Menganalisis data dengan bantuan Gemini

Tutorial ini menjelaskan cara menggunakan bantuan berteknologi AI di Gemini in BigQuery untuk menganalisis data.

Untuk contoh dalam tutorial ini, anggaplah Anda adalah data analis yang perlu menganalisis dan memprediksi penjualan produk dari sebuah dataset.

Tutorial ini mengasumsikan bahwa Anda sudah memahami SQL dan tugas analisis data dasar. Pengetahuan tentang produk Google Cloud tidak diasumsikan. Jika Anda pengguna baru BigQuery, lihat panduan memulai BigQuery.

Tujuan

• Gunakan Gemini in BigQuery untuk menjawab pertanyaan tentang cara BigQuery menangani tugas analisis data tertentu.
• Meminta Gemini in BigQuery untuk menemukan set data, serta menjelaskan dan membuat kueri SQL.
• Membangun model machine learning (ML) untuk memperkirakan periode mendatang.

Biaya

Tutorial ini menggunakan produk Google Cloud yang dapat ditagih berikut:

• BigQuery
• BigQuery ML

Untuk memperkirakan biaya berdasarkan proyeksi penggunaan, gunakan kalkulator harga.

Sebelum memulai

1. Di konsol Google Cloud , pada halaman pemilih project, pilih atau buat project Google Cloud .

   Peran yang diperlukan untuk memilih atau membuat project

   • Memilih project: Memilih project tidak memerlukan peran IAM tertentu—Anda dapat memilih project apa pun yang perannya telah diberikan kepada Anda.
   • Membuat project: Untuk membuat project, Anda memerlukan peran Project Creator (roles/resourcemanager.projectCreator), yang berisi izin resourcemanager.projects.create. Pelajari cara memberikan peran.
   Catatan: Jika tidak berencana untuk menyimpan resource yang Anda buat dalam prosedur ini, buatlah project, bukan memilih project yang ada. Setelah menyelesaikan langkah ini, Anda dapat menghapus project, yang akan menghapus semua resource yang terkait dengan project ini.

   Buka pemilih project

2. Pastikan Gemini in BigQuery telah disiapkan untuk project Google Cloud Anda.

3. Di konsol Google Cloud , buka halaman BigQuery.

   Buka BigQuery

4. Membuat set data yang bernama bqml_tutorial. Anda menggunakan dataset untuk menyimpan database objek, termasuk tabel dan model.

5. Untuk mengaktifkan fitur Gemini in BigQuery yang Anda perlukan untuk menyelesaikan tutorial ini, di toolbar BigQuery, klik pen_spark Gemini, lalu pilih opsi berikut:

   • Pelengkapan otomatis
   • Pembuatan otomatis
   • Explanation

Mempelajari kemampuan BigQuery

Sebelum memulai, pertimbangkan bahwa Anda ingin mempelajari lebih lanjut cara BigQuery menangani kueri data. Untuk mendapatkan bantuan, Anda dapat mengirimkan pernyataan bahasa alami (atau perintah) seperti berikut ke Gemini in BigQuery:

• "How do I get started with BigQuery?"
• "What are the benefits of using BigQuery for data analysis?"
• "How does BigQuery handle autoscaling for queries?"

Gemini di BigQuery juga dapat memberikan informasi tentang cara menganalisis data Anda. Untuk jenis bantuan tersebut, Anda dapat mengirim perintah seperti berikut:

• "Bagaimana cara membuat model perkiraan deret waktu di BigQuery?"
• "How do I load different types of data into BigQuery?"

Mengakses dan menganalisis data

Sebagai teknologi tahap awal, produk Gemini untuk Google Cloud dapat menghasilkan output yang tampak masuk akal, tetapi berisi fakta yang salah. Sebaiknya Anda memvalidasi semua output dari produk Gemini untuk Google Cloud sebelum Anda menggunakannya. Untuk mengetahui informasi selengkapnya, lihat Gemini untuk Google Cloud dan responsible AI.

Gemini di BigQuery dapat membantu Anda mengetahui data apa yang dapat Anda akses untuk analisis, dan cara menganalisis data tersebut.

Untuk contoh ini, pertimbangkan bahwa Anda memerlukan bantuan terkait hal berikut:

• Menemukan dataset dan tabel penjualan untuk dianalisis.
• Mengetahui bagaimana tabel dan kueri data terkait dalam dataset penjualan.
• Memahami kueri kompleks dan menulis kueri yang menggunakan dataset.

