Analisar com a tela de dados do BigQuery

Tela de dados do BigQuery Studio, que é um recurso do Gemini no BigQuery, permite encontrar, transformar, consultar e visualizar dados usando comandos em idiomas naturais e uma interface gráfica para fluxos de trabalho de análise.

Para fluxos de trabalho de análise, a tela de dados do BigQuery usa um gráfico acíclico dirigido (DAG), que fornece uma visão gráfica do fluxo de trabalho. Na tela de dados do BigQuery, é possível iterar os resultados da consulta e trabalhar com várias ramificações de pesquisa em um único lugar.

A tela de dados do BigQuery foi projetada para acelerar as tarefas de análise e ajudar profissionais de dados, como analistas e engenheiros de dados, com seus jornada de dados para insights. Não é necessário ter conhecimento técnico de ferramentas específicas, apenas familiaridade básica com a leitura e a gravação de SQL. A tela de dados do BigQuery funciona com os metadados do Dataplex para identificar tabelas apropriadas com base na linguagem natural.

A tela de dados do BigQuery não é destinada ao uso direto por usuários empresariais.

A tela de dados do BigQuery usa o Gemini no BigQuery para encontrar seus dados, criar SQL, gerar gráficos e criar resumos de dados.

Saiba como e quando o Gemini do Google Cloud usa seus dados.

Recursos

Com a tela de dados do BigQuery, é possível realizar as seguintes tarefas:

Use consultas de linguagem natural ou a sintaxe de pesquisa por palavras-chave com metadados do Dataplex para encontrar recursos como tabelas, visualizações ou visualizações materializadas.
Use linguagem natural para consultas SQL básicas, como as seguintes:
- Consultas que contêm cláusulas FROM, funções matemáticas, matrizes e structs.
- Operações JOIN para duas tabelas.
Visualize dados usando os seguintes tipos de gráficos:
- Gráfico de barras
- Mapa de calor
- Gráfico de linhas
- Gráfico de pizza
- Gráfico de dispersão
Crie visualizações personalizadas usando linguagem natural para descrever o que você quer.
Automatize os insights de dados.

Limitações

Os comandos de linguagem natural podem não funcionar bem com:
- BigQuery ML
- Apache Spark
- Tabelas de objetos
- BigLake
- INFORMATION_SCHEMA visualizações
- JSON
- Campos aninhados e repetidos
- Funções e tipos de dados complexos, como DATETIME e TIMEZONE
As visualizações de dados não funcionam com gráficos de mapa geográfico.

Práticas recomendadas para a solicitação

Com as técnicas de comandos corretas, é possível gerar consultas SQL complexas. O as sugestões abaixo ajudam a tela de dados do BigQuery a refinar de idiomas para aumentar a precisão das consultas:

Escreva com clareza. Faça seu pedido de forma clara e evite ser vago.
Faça perguntas diretas. Para uma resposta mais precisa, faça uma pergunta por vez e mantenha as instruções concisas. Se necessário, separe as instruções em diferentes nós na tela de dados do BigQuery.
Dê instruções focadas e explícitas. Enfatize termos-chave na sua comandos.
Especificar a ordem das operações. Dê instruções de forma clara de forma ordenada. Divida as tarefas em etapas pequenas e focadas.
Refine e itere. Teste frases e abordagens diferentes para saber produz os melhores resultados.

Para mais informações, consulte Práticas recomendadas de comandos para a tela de dados do BigQuery.

Antes de começar

Verifique se o Gemini no BigQuery está ativado para seu projeto do Google Cloud. Geralmente, essa etapa é realizada por um administrador.
Verifique se você tem as permissões necessárias de Identity and Access Management (IAM) para usar a tela de dados do BigQuery.

Funções exigidas

Para receber as permissões necessárias para usar a tela de dados do BigQuery, peça ao administrador para conceder a você os seguintes papéis do IAM no projeto:

Usuário do BigQuery Studio (roles/bigquery.studioUser)
Cloud AI Companion User (roles/cloudaicompanion.user)

Para mais informações sobre a concessão de papéis, consulte Gerenciar o acesso a projetos, pastas e organizações.

Também é possível conseguir as permissões necessárias por meio de papéis personalizados ou de outros papéis predefinidos.

Para mais informações sobre os papéis e as permissões do IAM no BigQuery, consulte Introdução ao IAM.

Usar a tela de dados do BigQuery

É possível usar a tela de dados do BigQuery no console do Google Cloud, em uma consulta ou em uma tabela.

Acessar a página do BigQuery.

Ir para o BigQuery
No editor de consultas, ao lado de Consulta SQL, clique em Criar novo e, em seguida, em Tela de dados.
No campo de solicitação de linguagem natural, insira uma solicitação de linguagem natural.

Por exemplo, se você inserir Find me tables related to trees, a tela de dados do BigQuery retornará uma lista de tabelas possíveis, incluindo conjuntos de dados públicos, como bigquery-public-data.usfs_fia.plot_tree ou bigquery-public-data.new_york_trees.tree_species.
Selecione uma tabela.

