Analiza datos con Gemini para obtener asistencia de Google Cloud

En este instructivo, se describe cómo puedes usar Gemini para Google Cloud, un colaborador potenciado por IA de Google Cloud, para analizar datos. En el instructivo, usarás Gemini en BigQuery para analizar y predecir las ventas de productos.

En este instructivo, se supone que estás familiarizado con SQL y las tareas básicas de análisis de datos. No se supone que tienes conocimientos sobre los productos de Google Cloud. Si eres nuevo en BigQuery, consulta las guías de inicio rápido de BigQuery.

Objetivos

  • Usa Gemini para responder tus preguntas sobre productos de análisis de datos y casos de uso de Google Cloud.
  • Indica a Gemini que explique y genere consultas de SQL en BigQuery.
  • Compilar un modelo de aprendizaje automático (AA) para prever períodos futuros

Costos

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

Usa la calculadora de precios para estimar tus costos según el uso previsto.

Antes de comenzar

  1. En la página del selector de proyectos de la consola de Google Cloud, selecciona o crea un proyecto de Google Cloud.

    Ir al selector de proyectos

  2. Asegúrate de haber configurado Gemini en BigQuery en 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 que se llame bqml_tutorial. El conjunto de datos se usa para almacenar objetos de base de datos, como tablas y modelos.

  5. Habilita las funciones de Gemini en BigQuery que necesitas para completar este instructivo:

    1. Para ver las funciones de Gemini en BigQuery, en la barra de herramientas, haz clic en pen_spark Gemini.

    2. En la lista de Gemini en el editor de SQL de BigQuery, selecciona todas las opciones siguientes:

      • Autocompletado
      • Generación automática
      • Explicación

    Para inhabilitar las funciones de Gemini en BigQuery, anula la selección de las funciones de Gemini que deseas inhabilitar.

Cómo usar Gemini para analizar tus datos

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

Para poder consultar datos, debes saber a qué datos puedes acceder. Cada producto de datos organiza y almacena los datos de manera diferente. Para obtener ayuda, puedes enviar a Genmini una instrucción de lenguaje natural (o mensaje), como “¿Cómo puedo ver qué conjuntos de datos y tablas están disponibles en BigQuery?”.

Si deseas comprender las características de los diferentes sistemas de consulta de datos, puedes solicitarle a Gemini información específica del producto, como la siguiente:

  • “¿Cómo empiezo a usar BigQuery?”
  • “¿Cuáles son los beneficios de usar BigQuery para el análisis de datos?”
  • “¿Cómo maneja BigQuery el ajuste de escala automático de las consultas?”

Gemini también puede proporcionar información sobre cómo analizar tus datos. Para ese tipo de ayuda, puedes enviar mensajes de Gemini como los siguientes:

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

Para pedirle a Gemini que responda preguntas sobre tus datos, sigue estos pasos:

  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 Gemini.

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

  4. Haz clic en Enviar Enviar mensaje.

    Gemini no usa tus mensajes ni sus respuestas como datos para entrenar sus modelos. Para obtener más información, consulta Cómo Gemini para Google Cloud usa tus datos.

    Gemini muestra una respuesta similar a la siguiente:

    To learn which datasets and tables are available to you in
BigQuery, you can use the Google Cloud console, the
Google Cloud CLI, or the BigQuery API.
...

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

Usa Gemini para comprender y escribir SQL en BigQuery

Gemini puede ayudarte a trabajar con SQL. Por ejemplo, si trabajas con consultas de SQL que escribieron otras personas, Gemini en BigQuery puede explicar una consulta compleja en lenguaje sencillo. Estas explicaciones pueden ayudarte a comprender la sintaxis de la consulta, el esquema subyacente y el contexto empresarial.

Indicarle a Gemini que explique las consultas en SQL en un conjunto de datos de ventas

Para pedirle a Gemini que explique una consulta en SQL de ejemplo, sigue estos pasos:

  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 desees una explicación.

    Por ejemplo, es posible que necesites comprender cómo se relacionan las tablas de datos y las consultas en un conjunto de datos de ventas, y es posible que necesites ayuda para escribir consultas que usen el conjunto de datos. En la siguiente consulta de ejemplo, es posible que comprendas qué tablas se usan, pero otras secciones de la consulta pueden tomarte tiempo para analizarlas y entenderlas.

    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 que quieres que explique Gemini y, luego, haz clic en pen_spark Explain this query.

    La explicación de SQL aparece en el panel Gemini.

    Con la consulta de ejemplo del paso anterior, Gemini muestra una explicación 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

Puedes proporcionarle a Gemini una instrucción para generar una consulta en SQL basada en el esquema de tus datos. Incluso si comienzas sin código, un conocimiento limitado del esquema de datos o solo un conocimiento básico de la sintaxis de SQL, Gemini puede sugerir una o más instrucciones de SQL.

En el siguiente ejemplo, generas una consulta que enumera los productos principales de cada día. Este tipo de consulta suele ser compleja, pero con Gemini, puedes crear automáticamente una instrucción. Luego, usa las tablas en el conjunto de datos de thelook_ecommerce y solicita a Gemini que genere una consulta para calcular las ventas por artículo del pedido y por nombre del producto.

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

  1. En la consola de Google Cloud, ve a la página 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 el siguiente mensaje y, luego, presiona Intro. El carácter numeral (#) le indica a Gemini que genere SQL.

    # 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

    Gemini 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

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

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

Crea un modelo de previsión y visualiza los resultados

En esta sección, usarás BigQuery ML para hacer lo siguiente:

  • Usa una consulta de tendencias para crear un modelo de previsión.
  • Usa Gemini para explicar y escribir una consulta para ver los resultados del modelo de previsión.

Usa la siguiente consulta de ejemplo con ventas reales, que se usan 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, ejecuta el siguiente SQL en el editor de SQL de BigQuery:

    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 para comprender esta consulta.

    Cuando se crea el modelo, en el panel Resultados se muestra un mensaje similar al siguiente:

    This statement will replace the model named sales_forecasting_model.
Depending on the type of model, this may take several hours to complete.

  2. En el panel Gemini, ingresa un mensaje para que Gemini te ayude a escribir una consulta y 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, Gemini muestra un ejemplo de un modelo de AA que prevé las ventas:

    To get a forecast in SQL from the model, you can use the following query:

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

  3. En el panel de Gemini, copia la consulta en SQL.

  4. En el editor de SQL de BigQuery, pega y, luego, ejecuta la consulta en SQL.

Limpia

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

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

    Ir a Administrar recursos

  2. En la lista de proyectos, elige el proyecto que quieres borrar y haz clic en Borrar.
  3. En el diálogo, escribe el ID del proyecto y, luego, haz clic en Cerrar para borrar el proyecto.

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, abre la página de BigQuery.

    Ir a BigQuery

  2. En el panel 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?