Analiza datos con la ayuda de Gemini

En este instructivo, se describe cómo puedes usar la asistencia potenciada por IA en Gemini en BigQuery para analizar datos.

Para el ejemplo de este instructivo, considera que eres un analista de datos que necesita analizar y predecir las ventas de productos de un conjunto de datos.

En este instructivo, se da por sentado que conoces SQL y las tareas básicas de análisis de datos. No se supone que conozcas los productos de Google Cloud. Si estás comenzando a usar BigQuery, consulta las guías de inicio rápido de BigQuery.

Objetivos

• Usa Gemini en BigQuery para responder preguntas sobre cómo BigQuery maneja tareas específicas de análisis de datos.
• Solicita a Gemini en BigQuery que encuentre conjuntos de datos y que explique y genere consultas en SQL.
• Crear un modelo de aprendizaje automático (AA) para prever períodos futuros

Costos

En este instructivo, se usan los siguientes productos facturables de Google Cloud:

• BigQuery
• BigQuery ML

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

Antes de comenzar

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

   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 para tu proyecto de Google Cloud.

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

   Ir a BigQuery

4. Crea un conjunto de datos con el nombre bqml_tutorial. Usarás el conjunto de datos para almacenar objetos de base de datos, incluidos modelos y tablas.

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

   • Autocompletado
   • Generación automática
   • Explicación

Obtén más información sobre las funciones de BigQuery

Antes de comenzar, considera que quieres obtener más información sobre cómo BigQuery controla las consultas de datos. Para obtener ayuda, puedes enviar a Gemini en BigQuery una sentencia en lenguaje natural (o instrucción) como la siguiente:

• “¿Cómo puedo empezar a usar BigQuery?”
• “¿Cuáles son las ventajas de usar BigQuery para el análisis de datos?”
• “¿Cómo controla BigQuery el ajuste de escala automático de las consultas?”

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

• “¿Cómo creo un modelo de previsión de series temporales en BigQuery?”
• “¿Cómo puedo cargar diferentes tipos de datos en BigQuery?”

Accede a los datos y analízalos

Como tecnología en etapa inicial, los productos de Gemini para Google Cloud pueden generar resultados que parecen posibles, pero que no son correctos. Te recomendamos validar todos los resultados de Gemini para los productos de Google Cloud antes de usarlos. Para obtener más información, consulta Gemini para Google Cloud y la IA responsable.

Gemini en BigQuery puede ayudarte a saber a qué datos puedes acceder para su análisis y cómo analizarlos.

Para este ejemplo, considera que necesitas ayuda para realizar las siguientes aciones:

• Encontrar tablas y conjuntos de datos de ventas para analizar
• Conocer cómo se relacionan las tablas de datos y las consultas en un conjunto de datos de ventas
• Comprender consultas complejas y escribir consultas que usen el conjunto de datos

Busca datos

Antes de consultar datos, es necesario que sepas a cuáles puedes acceder. Cada producto de datos organiza y almacena datos de forma diferente.

Para obtener ayuda, puedes enviar a Gemini en BigQuery una instrucción como “¿Cómo puedo saber qué conjuntos de datos y tablas están disponibles para mí en BigQuery?”.

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

   Ir a BigQuery

2. En la barra de herramientas de la consola de Google Cloud, haz clic en spark Abrir o cerrar el chat basado en IA de Gemini.

3. En el panel de Gemini, ingresa la instrucción How do I learn which datasets and tables are available to me in BigQuery?.

4. Haz clic en send Enviar instrucción.

   Descubre cómo y cuándo Gemini para Google Cloud usa tus datos.

   En la respuesta, se incluyen varias formas de enumerar proyectos, conjuntos de datos o tablas dentro de un conjunto de datos.

5. Opcional: Para restablecer tu historial de chat, en el panel de Gemini, haz clic en delete Gemini y, luego, en Gemini.

   Nota: El estado del historial de chat se mantiene solo en memoria y no persiste cuando se cambia a otro espacio de trabajo o cuando se cierra la consola de Google Cloud.

Comprende y escribe SQL en BigQuery

En este ejemplo, supongamos que seleccionaste datos para analizar y ahora deseas consultarlos. Gemini en BigQuery puede ayudarte a trabajar con SQL, ya sea para comprender consultas complejas y difíciles de analizar o para generar nuevas consultas en SQL.

Solicita la asistencia de Gemini para explicar las consultas en SQL

Ten en cuenta que deseas comprender una consulta compleja que escribió otra persona. Gemini en BigQuery puede explicar la consulta en lenguaje sencillo, como la sintaxis de la consulta, el esquema subyacente y el contexto empresarial.