Um nó para a tabela selecionada foi adicionada à tela de dados do BigQuery. Para acessar informações do esquema, detalhes da tabela ou visualizar os dados, selecione as várias guias no nó da tabela.

Testar exemplos de fluxos de trabalho

Confira nesta seção diferentes maneiras de usar a tela de dados do BigQuery em fluxos de trabalho de análise.

Exemplo de fluxo de trabalho: encontrar, consultar e visualizar dados

Neste exemplo, você usa comandos de linguagem natural na tela de dados do BigQuery para encontrar dados e gerar e editar uma consulta. Depois, você vai criar um gráfico.

Comando 1: Encontrar dados

No Console do Google Cloud, acesse a página BigQuery.

Ir para o BigQuery
No editor de consultas, ao lado de Consulta SQL, clique em Criar novo e, em seguida, em Tela de dados.
No campo de solicitação Natural Language, insira o seguinte comando:
```
Chicago taxi trips
```
A tela de dados do BigQuery gera uma lista de possíveis tabelas com base nos metadados do Dataplex. É possível selecionar várias tabelas.
Selecione a tabela bigquery-public-data.chicago_taxi_trips.taxi_trips e, em seguida, clique em Adicionar à tela.

Um nó da tabela para taxi_trips foi adicionada à tela de dados do BigQuery. Para acessar informações do esquema, detalhes da tabela ou visualizar os dados, selecione as várias guias no nó da tabela.

Comando 2: gerar uma consulta SQL na tabela selecionada

Para gerar uma consulta SQL para a tabela bigquery-public-data.chicago_taxi_trips.taxi_trips, faça o seguinte:

Na tela de dados, clique em Consulta.

No campo de comando Natural Language, digite o seguinte código:

Get me the 100 longest trips

A tela de dados do BigQuery gera uma consulta SQL semelhante à seguinte:

SELECT
  taxi_id,
  trip_start_timestamp,
  trip_end_timestamp,
  trip_miles
FROM
  `bigquery-public-data.chicago_taxi_trips.taxi_trips`
ORDER BY
  trip_miles DESC
LIMIT
  100;

Comando 3: editar a consulta

Se quiser editar a consulta gerada, é possível editá-la manualmente ou alterar o comando de linguagem natural e gerar a consulta novamente. Neste exemplo, você usa um comando de linguagem natural para editar a consulta e selecionar apenas viagens em que o cliente pagou com dinheiro.

No campo de comando Natural Language, digite o seguinte código:

Get me the 100 longest trips where the payment type is cash

A tela de dados do BigQuery gera uma consulta SQL semelhante à seguinte:

SELECT
  taxi_id,
  trip_start_timestamp,
  trip_end_timestamp,
  trip_miles
FROM
  `PROJECT_ID.chicago_taxi_trips_123123.taxi_trips`
WHERE
  payment_type = 'Cash'
ORDER BY
  trip_miles DESC
LIMIT
  100;

No exemplo anterior, PROJECT_ID é o ID do seu projeto do Google Cloud.

Para ver os resultados da consulta, clique em Executar.

Crie um gráfico

Na tela de dados, clique em Visualizar.
Clique em Criar gráfico de barras.

A tela de dados do BigQuery cria um gráfico de barras que mostra o maior número de milhas por ID da viagem. Além de fornecer um gráfico, a tela de dados do BigQuery resume alguns dos principais detalhes dos dados que apoiam a visualização.
(Opcional) Fazer uma ou mais das seguintes ações:
- Para modificar o gráfico, clique em Editar e acesse o gráfico no painel Editar visualização.
- Para compartilhar a tela de dados, clique em Compartilhar e, em seguida, em Compartilhar link para copiar o link da tela de dados do BigQuery.
- Para limpar a tela de dados, selecione more_vert Mais ações e selecione more_vert Limpar tela. Esta etapa resulta em uma tela em branco.

Exemplo de fluxo de trabalho: mesclar tabelas

Neste exemplo, são usados comandos de linguagem natural na tela de dados do BigQuery para encontrar dados e mesclar tabelas. Em seguida, você vai exportar uma consulta como um notebook.

Comando 1: Encontrar dados

No campo de solicitação Natural Language, digite o seguinte comando:
```
Information about trees
```
A tela de dados do BigQuery sugere várias tabelas com informações sobre árvores.
Neste exemplo, selecione a tabela bigquery-public-data.new_york_trees.tree_census_1995 e clique em Adicionar à tela.

A tabela é exibida na tela.

Comando 2: mesclar as tabelas nos endereços

Na tela de dados, clique em Mesclar.

A tela de dados do BigQuery sugere tabelas a serem mescladas.
Para abrir um novo campo de comando da Natural Language, clique em Pesquisar tabelas.
No campo de solicitação Natural Language, digite o seguinte comando:
```
Information about trees
```
Selecione a tabela bigquery-public-data.new_york_trees.tree_census_2005 e clique em Adicionar à tela.

