3ページ目。Google BigQueryの公式リリースノートと公式ブログを378件掲載。最新は2026年10月10日のGoogle BigQuery「Alteryx Live QueryとBigQuery、請求書PDFの抽出・照合を自動化」。新機能、仕様変更、運用影響を確認できます。

2026年10月10日(土)

Google BigQuery / 公式ブログ / 2026/10/10 / 通常Alteryx Live QueryとBigQuery、請求書PDFの抽出・照合を自動化

• ブラウザーで作成したワークフローの変換・照合をBigQueryへSQLで委譲
• Cloud Storageの請求書PDFからGeminiやDocument AIで項目を抽出し、既存請求履歴と比較
• Alteryxのサービスが処理を調整し、結果をBigQueryへ保存する構成と監査可能性を紹介

Modernizing Unstructured Data Workflows: Alteryx Live Query meets Google Cloud BigQueryGoogle BigQuery 公式ブログで原文を確認 ↗

2026年10月9日(金)

Google BigQuery / リリースノート / 2026/10/09 / 通常BigQuery Data Engineering Agent、東京エンドポイントを一般提供

• Data Engineering Agentが東京リージョンのエンドポイントに対応
• リージョン指定にはasia-northeast1を使用し、gemini-3.5-flashをサポート
• 東京エンドポイントでの対応はプレビューではなく一般提供

The BigQuery Data Engineering Agent is now available in the asia-northeast1 (Tokyo) regional endpoint and supports the gemini-3.5-flash model. For more information, see Where Gemini in BigQuery processes your data . This feature is Generally Available (GA).Google BigQuery 公式リリースノートで原文を確認 ↗

Google BigQuery / リリースノート / 2026/10/09 / 通常BigQuery Lakehouse、Delta Lake・IcebergのCDC取り込みをプレビュー

• Delta LakeとApache Icebergの変更ログをLakehouseのIcebergテーブルへ同期する機能をプレビュー提供
• 挿入・更新・削除のトランザクションログをDataflowで処理
• Delta Lakeはバッチ処理、Icebergはバッチとストリーミング処理に対応

Lakehouse now supports change data capture (CDC) ingestion from Delta Lake and Apache Iceberg tables ( Preview ). You can now synchronize CDC transaction logs (inserts, updates, deletes) from Delta Lake and Apache Iceberg tables into Lakehouse Apache Iceberg tables using Dataflow batch jobs (for Delta Lake) or batch and streaming jobs (for Apache Iceberg). For more information, see Migrate Delta Lake CDC data into Lakehouse using Dataflow and Migrate Apache Iceberg CDC data into Lakehouse using Dataflow .Google BigQuery 公式リリースノートで原文を確認 ↗

2026年10月7日(水)

Google BigQuery / リリースノート / 2026/10/07 / 通常BigQuery、TimesFM 3.0による多変量時系列予測をプレビュー

• 組み込みTimesFM 3.0をプレビュー提供し、AI.FORECASTで共変量を使う多変量予測に対応
• AI.EVALUATEとAI.DETECT_ANOMALIESでは単変量の評価・異常検出に対応
• BigQueryの会話型分析からも各関数でTimesFM 3.0を利用可能

BigQuery offers TimesFM 3.0 , a built-in time series forecasting model that implements Google Research's open source TimesFM model. You can use TimesFM 3.0 with the following functions: Use AI.FORECAST to perform time series forecasting. In addition to univariate forecasting, you can now perform multivariate forecasting that predicts values for multiple time series based on historical values and additional covariates. Use AI.EVALUATE to perform univariate time series evaluation. Use AI.DETECT_ANOMALIES to perform univariate time series anomaly detection. Conversational analytics in BigQuery also supports using TimesFM 3.0 with these functions. To try using the TimesFM 3.0 model for multivariate forecasting with the AI.FORECAST function, see Forecast a single time series with a TimesFM multivariate model and Forecast multiple time series with a TimesFM multivariate model . The TimesFM 3.0 model is in Preview .Google BigQuery 公式リリースノートで原文を確認 ↗

2026年10月6日(火)

Google BigQuery / リリースノート / 2026/10/06 / 通常BigQueryの対話型分析、AI.CAUSAL_EFFECTをプレビュー対応

• 対話型分析でAI.CAUSAL_EFFECTを利用する機能をプレビュー提供
• 介入後の実測値と、介入がなかった場合の予測を比較し、時系列への影響を定量化
• 入力には介入前後のデータが必要。ARIMA_PLUSで反実仮想の基準を推定し、対照系列は不要

Conversational analytics in BigQuery now supports the AI.CAUSAL_EFFECT function to quantify the impact of specific interventions on time series data. This feature is in Preview .Google BigQuery 公式リリースノートで原文を確認 ↗

2026年10月5日(月)

Google BigQuery / リリースノート / 2026/10/05 / 通常BigQuery、gemini-embedding-2を一般提供

• 長い文字列や多言語・非構造化データの埋め込みに対応するgemini-embedding-2を一般提供
• テキスト・画像・音声・動画・PDFの組み合わせをサポート
• AI.EMBED・AI.SIMILARITY・AI.GENERATE_EMBEDDINGから利用可能

The gemini-embedding-2 model works well for embedding long strings, including multilingual and unstructured data. It supports a mix of text, images, audio, video, and PDF files. You can use this model in the AI.EMBED , AI.SIMILARITY , and AI.GENERATE_EMBEDDING functions. This model is generally available .Google BigQuery 公式リリースノートで原文を確認 ↗

Google BigQuery / リリースノート / 2026/10/05 / 通常BigQuery、Icebergテーブルの柔軟な列名を一般提供

• Icebergの外部テーブルとマネージドテーブルで柔軟な列名を既定でサポートし、一般提供
• 英語以外の文字や追加の記号を列名に使用可能
• legacy SQLには非対応で、GoogleSQLを使用

Iceberg external tables and Iceberg managed tables now support flexible column names by default. This feature is generally available (GA).Google BigQuery 公式リリースノートで原文を確認 ↗

2026年10月2日(金)

Google BigQuery / リリースノート / 2026/10/02 / 通常BigQuery Data Engineering Agent、gemini-3.7-flashに対応

• Data Engineering Agentがgemini-3.7-flashに対応
• us・eu・globalの複数リージョンで利用可能
• データエンジニアリング用モデルの選択肢を拡張

Feature The Data Engineering Agent now supports the gemini-3.7-flash model for the us , eu , and global multi-regional endpoints.Google BigQuery 公式リリースノートで原文を確認 ↗

Google BigQuery / リリースノート / 2026/10/02 / 通常BigQueryのRust SDKが一般提供に

• BigQuery向けRust SDKが一般提供
• RustアプリからのBigQuery利用が対象
• プレビューから正式提供へ移行

Feature The Rust SDK for BigQuery is now generally available (GA).Google BigQuery 公式リリースノートで原文を確認 ↗

2026年10月1日(木)

Google BigQuery / リリースノート / 2026/10/01 / 通常BigQuery pipelines、メタデータ拡充とKnowledge Catalogの品質スコアカードを統合

• パイプラインのメタデータ拡充を自動化
• Knowledge Catalogの品質スコアカードを統合
• 意味情報の生成を含む機能が一般提供

BigQuery pipelines provides support for automated metadata enrichment and Knowledge Catalog data quality scorecard integration. In addition, the Data Engineering Agent can proactively generate semantic metadata for your pipeline assets. For more information, see Metadata enrichment and data quality scorecard integration . These features are generally available .Google BigQuery 公式リリースノートで原文を確認 ↗