在 Gemini 協助下分析資料

本教學課程說明如何使用 Gemini in BigQuery 的 AI 輔助功能分析資料。

在本教學課程的範例中，假設您是資料分析師，需要分析及預測資料集中的產品銷售量。

本教學課程假設您熟悉 SQL 和基本的資料分析工作。但不必具備 Google Cloud 產品知識。如果您剛開始使用 BigQuery，請參考 BigQuery 快速入門導覽課程。

目標

• 使用 Gemini in BigQuery，回答有關 BigQuery 如何處理特定資料分析工作的問題。
• 運用提示詞，讓 Gemini in BigQuery 尋找資料集、說明及生成 SQL 查詢。
• 建構機器學習 (ML) 模型，預測未來週期。

費用

本教學課程使用下列 Google Cloud 計費產品：

• BigQuery
• BigQuery ML

您可以使用 Pricing Calculator，根據預測用量估算費用。

事前準備

1. 在 Google Cloud 控制台的專案選取器頁面中，選取或建立 Google Cloud 專案。

   選取或建立專案所需的角色

   • 選取專案：選取專案時，不需具備特定 IAM 角色，只要您在專案中獲派角色，即可選取該專案。
   • 建立專案：如要建立專案，您必須具備專案建立者角色 (roles/resourcemanager.projectCreator)，其中包含 resourcemanager.projects.create 權限。瞭解如何授予角色。
   注意：如果您不打算保留在這項程序中建立的資源，請建立新專案，不要選取現有專案。如果採用這種做法，當您完成這些步驟後，就可以直接刪除該專案，並移除相關聯的所有資源。

   前往專案選取器

2. 確認已為 Google Cloud 專案設定 Gemini in BigQuery。

3. 前往 Google Cloud 控制台的「BigQuery」頁面。

   前往「BigQuery」

4. 建立資料集，並命名為 bqml_tutorial。您可以使用資料集儲存資料庫物件，包括資料表和模型。

5. 如要啟用完成本教學課程所需的 Gemini in BigQuery 功能，請在 BigQuery 工具列中按一下「pen_spark Gemini」Gemini，然後選取下列選項：

   • 自動補全
   • 自動生成
   • 說明

瞭解 BigQuery 功能

開始之前，請先考慮您是否想進一步瞭解 BigQuery 如何處理資料查詢。如需說明，可以向 Gemini in BigQuery 傳送自然語言陳述式 (即提示詞)，例如：

• 「如何開始使用 BigQuery？」
• 「將 BigQuery 用於資料分析的好處為何？」
• 「BigQuery 如何針對查詢自動調度資源？」

Gemini in BigQuery 也能提供資料分析方法的相關資訊。如需這類協助，可以傳送類似以下的提示：

• 「如何在 BigQuery 建立時間序列預測模型？」
• 「如何將不同類型的資料載入 BigQuery？」

存取及分析資料

Gemini for Google Cloud產品仍處於早期技術階段，因此可能會生成看似合理卻與事實不符的輸出內容。使用輸出內容前，請一律確認 Gemini for Google Cloud 產品輸出內容是否屬實。詳情請參閱「Gemini for Google Cloud 和負責任的 AI 技術」。

Gemini in BigQuery 可協助您瞭解可以存取「哪些」資料進行分析，以及「如何」分析這些資料。

在這個範例中，假設您需要下列協助：

• 尋找要分析的銷售資料集和資料表。
• 瞭解銷售資料集中的資料表和查詢有何關聯。
• 瞭解複雜的查詢，並撰寫使用資料集的查詢。

尋找資料

開始查詢資料前，您需要知道自己可存取哪些資料。每種資料產品整理和儲存資料的方式不盡相同。

如需說明，可以向 Gemini in BigQuery 傳送提示詞，例如「如何得知我可以在 BigQuery 使用哪些資料集和資料表？」

1. 前往 Google Cloud 控制台的「BigQuery」頁面。

   前往「BigQuery」

2. 在 Google Cloud 控制台工具列，點選「spark」「開啟或關閉 Gemini Cloud Assist 對話」。

3. 在「Cloud Assist」面板中輸入提示詞 How do I learn which datasets and tables are available to me in BigQuery?。

4. 點選「傳送提示詞」按鈕 send。

   瞭解 Gemini for Google Cloud 如何使用您的資料。

   回應中包含多種列出專案、資料集或資料集內資料表的方式。

5. 選用：如要重設對話記錄，請在「Cloud Assist」面板中，依序點選 delete「Clear chat」(清除對話) 和「Reset chat」(重設對話)。

   注意： 對話記錄狀態只會保存在記憶體中，您切換至其他工作區或關閉 Google Cloud 控制台後，系統並不會保留這類資料。

瞭解並在 BigQuery 中編寫 SQL

在本範例中，假設您已選取要分析的資料，現在要查詢該資料。Gemini in BigQuery 可協助您使用 SQL，無論是瞭解複雜且難以剖析的查詢，還是生成新的 SQL 查詢，都能派上用場。

提示 Gemini 協助說明 SQL 查詢

假設您想瞭解他人編寫的複雜查詢。Gemini in BigQuery 可用淺顯易懂的語言說明查詢，例如查詢語法、基礎結構定義和業務情境。

1. 前往 Google Cloud 控制台的「BigQuery」頁面。

   前往「BigQuery」

2. 在查詢編輯器中，開啟或貼上您想要 Gemini 說明的查詢。例如：

   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. 醒目顯示查詢，然後按一下「auto_awesome 說明所選的這項查詢」。

   「Cloud Assist」面板會傳回類似下列內容的回覆：

   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.
   

