Analise dados com a ajuda do Gemini

Este tutorial descreve como pode usar a assistência com tecnologia de IA no Gemini no BigQuery para analisar dados.

Para o exemplo neste tutorial, considere que é um analista de dados que precisa de analisar e prever as vendas de produtos a partir de um conjunto de dados.

Este tutorial pressupõe que tem conhecimentos de SQL e tarefas básicas de análise de dados. Não se assume o conhecimento dos Google Cloud produtos. Se for a primeira vez que usa o BigQuery, consulte os inícios rápidos do BigQuery.

Objetivos

• Use o Gemini no BigQuery para responder a perguntas sobre como o BigQuery processa tarefas específicas de análise de dados.
• Peça ao Gemini no BigQuery para encontrar conjuntos de dados, explicar e gerar consultas SQL.
• Crie um modelo de aprendizagem automática (AA) para prever períodos futuros.

Custos

Este tutorial usa os seguintes produtos faturáveis Google Cloud :

• BigQuery
• BigQuery ML

Para estimar os seus custos com base na utilização prevista, use a calculadora de preços.

Antes de começar

1. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Roles required to select or create a project

   • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
   • Create a project: To create a project, you need the Project Creator (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.
   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

2. Certifique-se de que o Gemini no BigQuery está configurado para o seu projeto. Google Cloud

3. Na Google Cloud consola, aceda à página BigQuery.

   Aceda ao BigQuery

4. Crie um conjunto de dados com o nome bqml_tutorial. Usa o conjunto de dados para armazenar objetos de base de dados, incluindo tabelas e modelos.

5. Para ativar as funcionalidades do Gemini no BigQuery necessárias para concluir este tutorial, na barra de ferramentas do BigQuery, clique em pen_spark Gemini e, de seguida, selecione as seguintes opções:

   • Preenchimento automático
   • Geração automática
   • Explicação

Saiba mais sobre as capacidades do BigQuery

Antes de começar, considere que quer saber mais sobre como o BigQuery processa as consultas de dados. Para receber ajuda, pode enviar ao Gemini no BigQuery uma declaração em linguagem natural (ou um comando) como a seguinte:

• "Como posso começar a usar o BigQuery?"
• "Quais são as vantagens de usar o BigQuery para a análise de dados?"
• "Como é que o BigQuery processa o dimensionamento automático de consultas?"

O Gemini no BigQuery também pode fornecer informações sobre como analisar os seus dados. Para esse tipo de ajuda, pode enviar comandos como os seguintes:

• "Como posso criar um modelo de previsão de séries cronológicas no BigQuery?"
• "Como posso carregar diferentes tipos de dados para o BigQuery?"

Aceda e analise dados

Como tecnologia em fase inicial, o Gemini para produtos Google Cloud pode gerar resultados que parecem plausíveis, mas que estão factualmente incorretos. Recomendamos que valide todas as saídas do Gemini para Google Cloud produtos antes de as usar. Para mais informações, consulte o artigo Gemini para Google Cloud e IA responsável.

O Gemini no BigQuery pode ajudar a saber a que dados pode aceder para análise e como analisar esses dados.

Para este exemplo, considere que precisa de ajuda com o seguinte:

• Encontrar o conjunto de dados de vendas e as tabelas para analisar.
• Saber como as tabelas de dados e as consultas estão relacionadas num conjunto de dados de vendas.
• Compreender consultas complexas e escrever consultas que usam o conjunto de dados.

Encontre dados

Antes de poder consultar dados, tem de saber a que dados pode aceder. Cada produto de dados organiza e armazena os dados de forma diferente.

Para receber ajuda, pode enviar ao Gemini no BigQuery um comando como "Como posso saber que conjuntos de dados e tabelas estão disponíveis para mim no BigQuery?"

1. Na Google Cloud consola, aceda à página BigQuery.

   Aceda ao BigQuery

2. Na Google Cloud barra de ferramentas da consola, clique em spark Abrir ou fechar chat do Gemini Cloud Assist.

3. No painel Cloud Assist, introduza o comando How do I learn which datasets and tables are available to me in BigQuery?.

4. Clique em send Enviar comando.

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

   A resposta inclui várias formas de listar projetos, conjuntos de dados ou tabelas num conjunto de dados.

5. Opcional: para repor o histórico do chat, no painel Cloud Assist, clique em delete Limpar chat e, de seguida, clique em Repor chat.

