ניתוח נתונים בעזרת Gemini

במדריך הזה מוסבר איך אפשר להשתמש בעזרה מבוססת-AI ב-Gemini ב-BigQuery כדי לנתח נתונים.

בדוגמה של המדריך הזה, נניח שאתם מנתחי נתונים שצריכים לנתח ולחזות מכירות של מוצרים ממערך נתונים.

ההנחה במדריך הזה היא שאתם מכירים SQL ומשימות בסיסיות של ניתוח נתונים. לא נדרש ידע במוצרי Google Cloud . משתמשים מתחילים ב-BigQuery יכולים לעיין במדריכים לתחילת העבודה עם BigQuery.

מטרות

  • אתם יכולים להשתמש ב-Gemini ב-BigQuery כדי לקבל תשובות לשאלות על האופן שבו BigQuery מטפל במשימות ספציפיות של ניתוח נתונים.
  • מנחים את Gemini ב-BigQuery למצוא מערכי נתונים, להסביר שאילתות SQL וליצור אותן.
  • פיתוח מודל למידת מכונה (ML) לחיזוי תקופות עתידיות.

עלויות

במדריך הזה נעשה שימוש במוצרים הבאים של Google Cloud, והשימוש בהם כרוך בתשלום: Google Cloud

כדי להעריך את העלויות על סמך השימוש החזוי, אתם יכולים להשתמש במחשבון התמחור.

לפני שמתחילים

  1. בדף לבחירת הפרויקט במסוף Google Cloud , בוחרים פרויקט ב- Google Cloud או יוצרים אותו.

    תפקידים שנדרשים כדי לבחור או ליצור פרויקט

    • Select a project: כדי לבחור פרויקט לא צריך תפקיד IAM ספציפי – אפשר לבחור כל פרויקט שקיבלתם בו תפקיד.
    • יצירת פרויקט: כדי ליצור פרויקט, צריך את התפקיד Project Creator (יצירת פרויקטים) (roles/resourcemanager.projectCreator), שכולל את ההרשאה resourcemanager.projects.create. איך מקצים תפקידים

    כניסה לדף לבחירת הפרויקט

  2. מוודאים ש-Gemini ב-BigQuery מוגדר עבור הפרויקט שלכם ב- Google Cloud .

  3. במסוף Google Cloud , עוברים לדף BigQuery.

    כניסה ל-BigQuery

  4. יוצרים מערך נתונים בשם bqml_tutorial. משתמשים במערך הנתונים כדי לאחסן אובייקטים של מסד נתונים, כולל טבלאות ומודלים.

  5. כדי להפעיל את התכונות של Gemini ב-BigQuery שדרושות להשלמת המדריך הזה, בסרגל הכלים של BigQuery לוחצים על pen_spark Gemini ובוחרים באפשרויות הבאות:

    • השלמה אוטומטית
    • יצירה אוטומטית
    • הסבר

מידע על היכולות של BigQuery

לפני שמתחילים, כדאי לדעת איך BigQuery מטפל בשאילתות של נתונים. כדי לקבל עזרה, אתם יכולים לשלוח ל-Gemini ב-BigQuery הצהרה בשפה טבעית (או הנחיה) כמו זו:

  • "איך מתחילים לעבוד עם BigQuery?"
  • "מה היתרונות של שימוש ב-BigQuery לניתוח נתונים?"
  • "איך BigQuery מטפל בהתאמת קנה מידה אוטומטית לשאילתות?"

Gemini ב-BigQuery יכול גם לספק מידע על ניתוח הנתונים. כדי לקבל עזרה כזו, אפשר לשלוח הנחיות כמו אלה:

  • "איך יוצרים מודל לחיזוי סדרות זמנים ב-BigQuery?"
  • "איך טוענים סוגים שונים של נתונים ל-BigQuery?"

גישה לנתונים וניתוח שלהם

‫Gemini ב-BigQuery יכול לעזור לכם להבין אילו נתונים זמינים לכם לניתוח ואיך לנתח את הנתונים האלה.