Menemukan data

Sebelum dapat mengkueri data, Anda perlu mengetahui data apa yang dapat Anda akses. Setiap produk data mengatur dan menyimpan data dengan cara berbeda.

Untuk mendapatkan bantuan, Anda dapat mengirim Gemini di BigQuery prompt seperti "Bagaimana cara mempelajari dataset dan tabel mana yang tersedia untuk saya BigQuery?"

1. Di konsol Google Cloud , buka halaman BigQuery.

   Buka BigQuery

2. Di toolbar konsol Google Cloud , klik spark Open or close Gemini Cloud Assist chat.

3. Di panel Cloud Assist, masukkan perintah How do I learn which datasets and tables are available to me in BigQuery?.

4. Klik send Send prompt.

   Pelajari cara dan waktu Gemini untuk Google Cloud menggunakan data Anda.

   Respons mencakup beberapa cara untuk menampilkan daftar project, set data, atau tabel dalam sebuah dataset.

5. Opsional: Untuk mereset histori chat, di panel Cloud Assist, klik delete Clear chat, lalu klik Reset chat.

   Catatan: Status histori percakapan hanya disimpan di memori dan tidak akan tersimpan saat Anda beralih ke ruang kerja lain atau menutup konsol Google Cloud .

Memahami dan menulis SQL di BigQuery

Untuk contoh ini, asumsikan bahwa Anda telah memilih data untuk dianalisis dan sekarang ingin mengkueri data tersebut. Gemini di BigQuery dapat membantu Anda bekerja dengan SQL—baik untuk membantu Anda memahami kueri yang kompleks dan sulit diurai, maupun untuk membuat kueri SQL baru.

Meminta bantuan Gemini untuk menjelaskan kueri SQL

Misalnya, Anda ingin memahami kueri kompleks yang ditulis orang lain. Gemini di BigQuery dapat menjelaskan kueri dalam bahasa yang sederhana, seperti sintaksis kueri, skema yang mendasarinya, dan konteks bisnis.

1. Di konsol Google Cloud , buka halaman BigQuery.

   Buka BigQuery

2. Di editor kueri, buka atau tempel kueri yang ingin Anda minta untuk dijelaskan. Contoh:

   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. Tandai kueri, lalu klik auto_awesome Explain this selected query.

   Di panel Cloud Assist, respons yang ditampilkan mirip dengan berikut ini:

   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.
   

Membuat kueri SQL yang mengelompokkan penjualan berdasarkan hari dan produk

Dalam contoh ini, Anda ingin membuat kueri yang mencantumkan produk unggulan Anda setiap hari. Kemudian, Anda akan menggunakan tabel dalam set data thelook_ecommerce dan meminta Gemini di BigQuery untuk membuat kueri agar dapat menghitung penjualan berdasarkan item pesanan dan nama produk.

Jenis kueri ini biasanya kompleks, tetapi dengan menggunakan Gemini di BigQuery, Anda dapat membuat pernyataan secara otomatis. Anda dapat memberikan perintah untuk membuat kueri SQL berdasarkan skema data Anda. Meskipun Anda memulai tanpa kode, memiliki pengetahuan terbatas tentang skema data, atau hanya memiliki pengetahuan dasar tentang sintaksis SQL, bantuan Gemini dapat menyarankan satu atau beberapa pernyataan SQL.

Untuk meminta Gemini in BigQuery membuat kueri yang mencantumkan produk teratas Anda, ikuti langkah-langkah berikut:

1. Di konsol Google Cloud , buka halaman BigQuery.

   Buka BigQuery

2. Di menu navigasi, klik Studio.

3. Klik Kueri SQL. Panel Explorer secara otomatis memuat database yang dipilih.

4. Di editor kueri, masukkan perintah berikut, lalu tekan Enter:

   # 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
   

   Karakter tanda pagar (#) akan meminta Gemini di BigQuery untuk membuat SQL. Gemini di BigQuery akan menyarankan kueri SQL yang mirip dengan contoh berikut:

   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
   

   Catatan: Gemini in BigQuery mungkin menyarankan beberapa Pernyataan SQL untuk perintah Anda.

5. Untuk menerima kode yang disarankan, klik Tab, lalu klik Run untuk menjalankan pernyataan SQL. Anda juga dapat men-scroll SQL yang disarankan dan menerima kata-kata tertentu yang disarankan dalam pernyataan.

