Analizar datos con la ayuda de Gemini

En este tutorial se describe cómo puedes usar la asistencia basada en IA de Gemini en BigQuery para analizar datos.

En el ejemplo de este tutorial, supongamos que eres un analista de datos que necesita analizar y predecir las ventas de productos a partir de un conjunto de datos.

En este tutorial se da por supuesto que tienes conocimientos sobre SQL y tareas básicas de analíticas de datos. No se presupone que tengas conocimientos sobre los productos de Google Cloud . Si es la primera vez que usas BigQuery, consulta las guías de inicio rápido de BigQuery.

Objetivos

• Usa Gemini en BigQuery para responder preguntas sobre cómo gestiona BigQuery tareas de análisis de datos específicas.
• Pide a Gemini en BigQuery que busque conjuntos de datos y que explique y genere consultas SQL.
• Crea un modelo de aprendizaje automático para predecir periodos futuros.

Costes

En este tutorial se utilizan los siguientes productos de pago: Google Cloud

• BigQuery
• BigQuery ML

Para estimar los costes en función del uso previsto, usa la calculadora de precios.

Antes de empezar

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. Asegúrate de que Gemini en BigQuery esté configurado en tu Google Cloud proyecto.

3. En la Google Cloud consola, ve a la página BigQuery.

   Ir a BigQuery

4. Crea un conjunto de datos llamado bqml_tutorial. El conjunto de datos se usa para almacenar objetos de la base de datos, como tablas y modelos.

5. Para activar las funciones de Gemini en BigQuery que necesitas para completar este tutorial, en la barra de herramientas de BigQuery, haz clic en pen_spark Gemini y, a continuación, selecciona las siguientes opciones:

   • Autocompletar
   • Generación automática
   • Explicación

Información sobre las funciones de BigQuery

Antes de empezar, ten en cuenta que quieres obtener más información sobre cómo gestiona BigQuery las consultas de datos. Para obtener ayuda, puede enviar a Gemini en BigQuery una petición en lenguaje natural (o petición) como la siguiente:

• "¿Cómo puedo empezar a usar BigQuery?"
• "¿Cuáles son las ventajas de usar BigQuery para analizar datos?"
• "¿Cómo gestiona BigQuery el autoescalado de las consultas?"

Gemini en BigQuery también puede proporcionar información sobre cómo analizar tus datos. Para obtener ese tipo de ayuda, puedes enviar peticiones como las siguientes:

• "¿Cómo puedo crear un modelo de previsión de series temporales en BigQuery?"
• "¿Cómo puedo cargar diferentes tipos de datos en BigQuery?"

Acceder y analizar datos

Dado que la tecnología de Gemini está en una fase inicial, puede que genere resultados que sean incorrectos aunque parezcan plausibles. Google CloudTe recomendamos que valides todos los resultados de Gemini para los productos Google Cloud antes de usarlos. Para obtener más información, consulta el artículo sobre Gemini para Google Cloud y la IA responsable.

Gemini en BigQuery puede ayudarte a saber qué datos puedes consultar para analizarlos y cómo hacerlo.

En este ejemplo, supongamos que necesitas ayuda con lo siguiente:

• Buscar conjuntos de datos y tablas de ventas para analizarlos.
• Saber cómo se relacionan las tablas de datos y las consultas en un conjunto de datos de ventas.
• Entender consultas complejas y escribir consultas que usen el conjunto de datos.

Buscar datos

Antes de consultar datos, debes saber a qué datos puedes acceder. Cada producto de datos organiza y almacena los datos de forma diferente.

Para obtener ayuda, puedes enviar a Gemini en BigQuery una petición como "¿Cómo puedo saber qué conjuntos de datos y tablas tengo disponibles en BigQuery?".

1. En la Google Cloud consola, ve a la página BigQuery.

   Ir a BigQuery

2. En la barra de herramientas de la consola, haz clic en chispa Abrir o cerrar chat de Gemini Cloud Assist. Google Cloud

3. En el panel Cloud Assist, escribe la petición How do I learn which datasets and tables are available to me in BigQuery?.

4. Haz clic en send Enviar petición.

   Consulta cómo y cuándo Gemini Google Cloud usa tus datos.

   La respuesta incluye varias formas de enumerar proyectos, conjuntos de datos o tablas de un conjunto de datos.

5. Opcional: Para restablecer tu historial de chat, en el panel Asistencia en la nube, haz clic en delete Borrar chat y, a continuación, en Restablecer chat.

   Nota: El estado del historial de chat solo se guarda en la memoria y no se conserva cuando cambias a otro espacio de trabajo o cuando cierras la consola Google Cloud .

Entender y escribir código SQL en BigQuery

En este ejemplo, supongamos que ha seleccionado los datos que quiere analizar y ahora quiere consultar esos datos. Gemini en BigQuery puede ayudarte a trabajar con SQL, ya sea para entender consultas complejas y difíciles de analizar o para generar nuevas consultas de SQL.

Pedir ayuda a Gemini para explicar consultas SQL

Supongamos que quieres entender una consulta compleja que ha escrito otra persona. Gemini en BigQuery puede explicar la consulta en lenguaje natural, como la sintaxis de la consulta, el esquema subyacente y el contexto empresarial.

1. En la Google Cloud consola, ve a la página BigQuery.

   Ir a BigQuery

2. En el editor de consultas, abre o pega la consulta que quieras que se explique. Por ejemplo:

   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. Resalta la consulta y, a continuación, haz clic en auto_awesome Explica esta consulta seleccionada.

   En el panel Asistencia en la nube, se devuelve una respuesta similar a la siguiente:

   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.
   