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

   Ir a BigQuery

2. En el editor de consultas, abre o pega la consulta para la que quieras una explicación. 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. Destaca la consulta y, luego, haz clic en auto_awesome Explicar esta consulta seleccionada.

   En el panel de Gemini, se muestra 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.
   

Genera una consulta en SQL que agrupe las ventas por día y producto

En este ejemplo, quieres generar una consulta que enumere tus productos principales para cada día. Luego, usarás tablas en el conjunto de datos thelook_ecommerce y le pedirás a Gemini en BigQuery que genere una consulta para calcular las ventas por artículos pedidos y por nombre del producto.

Este tipo de consulta suele ser compleja, pero si usas Gemini en BigQuery, puedes crear una instrucción automáticamente. Puedes proporcionar una instrucción para generar una consulta en SQL basada en el esquema de tus datos. Incluso si comienzas sin código, tienes conocimientos limitados sobre el esquema de datos o solo tienes conocimientos básicos de la sintaxis de SQL, la asistencia de Gemini puede sugerir una o más instrucciones de SQL.

Para pedirle a Gemini en BigQuery que genere una consulta que enumere tus productos principales, sigue estos pasos:

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

   Ir a BigQuery

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

3. Haz clic en Redactar una nueva consulta. El panel Explorador carga automáticamente la base de datos seleccionada.

4. En el editor de consultas, ingresa la siguiente instrucción y, luego, presiona 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 numeral (#) le indica a Gemini en BigQuery que genere SQL. Gemini en BigQuery sugiere una consulta en 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 de SQL para tu instrucción.

5. Para aceptar el código sugerido, haz clic en Pestaña y, luego, en Ejecutar para ejecutar la instrucción de SQL. También puedes desplazarte por el SQL sugerido y aceptar palabras concretas recomendadas en la instrucción.

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

Crea un modelo de previsión y visualiza los resultados

En este ejemplo, usas BigQuery ML para realizar las siguientes tareas:

• Usar una consulta de tendencias para crear un modelo de previsión
• Usar Gemini en BigQuery para explicar y ayudarte a escribir una consulta que te permita 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 AA.

1. Para crear un modelo de AA de previsión, en el editor de consultas, ejecuta la siguiente consulta en 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 comprender esta consulta.

   Nota: Mientras se ejecuta el modelo, también puedes darle instrucciones a Gemini en BigQuery en el panel de Gemini con preguntas como What is an ARIMA_PLUS model type?

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

   Successfully created model named sales_forecasting_model.
   

2. En el panel de Gemini, ingresa una instrucción para que Gemini en BigQuery te ayude a escribir una consulta para obtener una previsión del modelo cuando se complete, por ejemplo, ingresa How can I get a forecast in SQL from the model?.

   Según el contexto de la instrucción, la respuesta incluye un ejemplo de un modelo de AA que prevé 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 tu proyecto de Google Cloud.

   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 Gemini, copia la consulta en SQL.

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

Realiza una limpieza

Para evitar que se apliquen cargos a la cuenta de Google Cloud por los recursos que se usaron en el ejercicio, puedes borrar el proyecto de Google Cloud que creaste para este instructivo. Como alternativa, puedes borrar los recursos individuales.

Borrar proyecto

Precaución: Borrar un proyecto tiene las siguientes consecuencias:

• Se borra todo en el proyecto. Si usaste un proyecto existente para las tareas de este documento, cuando lo borres, también se borrará cualquier otro trabajo que hayas realizado en el proyecto.
• Se pierden los ID personalizados de proyectos. Cuando creaste este proyecto, es posible que hayas creado un ID del proyecto personalizado que desees utilizar en el futuro. Para conservar las URL que utilizan el ID del proyecto, como una URL appspot.com, borra los recursos seleccionados dentro del proyecto en lugar de borrar todo el proyecto.

Si planeas explorar varias infraestructuras, instructivos y guías de inicio rápido la reutilización de proyectos puede ayudarte a evitar exceder los límites de las cuotas del proyecto.

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.

Borra tu conjunto de datos

Borrar el proyecto quita todos tus conjuntos de datos y tablas. Si prefieres volver a usar el proyecto, puedes borrar el conjunto de datos que creaste en este instructivo.

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

   Ir a BigQuery

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

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

4. Para confirmar la eliminación, en el diálogo Borrar conjunto de datos, escribe el nombre del conjunto de datos (bqml_tutorial) y, luego, haz clic en Borrar.

¿Qué sigue?

• Lee la descripción general de Gemini para Google Cloud.
• Obtén más información sobre las cuotas y los límites de Gemini para Google Cloud.
• Obtén información sobre las ubicaciones de Gemini para Google Cloud.