6. Di panel Query results, lihat hasil kueri.

Membuat model perkiraan dan melihat hasilnya

Dalam contoh ini, Anda akan menggunakan BigQuery ML untuk melakukan hal berikut:

• Menggunakan kueri tren untuk membangun model perkiraan.
• Menggunakan Gemini in BigQuery untuk menjelaskan dan membantu Anda menulis kueri agar dapat melihat hasil model perkiraan.

Anda akan menggunakan contoh kueri berikut dengan penjualan sebenarnya, yang digunakan sebagai input ke model. Kueri digunakan sebagai bagian dari pembuatan model ML.

1. Untuk membuat model ML perkiraan, di editor kueri, jalankan kueri SQL berikut:

   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;
   

   Anda dapat menggunakan Gemini in BigQuery untuk membantu Anda memahami kueri ini.

   Catatan: Saat model berjalan, Anda juga dapat memasukkan perintah ke Gemini di BigQuery di panel Cloud Assist dengan pertanyaan seperti What is an ARIMA_PLUS model type?

   Saat model dibuat, tab Results di panel Query results akan menampilkan pesan yang mirip dengan berikut ini:

   Successfully created model named sales_forecasting_model.
   

2. Di panel Cloud Assist, masukkan perintah untuk Gemini di BigQuery untuk membantu Anda menulis kueri guna mendapatkan perkiraan model saat sudah selesai—misalnya, masukkan How can I get a forecast in SQL from the model?

   Berdasarkan konteks perintah tersebut, responsnya akan menyertakan contoh model ML yang memperkirakan penjualan:

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

   Dalam respons ini, PROJECT_ID adalah projectGoogle Cloud Anda.

   Catatan: Gemini in BigQuery menggunakan konteks sesi chat untuk membantu menjawab pertanyaan dalam sesi yang sama.

3. Di panel Cloud Assist, salin kueri SQL.

4. Di editor kueri, jalankan kueri SQL.

Pembersihan

Agar akun Google Cloud Anda tidak dikenai biaya untuk resource yang digunakan dalam tutorial ini, hapus project Google Cloud yang Anda buat untuk tutorial ini. Atau, Anda dapat menghapus resource satu per satu.

Hapus project

Perhatian: Menghapus project memiliki efek berikut:

• Semua hal dalam project akan dihapus. Jika Anda menggunakan project yang ada untuk mengerjakan tugas di dokumen ini, saat Anda menghapusnya, pekerjaan lain dalam project tersebut juga akan dihapus.
• Project ID kustom akan hilang. Saat membuat project ini, Anda mungkin juga membuat project ID kustom yang masih ingin digunakan pada masa mendatang. Agar tidak kehilangan URL yang menggunakan project ID tersebut, seperti URL appspot.com, hapus resource yang dipilih di dalam project, bukan menghapus seluruh project.

Jika Anda berencana mempelajari beberapa arsitektur, tutorial atau panduan memulai, dengan menggunakan kembali project dapat membantu Anda agar tidak melampaui batas kuota project.

1. Di konsol Google Cloud , buka halaman Manage resources.

   Buka Kelola resource

2. Pada daftar project, pilih project yang ingin Anda hapus, lalu klik Delete.
3. Pada dialog, ketik project ID, lalu klik Shut down untuk menghapus project.

Menghapus set data

Jika project Anda dihapus, semua set data dan semua tabel dalam project akan dihapus. Jika Anda memilih untuk menggunakan kembali proyek, maka Anda dapat menghapus dataset yang telah dibuat di dalam tutorial ini.

1. Di konsol Google Cloud , buka halaman BigQuery.

   Buka BigQuery

2. Di menu navigasi, pilih set data bqml_tutorial yang Anda buat.

3. Untuk menghapus set data, tabel, dan semua data, klik Delete dataset.

4. Untuk mengonfirmasi penghapusan, dalam dialog Delete dataset, ketik nama set data Anda (bqml_tutorial), lalu klik Delete.

Langkah berikutnya

• Baca Ringkasan Gemini untuk Google Cloud .
• Pelajari kuota dan batas Gemini untuk Google Cloud .
• Pelajari lokasi Gemini untuk Google Cloud.
• Pelajari cara mengeksplorasi data dengan membuat insight data.
• Pelajari lebih lanjut cara menulis kueri dengan bantuan Gemini di BigQuery.