   Nota: o estado do histórico do chat é mantido apenas na memória e não persiste quando muda para outro espaço de trabalho ou quando fecha a Google Cloud consola.

Compreenda e escreva SQL no BigQuery

Para este exemplo, vamos assumir que selecionou dados para analisar e que agora quer consultar esses dados. O Gemini no BigQuery pode ajudar a trabalhar com SQL, quer seja para ajudar a compreender consultas complexas e difíceis de analisar, ou para gerar novas consultas SQL.

Peça assistência ao Gemini para explicar consultas SQL

Considere que quer compreender uma consulta complexa escrita por outra pessoa. O Gemini no BigQuery pode explicar a consulta em linguagem simples, como a sintaxe da consulta, o esquema subjacente e o contexto empresarial.

1. Na Google Cloud consola, aceda à página BigQuery.

   Aceda ao BigQuery

2. No editor de consultas, abra ou cole a consulta que quer que seja explicada. Por exemplo:

   SELECT
     u.id AS user_id,
     u.first_name,
     u.last_name,
     avg(oi.sale_price) AS avg_sale_price
   FROM `bigquery-public-data.thelook_ecommerce.users` AS u
   JOIN `bigquery-public-data.thelook_ecommerce.order_items` AS oi
     ON u.id = oi.user_id
   GROUP BY 1, 2, 3
   ORDER BY avg_sale_price DESC
   LIMIT 10
   

3. Realce a consulta e, de seguida, clique em auto_awesome Explicar esta consulta selecionada.

   No painel Cloud Assist, é devolvida uma resposta semelhante à seguinte:

   The intent of this query is to find the top 10 users by average sale price.
   The query first joins the users and order_items tables on the user_id
   column. It then groups the results by user_id, first_name, and last_name,
   and calculates the average sale price for each group. The results are then
   ordered by average sale price in descending order, and the top 10 results
   are returned.
   

Gere uma consulta SQL que agrupa as vendas por dia e produto

Neste exemplo, quer gerar uma consulta que liste os seus principais produtos para cada dia. Em seguida, usa tabelas no conjunto de dados thelook_ecommerce e pede ao Gemini no BigQuery para gerar uma consulta para calcular as vendas por artigo da encomenda e por nome do produto.

Este tipo de consulta é frequentemente complexo, mas, ao usar o Gemini no BigQuery, pode criar automaticamente uma declaração. Pode fornecer um comando para gerar uma consulta SQL com base no esquema dos seus dados. Mesmo que comece sem código, com um conhecimento limitado do esquema de dados ou apenas com um conhecimento básico da sintaxe SQL, a assistência do Gemini pode sugerir uma ou mais declarações SQL.

Para pedir ao Gemini no BigQuery que gere uma consulta que liste os seus principais produtos, siga estes passos:

1. Na Google Cloud consola, aceda à página BigQuery.

   Aceda ao BigQuery

2. No menu de navegação, clique em Studio.

3. Clique em Consulta SQL. O painel Explorador carrega automaticamente a base de dados selecionada.

4. No editor de consultas, introduza o seguinte comando e, de seguida, prima Enter:

   # select the sum of sales by date and product casted to day from bigquery-public-data.thelook_ecommerce.order_items joined with bigquery-public-data.thelook_ecommerce.products
   

   O caráter cardinal (#) pede ao Gemini no BigQuery para gerar SQL. O Gemini no BigQuery sugere uma consulta SQL semelhante à seguinte:

   SELECT
     sum(sale_price),
     DATE(created_at),
     product_id
   FROM
     `bigquery-public-data.thelook_ecommerce.order_items`
       AS t1
   INNER JOIN `bigquery-public-data.thelook_ecommerce.products` AS t2
     ON t1.product_id = t2.id
   GROUP BY 2, 3
   

   Nota: o Gemini no BigQuery pode sugerir várias declarações SQL para o seu comando.

5. Para aceitar o código sugerido, clique em Tab e, de seguida, clique em Executar para executar a declaração SQL. Também pode percorrer o SQL sugerido e aceitar palavras específicas sugeridas na declaração.

6. No painel Resultados da consulta, veja os resultados da consulta.

Crie um modelo de previsão e veja os resultados

Neste exemplo, usa o BigQuery ML para fazer o seguinte:

• Use uma consulta de tendências para criar um modelo de previsão.
• Use o Gemini no BigQuery para explicar e ajudar a escrever uma consulta para ver os resultados do modelo de previsão.

