จึงเห็นข้อมูลแค่ครึ่งเดียวและเดาส่วนที่เหลือ จนได้คำตอบที่มั่นใจแต่บางครั้งผิด ด้าน release notes ของ BigQuery บันทึกการเปลี่ยนแปลงนี้ไว้วันที่ 10 พฤศจิกายน ตามเวลาสหรัฐฯ
BigQuery measures ทำงานอย่างไร
เอกสาร Work with measures นิยาม measure ว่าเป็นค่ารวมที่ประกาศไว้ใน PROPERTIES ของตารางโหนดหรือเส้นเชื่อม (edge) ในกราฟ ครอบด้วยคำสั่ง MEASURE() รองรับฟังก์ชัน SUM, AVG, COUNT, MIN, MAX และ AGG สำหรับ derived measure ทุกฟังก์ชันยกเว้น AGG ใช้คู่กับ DISTINCT ได้
จุดสำคัญคือการรวมถูกผูกไว้กับ KEY ของตารางที่นิยาม Google Cloud เรียกว่า grain-locked ตัวอย่างในบล็อกคือธนาคารที่บัญชีหนึ่งมีธุรกรรมนับพันรายการ เมื่อ join ตารางธุรกรรมกับตารางบัญชี แถวบัญชีจะซ้ำ และ COUNT(account_id) แบบ SQL ปกติจะนับบัญชีเกิน ทำให้ทีมความเสี่ยงกับทีมการเงินได้ตัวเลขไม่ตรงกัน BigQuery measures นับแต่ละบัญชีครั้งเดียวไม่ว่าจะ join แบบใด
การดึงค่า measure ทำผ่านฟังก์ชันตาราง GRAPH_EXPAND ที่แปลงกราฟเป็นตาราง แล้วรวมด้วย AGG() ส่วนคำถามเชิงความสัมพันธ์ เช่น บัญชีใดบ้างที่มีเงินเคลื่อนไหวในเขตหนึ่ง ใช้ GQL (Graph Query Language มาตรฐาน ISO) บนโมเดลเดียวกัน เอกสารระบุว่าอ้างถึง measure ใน GQL โดยตรงไม่ได้ ต้องผ่าน GRAPH_EXPAND
สิ่งที่เพิ่มในรุ่น GA ของ BigQuery measures
| ความสามารถ | ใช้ทำอะไร |
|---|---|
| Derived measure และนิพจน์ผสม | ประกอบตัวชี้วัดใหม่จาก measure เดิม เช่น ยอดธุรกรรมที่ยังไม่ settle = ยอดรวม − ยอดที่ settle แล้ว ระบบตรวจการอ้างวนและการรวมที่ผิดตอนคอมไพล์ schema |
start_node ใน GRAPH_EXPAND |
คิวรีหลายตาราง fact ที่ใช้มิติร่วมกัน เช่น ธุรกรรมกับบัตรเครดิตของบัญชีเดียวกัน โดยไม่เกิด chasm trap ที่ทำให้ตัวเลขพอง |
| OPTIONS ของ measure | ใส่คำอธิบาย คำพ้อง (synonyms) และ metadata อื่น เช่น หน่วยและเจ้าของตัวชี้วัด |
| Knowledge Catalog | กราฟและ measure ถูกลงรายการอัตโนมัติ ค้นด้วยภาษาธรรมชาติหรือคำพ้องได้ |
BQ.SHOW_GRAPH_EXPAND_SCHEMA |
คืน schema ของกราฟเป็น JSON โดยไม่สแกนตาราง มีธง is_measure ให้ agent รู้ว่าคอลัมน์ใดเป็นตัวชี้วัด |
| Data Studio | ตัวเชื่อม BigQuery รุ่นใหม่ต่อกราฟได้โดยตรง และคงตรรกะการรวมของ measure ไว้ |
Google Cloud ยังเชื่อม BigQuery measures เข้ากับเครื่องมืออื่น ได้แก่ graph skills ใน Data Agent Kit สำหรับเขียนนิยามด้วยภาษาธรรมชาติ, LookML derived analytic models ที่คอมไพล์ Explore และ measure ของ Looker เป็นกราฟใน BigQuery และ Conversational Analytics ที่ให้ผู้ใช้ถามตัวชี้วัดเป็นภาษาธรรมชาติ
ลูกค้ารายแรกที่ Google Cloud อ้างถึง
บล็อกอ้างคำของ Amanda Reelick หัวหน้าฝ่าย Data Enablement ของ Woolworths NZ ว่าการนิยาม measure ใน BigQuery ทำให้แดชบอร์ด Looker, conversational agent และคิวรีของทีมข้อมูลใช้ตรรกะเดียวกัน ช่วยให้ตัวเลขของผู้บริหารตรงกันและลดภาระดูแลของทีมข้อมูลได้มาก