A tabela é exibida na tela.
Na tela de dados, clique em Mesclar.
Na seção Nesta tela, marque a caixa de seleção Célula da tabela e clique em OK.

No campo de solicitação Natural Language, digite o seguinte comando:

Join on address

A tela de dados do BigQuery propõe a consulta SQL para unir essas duas tabelas nos endereços delas.

SELECT
  *
FROM
  `bigquery-public-data.new_york_trees.tree_census_2015` AS t2015
JOIN
  `bigquery-public-data.new_york_trees.tree_census_1995` AS t1995
ON
  t2015.address = t1995.address;

Para executar a consulta e ver os resultados, clique em Executar.

Exportar consulta como um notebook

A tela de dados do BigQuery permite exportar suas consultas como um notebook.

Na tela de dados, clique em Exportar como notebook.
No painel Salvar notebook, insira o nome do notebook e a região em que você quer salvá-lo.
Clique em Salvar. O notebook foi criado.
Opcional: para acessar o notebook criado, clique em Abrir.

Exemplo de fluxo de trabalho: editar um gráfico usando um comando

Neste exemplo, você usa comandos de linguagem natural na tela de dados do BigQuery para encontrar, consultar e filtrar dados e, em seguida, editar os detalhes da visualização.

Comando 1: Encontrar dados

Para encontrar dados sobre nomes nos EUA, insira o seguinte comando:
```
Find data about USA names
```
A tela de dados do BigQuery gera uma lista de tabelas.
Neste exemplo, selecione a tabela bigquery-public-data.usa_names.usa_1910_current e clique em Adicionar à tela.

Comando 2: consultar os dados

Para consultar os dados, na tela de dados, clique em Consulta e insira o seguinte comando:
```
Summarize this data
```
A tela de dados do BigQuery gera uma consulta semelhante à seguinte:
```
SELECT
  state,
  gender,
  year,
  name,
  number
FROM
  `bigquery-public-data.usa_names.usa_1910_current`
```
Clique em Executar. Os resultados da consulta são exibidos.

Comando 3: filtrar os dados

Na tela de dados, clique em Consultar estes resultados.

Para filtrar os dados, no campo de comando SQL, digite este comando:

Get me the top 10 most popular names in 1980

A tela de dados do BigQuery gera uma consulta semelhante à seguinte:

SELECT
  name,
  SUM(number) AS total_count
FROM
  `bigquery-public-data`.usa_names.usa_1910_current
WHERE
  year = 1980
GROUP BY
  name
ORDER BY
  total_count DESC
LIMIT
  10;

Ao executar a consulta, você recebe uma tabela com os dez nomes mais comuns de crianças nascidas em 1980.

Criar e editar um gráfico

Na tela de dados, clique em Visualizar.

A tela de dados do BigQuery sugere várias opções de visualização, incluindo gráfico de barras, de pizza, de linhas e visualização personalizada.
Neste exemplo, clique em Criar gráfico de barras.

A tela de dados do BigQuery cria um gráfico de barras semelhante ao seguinte:

Além de fornecer um gráfico, a tela de dados do BigQuery resume alguns dos principais detalhes dos dados que apoiam a visualização. Para modificar o gráfico, clique em Detalhes da visualização e edite o gráfico no painel lateral.

Comando 4: editar os detalhes da visualização

No campo de solicitação Visualização, digite o seguinte código:
```
Create a bar chart sorted high to low, with a gradient
```
A tela de dados do BigQuery cria um gráfico de barras semelhante ao seguinte:
Opcional: para fazer outras mudanças, clique em Editar.

O painel Editar visualização vai aparecer. Você pode editar detalhes como o título do gráfico, nome do eixo x e nome do eixo y. Além disso, se você clicar na guia JSON Editor, poderá editar o gráfico diretamente com base nos valores JSON.

Preços

Para saber mais sobre os preços desse recurso, consulte Visão geral dos preços do Gemini no BigQuery.

Cotas e limites

Para informações sobre cotas e limites desse recurso, consulte Cotas do Gemini no BigQuery.

Enviar feedback

Ajude a melhorar as sugestões de telas de dados do BigQuery enviando feedback ao Google. Para enviar feedback, faça o seguinte:

Na barra de ferramentas do console do Google Cloud, clique em Enviar feedback.
Opcional: para copiar as informações JSON do DAG e fornecer mais contexto ao seu feedback, clique em Copiar.
Para preencher o formulário e enviar feedback, clique em formulário.

As configurações de compartilhamento de dados se aplicam a todo o projeto e só podem ser definidas por um administrador com as permissões de IAM serviceusage.services.enable e serviceusage.services.list. Para mais informações sobre o uso de dados no programa Trusted Tester, consulte Gemini no programa Trusted Tester do Google Cloud.

Para enviar feedback direto sobre esse recurso, envie um e-mail para datacanvas-feedback@google.com.

A seguir

Saiba como escrever consultas com a assistência do Gêmeos.
Saiba como criar notebooks.