Usa a seguinte consulta de exemplo com vendas reais, que são usadas como entrada para o modelo. A consulta é usada como parte da criação do modelo de ML.

1. Para criar um modelo de AA de previsão, no editor de consultas, execute a seguinte consulta SQL:

   CREATE MODEL bqml_tutorial.sales_forecasting_model
     OPTIONS (
       MODEL_TYPE = 'ARIMA_PLUS',
       time_series_timestamp_col = 'date_col',
       time_series_data_col = 'total_sales',
       time_series_id_col = 'product_id')
   AS
   SELECT
     sum(sale_price) AS total_sales,
     DATE(created_at) AS date_col,
     product_id
   FROM
     `bigquery-public-data.thelook_ecommerce.order_items`
       AS t1
   INNER JOIN `bigquery-public-data.thelook_ecommerce.products` AS t2
     ON t1.product_id = t2.id
   GROUP BY 2, 3;
   

   Pode usar o Gemini no BigQuery para ajudar a compreender esta consulta.

   Nota: enquanto o modelo está em execução, também pode pedir ao Gemini no BigQuery no painel Cloud Assist com perguntas como What is an ARIMA_PLUS model type?

   Quando o modelo é criado, o separador Resultados do painel Resultados da consulta apresenta uma mensagem semelhante à seguinte:

   Successfully created model named sales_forecasting_model.
   

2. No painel Cloud Assist, introduza um comando para o Gemini no BigQuery para ajudar a escrever uma consulta para obter uma previsão do modelo quando estiver concluída. Por exemplo, introduza How can I get a forecast in SQL from the model?

   Com base no contexto do comando, a resposta inclui um exemplo de um modelo de ML que prevê as vendas:

   SELECT
     *
   FROM
     ML.FORECAST(
       MODEL `PROJECT_ID.bqml_tutorial.sales_forecasting_model`,
       STRUCT(
         7 AS horizon,
         0.95 AS confidence_level))
   

   Nesta resposta, PROJECT_ID é o seu Google Cloud projeto.

   Nota: o Gemini no BigQuery usa o contexto da sessão de chat para ajudar a responder a perguntas na mesma sessão.

3. No painel Cloud Assist, copie a consulta SQL.

4. No editor de consultas, execute a consulta SQL.

Limpar

Para evitar incorrer em custos na sua Google Cloud conta pelos recursos usados neste tutorial, pode eliminar o Google Cloud projeto que criou para este tutorial. Em alternativa, pode eliminar os recursos individuais.

Eliminar projeto

Atenção: a eliminação de um projeto tem os seguintes efeitos:

• Tudo no projeto é eliminado. Se usou um projeto existente para as tarefas neste documento, quando o elimina, também elimina qualquer outro trabalho que tenha feito no projeto.
• Os IDs dos projetos personalizados são perdidos. Quando criou este projeto, pode ter criado um ID do projeto personalizado que quer usar no futuro. Para preservar os URLs que usam o ID do projeto, como um URL appspot.com, elimine os recursos selecionados no projeto em vez de eliminar o projeto inteiro.

Se planeia explorar várias arquiteturas, tutoriais ou inícios rápidos, a reutilização de projetos pode ajudar a evitar exceder os limites de quota de projetos.

1. In the Google Cloud console, go to the Manage resources page.

   Go to Manage resources

2. In the project list, select the project that you want to delete, and then click Delete.
3. In the dialog, type the project ID, and then click Shut down to delete the project.

Elimine o conjunto de dados

A eliminação do projeto remove todos os conjuntos de dados e todas as tabelas no projeto. Se preferir reutilizar o projeto, pode eliminar o conjunto de dados que criou neste tutorial.

1. Na Google Cloud consola, aceda à página BigQuery.

   Aceda ao BigQuery

2. No menu de navegação, selecione o conjunto de dados bqml_tutorial que criou.

3. Para eliminar o conjunto de dados, a tabela e todos os dados, clique em Eliminar conjunto de dados.

4. Para confirmar a eliminação, na caixa de diálogo Eliminar conjunto de dados, escreva o nome do conjunto de dados (bqml_tutorial) e, de seguida, clique em Eliminar.

O que se segue?

• Leia a vista geral do Gemini para Google Cloud .
• Saiba mais sobre as quotas e os limites do Google Cloud Gemini.
• Saiba mais sobre as localizações do Gemini para Google Cloud.
• Saiba como explorar os seus dados gerando estatísticas de dados.
• Saiba como escrever consultas com a ajuda do Gemini no BigQuery.