The Home Depot （THD）是全球最大的家居建材连锁店，四十年间已发展到超过2200家门店和70万种产品。这很大程度上的成功源于数据分析。这包括制定销售预测、通过供应链网络补充库存以及提供及时的绩效评分卡。

然而，为了在当今商业世界中竞争，THD将这种数据驱动的方法提升到了谷歌云上全新的成功高度，提供了传统技术难以实现的功能。

推动大量工作的当代增长压力对许多企业来说都很熟悉。除了所有工作外，THD还需要更好地整合相关业务中的复杂性，比如工具租赁和家庭服务。它需要更好地赋能团队，包括快速增长的数据分析团队和拥有移动设备的店员。它希望更好地利用在线商务和人工智能满足客户需求，同时保持更好的安全性。

甚至在应对这些新挑战之前，THD现有的本地数据仓库就面临压力，因为分析需要更多数据，数据分析师也在利用这些数据，应用场景日益复杂。这推动了数据仓库的快速增长，但也给团队带来了管理优先级、性能和成本的持续挑战。

为了增加环境容量，这是一项重大的规划、架构和测试工作。其中一个案例中，增加本地容量花费了六个月的规划和三天的服务中断。不到一年，产能再次紧张，影响了性能和执行所有报告和分析工作负载的能力。容量刷新周期在缩短，数据需求却在增长。一定有更好的办法。

不过，THD对向云端的转变并不轻率。大规模企业数据仓库迁移需要人员、流程和技术的巨大努力。经过深思熟虑，THD选择了Google Cloud的BigQuery作为其云企业数据仓库。

BigQuery是一个可扩展的无服务器数据仓库，在成本、基础设施灵活性和分析能力方面表现更佳，带来了更优质的洞察和更好的性能。新增容量时不会中断服务，且容量可以在一周内（甚至当天）完成。它不需要复杂的系统管理，且其标准SQL支持意味着人们可以轻松快速升级。像身份和访问管理这样的宝贵BigQuery产品意味着THD可以创建多个独立的Google Cloud项目，同时确保不同团队之间不会互相干扰或访问受保护的数据。

THD还采用BigQuery的固定月费定价模式，允许团队根据需求预算容量，并提供账单可预测性。某个项目未使用的容量可用于企业使用。这确保了月度账单到账时不会有意外，并为所有分析用户提供可观的计算能力。

THD的遗留数据仓库包含450TB的数据，而BigQuery的企业级数据仓库则超过15PB。这意味着通过利用网站点击流数据等新数据集，以及分析额外多年的数据，做出更好的决策。

至于表现，请看这张图表：