產生 SQL 查詢，根據日期和產品分類銷售資料

在這個範例中，您要產生查詢，列出每天的熱銷產品。接著，您可以使用 thelook_ecommerce 資料集中的資料表，提示 Gemini in BigQuery 生成查詢，根據訂單產品和產品名稱計算銷售量。

這類查詢通常很複雜，但您可以使用 Gemini in BigQuery 自動建立陳述式。您可以使用提示詞，要求 Gemini 根據資料結構定義產生 SQL 查詢。即使您未編寫程式碼、不太瞭解資料結構定義，或只具備 SQL 語法的基礎知識，Gemini 都可以建議一或多個 SQL 陳述式。

如要提示 Gemini in BigQuery 生成查詢，列出熱門產品，請按照下列步驟操作：

1. 前往 Google Cloud 控制台的「BigQuery」頁面。

   前往「BigQuery」

2. 在導覽選單中，按一下「Studio」。

3. 按一下「 SQL 查詢」。「探索工具」窗格會自動載入所選資料庫。

4. 在查詢編輯器中輸入下列提示，然後按下 Enter 鍵：

   # 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
   

   井字元 (#) 會提示 Gemini in BigQuery 生成 SQL。Gemini in BigQuery 會提供 SQL 查詢建議，類似如下：

   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
   

   注意： Gemini in BigQuery 可能會根據提示建議多個 SQL 陳述式。

5. 如要接受建議的程式碼，請按下 Tab 鍵，然後點選「執行」來執行 SQL 陳述式。您也可以捲動瀏覽建議的 SQL 程式碼，接受陳述式中建議的特定字詞。

6. 在「查詢結果」窗格，檢視查詢結果。

建構預測模型並查看結果

在這個範例中，您將使用 BigQuery ML 執行下列操作：

• 使用趨勢查詢建構預測模型。
• 使用 Gemini in BigQuery 取得說明，並協助您撰寫查詢，查看預測模型的結果。

您將搭配使用以下範例查詢與實際銷售資料，這類資料會輸入至模型。查詢會用來建立機器學習模型。

1. 如要建立預測用機器學習模型，請在查詢編輯器中執行下列 SQL 查詢：

   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;
   

   您可以透過 Gemini in BigQuery 瞭解這項查詢。

   注意： 模型執行期間，您也可以在「Cloud Assist」面板中，向 Gemini in BigQuery 提問，例如What is an ARIMA_PLUS model type?

   模型建立後，「Query results」(查詢結果) 窗格的「Results」(結果) 分頁會顯示類似下列的訊息：

   Successfully created model named sales_forecasting_model.
   

2. 在「Cloud Assist」面板中輸入提示，讓 Gemini in BigQuery 協助您撰寫查詢，以便在模型完成時取得預測結果，例如輸入 How can I get a forecast in SQL from the model?

   根據提示的上下文，回覆會包含預測銷售情形的機器學習模型範例：

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

   在這項回應中，PROJECT_ID 是您的Google Cloud 專案。

   注意： Gemini in BigQuery 會使用對話工作階段的脈絡，協助回答同一工作階段中的問題。

3. 在「Cloud Assist」面板中，複製 SQL 查詢。

4. 在查詢編輯器中執行 SQL 查詢。

清除所用資源

如要避免系統向您的 Google Cloud 帳戶收取本教學課程所用資源的費用，可以刪除為本教學課程建立的 Google Cloud 專案。或者，您也可以刪除個別資源。

刪除專案

注意：刪除專案會造成以下影響：

• 專案中的所有內容都會遭到刪除。如果使用現有專案來進行本文中的任務，刪除專案將一併移除當中已完成的其他任務'。
• 自訂專案 ID 會消失。當您之前建立這個專案時，可能建立了想要在日後使用的自訂專案 ID。如要保留使用該專案 ID 的網址 (例如 appspot.com 網址)，請刪除在該專案中選取的資源，而不是刪除整個專案。

如果打算探索多種架構、教學課程或快速入門導覽課程，重複使用專案可避免超出專案配額限制。

1. 前往 Google Cloud 控制台的「Manage resources」(管理資源) 頁面。

   前往「Manage resources」(管理資源)

2. 在專案清單中選取要刪除的專案，然後點選「Delete」(刪除)。
3. 在對話方塊中輸入專案 ID，然後按一下 [Shut down] (關閉) 以刪除專案。

刪除資料集

刪除專案將移除專案中所有的資料集與資料表。如要重複使用專案，可以刪除在本教學課程中建立的資料集。

1. 前往 Google Cloud 控制台的「BigQuery」頁面。

   前往「BigQuery」

2. 在導覽選單中，選取您建立的 bqml_tutorial 資料集。

3. 如要刪除資料集、資料表和所有資料，請按一下「Delete dataset」(刪除資料集)。

4. 如要確認刪除，請在「Delete dataset」(刪除資料集) 對話方塊中輸入資料集名稱 (bqml_tutorial)，然後按一下「Delete」(刪除)。

後續步驟

• 閱讀 Gemini for Google Cloud 總覽。
• 瞭解 Gemini for Google Cloud 的配額和限制。
• 瞭解 Gemini for Google Cloud的適用地區。
• 瞭解如何生成資料洞察以探索資料。
• 進一步瞭解如何在 BigQuery 中透過 Gemini 撰寫查詢。