Présentation de Gemini dans BigQuery

Ce document explique comment Gemini dans BigQuery, l'un des produits de la gamme Gemini pour Google Cloud, fournit une assistance optimisée par l'IA pour vous aider à exploiter vos données.

Assistance par IA avec Gemini dans BigQuery

Gemini dans BigQuery apporte une assistance par IA de différentes manières:

  • Explorez et comprenez vos données grâce aux insights sur les données. (Aperçu) Les insights sur les données offrent un moyen automatisé et intuitif d'identifier des modèles, d'évaluer la qualité des données et d'effectuer des analyses statistiques à l'aide de requêtes pertinentes générées à partir des métadonnées de vos tables. Cette fonctionnalité est particulièrement utile pour relever les défis de démarrage à froid liés à l'exploration précoce des données. Pour en savoir plus, consultez Générer des insights dans BigQuery.
  • Découvrez, transformez, interrogez et visualisez des données à l'aide du canevas de données BigQuery. (Preview) Le langage naturel vous permet de rechercher, de joindre et d'interroger des éléments de table, de visualiser les résultats et de collaborer facilement avec d'autres utilisateurs tout au long du processus. Pour en savoir plus, consultez Analyser avec le canevas de données.
  • Bénéficiez d'une aide à l'analyse de données SQL et Python. Vous pouvez utiliser Gemini dans BigQuery pour générer ou suggérer du code en SQL ou Python, et pour expliquer une requête SQL existante. Vous pouvez également utiliser des requêtes en langage naturel pour commencer l'analyse de données. Pour savoir comment générer, compléter et résumer du code, consultez la documentation suivante :
  • Optimisez votre infrastructure de données avec les recommandations concernant le partitionnement, le clustering et les vues matérialisées. Vous pouvez laisser BigQuery surveiller vos charges de travail SQL pour identifier des opportunités d'amélioration des performances et de réduction des coûts. Pour en savoir plus, consultez la documentation suivante :
  • Réglez automatiquement les charges de travail Apache Spark sans serveur et dépannez-les. (Preview) Le réglage automatique permet d'optimiser automatiquement les jobs Spark en appliquant des paramètres de configuration à une charge de travail Spark récurrente en fonction des bonnes pratiques et en analysant les exécutions de charge de travail antérieures. Le dépannage avancé de Gemini peut expliquer et identifier les erreurs liées aux tâches, et peut fournir des recommandations concrètes pour corriger les tâches lentes ou ayant échoué. Pour en savoir plus, consultez les pages Régler automatiquement les charges de travail Spark et Dépannage avancé.
  • Personnalisez vos traductions SQL avec des règles de traduction. (Preview) Créez des règles de traduction améliorées par Gemini pour personnaliser vos traductions SQL lorsque vous utilisez le traducteur SQL interactif. Vous pouvez décrire les modifications apportées à la sortie de traduction SQL à l'aide d'invites en langage naturel ou spécifier les modèles SQL à rechercher et à remplacer. Pour en savoir plus, consultez la section Créer une règle de traduction.
Gemini dans BigQuery utilise de grands modèles de langage (LLM) développés par Google. Les LLM sont affinés avec des milliards de lignes de code Open Source, de données de sécurité et de contenus spécifiques à Google Cloud, tels que de la documentation et des exemples de code.

Découvrez comment et quand Gemini pour Google Cloud utilise vos données. Comme il s'agit d'une technologie qui en est encore à un stade précoce, les produits Gemini pour Google Cloud peuvent générer des résultats qui semblent plausibles, mais qui sont en fait incorrects. Nous vous recommandons de valider tous les résultats des produits Gemini pour Google Cloud avant de les utiliser. Pour en savoir plus, consultez Gemini pour Google Cloud et l'IA responsable.

Où interagir avec Gemini

Après avoir configuré Gemini dans BigQuery, vous pouvez utiliser Gemini dans BigQuery pour effectuer les opérations suivantes dans BigQuery Studio:

  • Pour utiliser les insights sur les données, accédez à l'onglet Insights pour une entrée de table, dans lequel vous pouvez identifier des modèles, évaluer la qualité et exécuter des analyses statistiques sur vos données BigQuery.
  • Pour utiliser un canevas de données, créez un canevas de données ou utilisez un canevas de données à partir d'une table ou d'une requête pour explorer les éléments de données en langage naturel et partager vos canevas.
  • Pour obtenir de l'aide en SQL, utilisez l'outil M'aider à coder, qui vous permet d'itérer votre requête, de spécifier les données sources, puis d'insérer la requête dans BigQuery Studio.
  • Pour afficher les recommandations concernant le partitionnement, le clustering et les vues matérialisées, cliquez sur Recommandations dans la barre d'outils de la console Google Cloud.
  • Pour générer du code SQL ou Python en langage naturel, ou recevoir des suggestions avec la saisie semi-automatique lors de la saisie, utilisez l'outil M'aider à coder pour vos requêtes SQL ou votre code Python. Gemini peut également expliquer votre code SQL en langage naturel.

Réglage automatique et dépannage des jobs Spark

Le réglage automatique peut vous aider à optimiser les performances et la résilience de vos charges de travail Spark. Au lieu de configurer manuellement les paramètres, Gemini peut appliquer les bonnes pratiques pour les charges de travail récurrentes, puis vous aider à comprendre et à surveiller votre réglage automatique. Le dépannage avancé fournit des réponses en langage naturel : "Qu'est-ce qui a été réglé automatiquement ?", « Que se passe-t-il maintenant ? » et « Que puis-je faire à ce sujet ? »

Configurer Gemini dans BigQuery

Pour obtenir la procédure de configuration détaillée, consultez Configurer Gemini dans BigQuery.

Étapes suivantes