Analiza datos con la asistencia de Gemini para Google Cloud

En este instructivo, se describe cómo puedes usar Gemini para Google Cloud, un colaborador potenciado por IA para 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 conozcas los productos de Google Cloud. Si eres nuevo en BigQuery, consulta las guías de inicio rápido de BigQuery.

Objetivos

  • Usa Gemini para responder preguntas sobre productos y casos de uso de análisis de datos.
  • Indica a Gemini que explique y genere consultas en SQL en BigQuery.
  • Crear 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 los costos según el uso previsto.

Antes de comenzar

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

    Go to project selector

  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 con el nombre bqml_tutorial. Usa el conjunto de datos para almacenar objetos de base de datos, 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 Gemini en el editor de SQL de BigQuery, selecciona todas las siguientes opciones:

      • Autocompletado
      • Generación automática
      • Explicación

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

Usa Gemini para analizar tus datos

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

Antes de consultar datos, es necesario que sepas a cuáles puedes acceder. Cada producto de datos organiza y almacena los datos de manera diferente. Para obtener ayuda, puedes enviar a Gemini una instrucción de lenguaje natural (o una instrucción), como "¿Cómo veo qué conjuntos de datos y tablas están disponibles en BigQuery?".

Si quieres comprender las características de diferentes sistemas de consulta de datos, puedes solicitarle a Gemini información específica del producto 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 también puede proporcionar información sobre cómo analizar tus datos. Para ese tipo de ayuda, puedes enviar instrucciones de Gemini como las siguientes:

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

Para indicarle 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 una instrucción como How do I learn which datasets and tables are available to me in BigQuery?.

  4. Haz clic en Enviar Enviar instrucción.

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

    Gemini devuelve una respuesta similar a la que se indica a continuación:

    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 en 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.

Dale instrucciones a Gemini para que explique las consultas en SQL en un conjunto de datos de ventas

Para indicarle a Gemini que explique un ejemplo de consulta en SQL, 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 quieras una explicación.

    Por ejemplo, es posible que desees comprender cómo se relacionan las tablas de datos y las consultas en un conjunto de datos de ventas, y puedes necesitar 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 tardar tiempo en analizarlas y comprenderlas.

    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 Gemini explique y, luego, haz clic en pen_spark Explicar esta consulta.

    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 según el esquema de tus datos. Incluso si no tienes código, tienes conocimientos limitados del esquema de datos o solo tienes conocimientos básicos de la sintaxis de SQL, Gemini puede sugerir una o más instrucciones de SQL.

En el siguiente ejemplo, generarás una consulta que enumera tus productos principales para cada día. Este tipo de consulta suele ser compleja, pero si usas Gemini, puedes crear una instrucción automáticamente. Luego, usarás tablas en el conjunto de datos thelook_ecommerce y le indicarás a Gemini que genere una consulta para calcular las ventas por pedido y nombre de producto.

Para indicarle 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 que se muestra a continuación:

    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 la pestaña 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.

Crea un modelo de previsión y visualiza los resultados

En esta sección, usarás BigQuery ML para realizar las siguientes tareas:

  • Usa una consulta de tendencias para crear un modelo de previsión.
  • Usa Gemini para explicar y ayudarte a 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, en el editor de SQL de BigQuery, ejecuta el siguiente 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 para ayudarte a entender 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 de Gemini, ingresa una instrucción para que Gemini 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, Gemini devuelve un ejemplo de un modelo de AA que prevé 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 Gemini, copia la consulta en SQL.

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

Limpia

Para evitar que se apliquen cargos a tu cuenta de Google Cloud por los recursos que se usaron 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 cuadro de diálogo Borrar conjunto de datos, escribe el nombre del conjunto de datos (bqml_tutorial) y, luego, haz clic en Borrar.

¿Qué sigue?