Analiza datos con la asistencia de Gemini para Google Cloud

Vista previa

Este producto está sujeto a las "Condiciones de las Ofertas de Fase Previa a la DG" de la sección Condiciones Generales del Servicio de las Condiciones específicas del Servicio. Los productos de la fase previa a la DG están disponibles “tal cual” y podrían tener asistencia limitada. Para obtener más información, consulta las descripciones de la etapa de lanzamiento.

En este instructivo, se describe cómo usar Gemini para Google Cloud, un servicio 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 el análisis de datos básico tareas. No se supone que conozcas los productos de Google Cloud. Si eres nuevo en BigQuery, consulta la documentación de BigQuery guías de inicio rápido.

Objetivos

• Usa Gemini para responder tus preguntas sobre Google Cloud productos y casos de uso de análisis de datos.
• Indica a Gemini que explique y genere consultas en SQL en 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:

• BigQuery
• BigQuery ML

Usa la calculadora de precios para estimar los costos según tu uso proyectado.

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 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 llama bqml_tutorial. Usarás el conjunto de datos para almacenar bases de datos objetos, como tablas y modelos.

5. Habilitar las funciones de Gemini en BigQuery que debes completar este instructivo:

   1. Para ver las funciones de Gemini en BigQuery, en 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 las siguientes opciones:

      • Autocompletado
      • Generación automática
      • Explicación

   Para inhabilitar las funciones de Gemini en BigQuery, haz lo siguiente: anula la selección de las funciones de Gemini que quieres inhabilitar.

Usa Gemini para analizar tus datos

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 puede ayudarte a saber a qué datos puedes acceder de datos y cómo analizarlos.

Antes de consultar datos, es necesario que sepas a cuáles puedes acceder. Todos los datos el producto organiza y almacena los datos de manera diferente. Para obtener ayuda, puedes enviar Gemini con una instrucción de lenguaje natural (o 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 pedirle a Gemini información específica del producto, como lo 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 brindarte información para analizar tu de datos no estructurados. Para ese tipo de ayuda, puedes enviar instrucciones de Gemini como de la siguiente manera:

• “¿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 Abre 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 send Enviar mensaje.

   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 delete y, luego, en Restablecer chat.

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

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 con un lenguaje sencillo. Tales explicaciones pueden ayudarte a comprender la sintaxis de la consulta, el esquema subyacente y en el contexto empresarial.

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

Sigue estos pasos para indicarle a Gemini que explique un ejemplo de consulta en SQL: 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 entender cómo las tablas de datos y las consultas son relacionadas en un conjunto de datos de ventas, y podrías necesitar ayuda para escribir consultas que usen del conjunto de datos. En la siguiente consulta de ejemplo, podrías comprender cuál se usan tablas, pero otras secciones de la consulta pueden llevarte tiempo analizar y comprender.

   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. luego, haz clic en pen_spark Explica esto. por lotes.

   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 estás empezando sin código, una limitación conocimiento 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, generarás una consulta que enumera tus productos principales para cada día. Este tipo de consulta suele ser compleja, pero con Gemini puedes crear automáticamente una instrucción. Luego, usa tablas en thelook_ecommerce conjunto de datos y le indicas a Gemini que genere una consulta para calcular las ventas según el artículo del pedido y el nombre del producto.

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

1. En la consola de Google Cloud, dirígete a 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 Explorer carga automáticamente la base de datos seleccionada.

4. En el editor de consultas, ingresa el siguiente mensaje y, luego, presiona Intro. Los mensajes con el carácter numeral (#) Gemini para generar 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
   

   Nota: Gemini podría sugerir varias instrucciones de SQL para tu instrucción.

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

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 explicarte y ayudarte a escribir una consulta para ver resultados del modelo de previsión.

Usas la siguiente consulta de ejemplo con ventas reales, que se usan como de entrada al 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 comprender esto consulta

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

   Cuando se crea el modelo, en el panel Resultados se muestra un mensaje similar por lo 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 escribes una consulta para obtener una previsión del modelo cuando se complete. Para 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
   )
   )
   

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

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 usaste en este instructivo, puedes borrar el proyecto de Google Cloud que para este instructivo. Como alternativa, puedes borrar los recursos individuales.

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 si prefieres volver a usar el proyecto, puedes borrar el conjunto de datos que creaste este instructivo.

1. En la consola de Google Cloud, abre 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 de tu conjunto de datos (bqml_tutorial) y, luego, haz clic en Borrar.

¿Qué sigue?

• Lee Gemini para Google Cloud descripción general.

• Obtén información sobre las cuotas de Gemini y límites.

• Más información acerca de ubicaciones para Gemini