เงื่อนไขก่อนใช้ BigQuery measures
เอกสาร BigQuery ระบุข้อจำกัดที่องค์กรควรรู้ก่อนวางแผน
- การรัน GQL ต้องใช้ on-demand pricing หรือ reservation รุ่น Enterprise / Enterprise Plus และหน้าเอกสารเตือนว่าความสามารถนี้อาจใช้ไม่ได้กับ reservation ของบาง edition
- release notes วันที่ 6 พฤศจิกายน 2026 ระบุว่าเพิ่งใช้ BigQuery Graph และ GQL กับ on-demand pricing ได้
GRAPH_EXPANDไม่รับกราฟทุกรูปแบบ ต้องดูข้อจำกัดของ input ในเอกสาร- ประกาศ GA และหน้าเอกสารที่เราเปิดดูไม่ได้ระบุค่าบริการแยกสำหรับ measure
ทำไมเรื่องนี้สำคัญ
ปัญหา "ตัวเลขยอดขายของฝ่ายการเงินกับฝ่ายขายไม่ตรงกัน" เกิดเพราะแต่ละทีมเขียนสูตรเองในเครื่องมือของตัวเอง และจะรุนแรงขึ้นเมื่อองค์กรเริ่มให้ AI agent ตอบคำถามจากข้อมูล เพราะตามที่ Google Cloud อธิบาย agent ที่ไม่มีนิยามกลางต้องเดาส่วนที่ขาดเอง ผู้ให้บริการแพลตฟอร์มข้อมูลจึงแข่งกันทำ semantic layer ที่นิยามตัวชี้วัดไว้ที่เดียว วันที่ 10 พฤศจิกายน 2026 ซึ่งเป็นวันเดียวกับที่ release notes ของ BigQuery บันทึก GA ทาง Databricks เปิดตัว Publish to Power BI ที่ส่ง Unity Catalog metric views ไปเป็น Power BI semantic model โดยแปลง measure เป็น DAX ให้อัตโนมัติ แต่ยังอยู่ในสถานะ Private Preview ก่อนหน้านี้ไม่นาน Snowflake ก็เปิดตัว Business Ontology ให้เอเจนต์ใช้นิยามที่อนุมัติแล้วในแนวทางเดียวกัน
ผลต่อองค์กรไทย
- องค์กรที่ใช้ BigQuery อยู่แล้ว เริ่มจากตัวชี้วัดที่ถูกถามบ่อยและมีปัญหานับซ้ำ เช่น จำนวนลูกค้าที่ join กับคำสั่งซื้อ แล้วย้ายนิยามมาเป็น BigQuery measures
- ตรวจรูปแบบราคาและ edition ก่อนวางแผน เพราะ GQL ใช้ได้กับ on-demand หรือ Enterprise / Enterprise Plus เท่านั้น
- ใส่คำอธิบายและคำพ้องเป็นภาษาที่ผู้ใช้เรียกจริง ใน OPTIONS เพื่อให้ทั้งคนและ agent หาตัวชี้วัดถูกตัว
- ทีมที่มี LookML อยู่แล้ว ดูทางคอมไพล์ derived analytic models เป็นกราฟ แทนการเขียนนิยามซ้ำ
- องค์กรที่ใช้หลายแพลตฟอร์ม กำหนดว่าตัวชี้วัดหลักจะอยู่ใน semantic layer ใดเป็นต้นฉบับ ก่อนที่แต่ละทีมจะนิยามซ้ำกันใน BigQuery, Databricks หรือ Power BI
ติดตามข่าวฐานข้อมูลและแพลตฟอร์มข้อมูลอื่น ๆ ได้ที่หมวดข้อมูล
บริการของ THAI DATA CLOUD ที่เกี่ยวข้อง
semantic layer ช่วยให้ตัวเลขตรงกันทั้งองค์กร แต่องค์กรไทยที่ต้องเก็บข้อมูลลูกค้าไว้ในประเทศตาม PDPA ต้องเลือกที่ตั้งของคลังข้อมูลด้วย Private Cloud ของ THAI DATA CLOUD บน Proxmox VE เก็บข้อมูลไว้ในประเทศ ราคาคงที่เป็นบาท มีทีมวิศวกรไทยดูแล 24/7 และ SLA 99.9% (THAI DATA CLOUD เป็นผู้ดำเนินงานเว็บไซต์นี้)
คำถามที่พบบ่อย
BigQuery measures คืออะไร?