Generar una consulta de SQL que agrupe las ventas por día y producto

En este ejemplo, quieres generar una consulta que muestre los productos más vendidos de cada día. Después, usas las tablas del conjunto de datos thelook_ecommerce y le pides a Gemini en BigQuery que genere una consulta para calcular las ventas por artículo y por nombre de producto.

Este tipo de consulta suele ser complejo, pero, si usas Gemini en BigQuery, puedes crear una instrucción automáticamente. Puedes proporcionar una petición para generar una consulta de SQL basada en el esquema de tus datos. Aunque no tengas experiencia en programación, tengas un conocimiento limitado del esquema de datos o solo tengas conocimientos básicos de la sintaxis de SQL, la asistencia de Gemini puede sugerirte una o varias declaraciones SQL.

Para pedirle a Gemini en BigQuery que genere una consulta que muestre tus productos más vendidos, sigue estos pasos:

1. En la Google Cloud consola, ve a la página BigQuery.

   Ir a BigQuery

2. En el menú de navegación, haz clic en Studio.

3. Haz clic en Consulta de SQL. En el panel Explorador se carga automáticamente la base de datos seleccionada.

4. En el editor de consultas, escribe la siguiente petición y pulsa Intro:

   # 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
   

   El carácter de libra (#) indica a Gemini en BigQuery que genere código SQL. Gemini en BigQuery sugiere una consulta de SQL similar a la siguiente:

   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: Es posible que Gemini en BigQuery sugiera varias instrucciones SQL para tu petición.

5. Para aceptar el código sugerido, haz clic en Tabulador y, a continuación, en Ejecutar para ejecutar la instrucción SQL. También puedes desplazarte por el SQL sugerido y aceptar palabras concretas sugeridas en la instrucción.

6. En el panel Resultados de la consulta, consulta los resultados de la consulta.

Crear un modelo de previsión y ver los resultados

En este ejemplo, usará BigQuery ML para hacer lo siguiente:

• Usa una consulta de tendencias para crear un modelo de previsión.
• Usa Gemini en BigQuery para explicarte y ayudarte a escribir una consulta para ver los resultados del modelo de previsión.

Usa la siguiente consulta de ejemplo con las ventas reales, que se utilizan como entrada para el modelo. La consulta se usa como parte de la creación del modelo de aprendizaje automático.

1. Para crear un modelo de aprendizaje automático de previsión, en el editor de consultas, ejecuta la siguiente consulta de 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;
   

   Puedes usar Gemini en BigQuery para entender esta consulta.

   Nota: Mientras se ejecuta el modelo, también puedes hacer preguntas a Gemini en BigQuery en el panel Cloud Assist, como What is an ARIMA_PLUS model type?

   Cuando se crea el modelo, en la pestaña Resultados del panel Resultados de la consulta se muestra un mensaje similar al siguiente:

   Successfully created model named sales_forecasting_model.
   

2. En el panel Asistencia de Cloud, introduce una petición para que Gemini en BigQuery te ayude a escribir una consulta para obtener una previsión del modelo cuando se haya completado. Por ejemplo, introduce How can I get a forecast in SQL from the model?

   En función del contexto de la petición, la respuesta incluye un ejemplo de modelo de aprendizaje automático que predice las ventas:

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

   En esta respuesta, PROJECT_ID es tuGoogle Cloud proyecto.

   Nota: Gemini en BigQuery usa el contexto de la sesión de chat para ayudar a responder preguntas en la misma sesión.

3. En el panel Cloud Assist, copia la consulta SQL.

4. En el editor de consultas, ejecuta la consulta de SQL.

Limpieza

Para evitar que se apliquen cargos en tu cuenta Google Cloud por los recursos utilizados en este tutorial, puedes eliminar el proyecto Google Cloud que has creado para este tutorial. También puedes eliminar los recursos de forma individual.

Eliminar proyecto

Precaución: Eliminar un proyecto tiene los siguientes efectos:

• Se elimina todo el contenido del proyecto. Si has usado un proyecto que ya existía para las tareas de este documento, cuando lo elimines, también se eliminará cualquier otro trabajo que hayas realizado en él.
• Se pierden los IDs de proyecto personalizados. Cuando creaste este proyecto, es posible que hayas creado un ID de proyecto personalizado que quieras usar en el futuro. Para conservar las URLs que usan el ID del proyecto, como una URL appspot.com, elimina los recursos seleccionados dentro del proyecto en lugar de eliminar todo el proyecto.

Si tienes previsto consultar varias arquitecturas, tutoriales o guías de inicio rápido, reutilizar los proyectos puede ayudarte a no superar los límites de cuota de proyectos.

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.

Eliminar un conjunto de datos

Si eliminas un proyecto, se eliminarán todos los conjuntos de datos y todas las tablas que contenga. Si prefieres reutilizar el proyecto, puedes eliminar el conjunto de datos que has creado en este tutorial.

1. En la Google Cloud consola, ve a la página BigQuery.

   Ir a BigQuery

2. En el menú de navegación, selecciona el conjunto de datos bqml_tutorial que has creado.

3. Para eliminar el conjunto de datos, la tabla y todos los datos, haz clic en Eliminar conjunto de datos.

4. Para confirmar la eliminación, en el cuadro de diálogo Eliminar conjunto de datos, escribe el nombre del conjunto de datos (bqml_tutorial) y, a continuación, haz clic en Eliminar.

Siguientes pasos

• Consulta la descripción general de Gemini para Google Cloud .
• Consulta las cuotas y los límites de Gemini para Google Cloud .
• Consulta las ubicaciones de Gemini para Google Cloud.
• Consulta cómo explorar tus datos generando estadísticas.
• Consulta más información sobre cómo escribir consultas con la ayuda de Gemini en BigQuery.