BigQuery measures คือความสามารถของ BigQuery ที่ให้นิยามตัวชี้วัด เช่น ยอดรวมหรือจำนวนบัญชี ไว้ในโหนดหรือเส้นเชื่อมของ BigQuery Graph ด้วยคำสั่ง MEASURE() การรวมถูกผูกกับ KEY ของตารางนั้น จึงนับไม่เกินแม้ join แล้วแถวซ้ำ Google Cloud ประกาศเป็น GA เมื่อ 11 พฤศจิกายน 2026
BigQuery measures ช่วย AI agent อย่างไร?
Google Cloud ระบุว่าเมื่อนิยามตัวชี้วัดไว้บนกราฟเดียวกับความสัมพันธ์ของข้อมูล AI agent จะได้ทั้งตัวเลขที่องค์กรรับรองและบริบทว่าตัวเลขมาจากไหน รุ่น GA ให้ใส่คำอธิบาย คำพ้อง และ metadata ใน OPTIONS และค้นหา measure ได้ใน Knowledge Catalog จึงช่วยลดการเดาความหมายจากชื่อคอลัมน์
ต้องใช้ BigQuery รุ่นไหนจึงจะใช้ BigQuery measures ได้?
เอกสารของ BigQuery ระบุว่าการรัน GQL ต้องใช้ on-demand pricing หรือ reservation รุ่น Enterprise หรือ Enterprise Plus และเตือนว่าความสามารถนี้อาจใช้ไม่ได้กับ reservation ของบาง edition องค์กรที่ใช้ Standard edition จึงควรตรวจเงื่อนไขก่อนวางแผน
BigQuery measures ต่างจาก metric views ของ Databricks อย่างไร?
ทั้งสองเป็นวิธีนิยามตัวชี้วัดครั้งเดียวให้หลายเครื่องมือใช้ BigQuery measures นิยามไว้บน BigQuery Graph และเป็น GA แล้ว ส่วน Databricks นิยามใน Unity Catalog metric views และเพิ่งประกาศการส่งไป Power BI semantic model ในสถานะ Private Preview เมื่อ 10 พฤศจิกายน 2026
แหล่งอ้างอิง
- BigQuery measures is now GA: Unifying BI metrics and knowledge graphs for AI accuracy — Google Cloud Blog
- BigQuery release notes — Google Cloud Documentation
- Work with measures — Google Cloud Documentation
- Unity Catalog Metric Views, now in Power BI: one unified, governed semantic layer for all your reporting and AI — Databricks Blog
บุคคล องค์กร และสถานที่ในข่าวนี้
เลือกชื่อเพื่ออ่านข่าวทั้งหมดที่กล่าวถึง ตัวเลขคือจำนวนข่าว
- องค์กรและบริษัท
- Google Cloud106Databricks20Snowflake14
- ประเทศและสถานที่
- สหรัฐอเมริกา719
- ผลิตภัณฑ์และเทคโนโลยี
- BigQuery15Knowledge Catalog2Unity Catalog10Power BI7Proxmox VE26
- กฎหมายและมาตรฐาน
- PDPA308
พบข้อมูลคลาดเคลื่อน? แจ้งกองบรรณาธิการ