לצורך הדוגמה הזו, נניח שאתם צריכים עזרה בנושאים הבאים:

  • חיפוש טבלאות ומערכי נתונים של מכירות לצורך ניתוח.
  • הסבר על הקשר בין טבלאות נתונים לבין שאילתות במערך נתונים של מכירות.
  • הבנה של שאילתות מורכבות וכתיבת שאילתות שמשתמשות במערך הנתונים.

חיפוש נתונים

לפני ששולחים שאילתות לנתונים, צריך לדעת לאילו נתונים יש לכם גישה. כל מוצר נתונים מארגן ומאחסן את הנתונים בצורה שונה.

כדי לקבל עזרה, אפשר לשלוח ל-Gemini ב-BigQuery הנחיה כמו 'איך אפשר לדעת אילו מערכי נתונים וטבלאות זמינים לי ב-BigQuery?'

  1. במסוף Google Cloud , עוברים לדף BigQuery.

    כניסה ל-BigQuery

  2. בסרגל הכלים של מסוף Google Cloud , לוחצים על סמל הנצנוץ Open or close Gemini Cloud Assist chat.

  3. כותבים את ההנחיה How do I learn which datasets and tables are available to me in BigQuery? בחלונית Cloud Assist.

  4. לוחצים על send שליחת ההנחיה.

    איך Gemini for Google Cloud ‎ משתמש בנתונים שלכם, ובאילו מקרים.

    התשובה כוללת כמה דרכים להצגת רשימה של פרויקטים, מערכי נתונים או טבלאות במערך נתונים.

  5. אופציונלי: כדי לאפס את היסטוריית הצ'אט, בחלונית Cloud Assist, לוחצים על delete Clear chat ואז על Reset chat.

הבנה של SQL ב-BigQuery וכתיבת SQL ב-BigQuery

בדוגמה הזו, נניח שבחרתם נתונים לניתוח ועכשיו אתם רוצים לשלוח שאילתה לגבי הנתונים האלה. ‫Gemini ב-BigQuery יכול לעזור לכם לעבוד עם SQL – בין אם כדי להבין שאילתות מורכבות שקשה לנתח, או כדי ליצור שאילתות SQL חדשות.

איך מבקשים מ-Gemini עזרה בהסבר על שאילתות SQL

נניח שאתם רוצים להבין שאילתה מורכבת שמישהו אחר כתב. ‫Gemini ב-BigQuery יכול להסביר את השאילתה בשפה פשוטה – למשל, את תחביר השאילתה, הסכמה הבסיסית וההקשר העסקי.

  1. במסוף Google Cloud , עוברים לדף BigQuery.

    כניסה ל-BigQuery

  2. בעורך השאילתות, פותחים או מדביקים את השאילתה שרוצים לקבל עליה הסבר. לדוגמה:

    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. מדגישים את השאילתה ולוחצים על auto_awesome הסבר על השאילתה שנבחרה.

    בחלונית Cloud Assist, מוחזרת תגובה שדומה לזו:

    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.

יצירת שאילתת SQL שמקבצת מכירות לפי יום ומוצר

בדוגמה הזו, אתם רוצים ליצור שאילתה שמציגה את המוצרים המובילים שלכם בכל יום. אחר כך משתמשים בטבלאות במערך הנתונים thelook_ecommerce ומבקשים מ-Gemini ב-BigQuery ליצור שאילתה לחישוב נתוני המכירות לפי פריט בהזמנה ולפי שם המוצר.

בדרך כלל שאילתות כאלה הן מורכבות, אבל בעזרת Gemini ב-BigQuery אפשר ליצור הצהרה באופן אוטומטי. אתם יכולים לתת הנחיה כדי ליצור שאילתת SQL על סמך סכימת הנתונים שלכם. גם אם אתם מתחילים בלי קוד, עם ידע מוגבל בסכימת הנתונים או עם ידע בסיסי בלבד בתחביר SQL, Gemini יכול להציע הצהרת SQL אחת או יותר.

כדי להנחות את Gemini ב-BigQuery ליצור שאילתה שמפרטת את המוצרים המובילים שלכם, פועלים לפי השלבים הבאים:

  1. במסוף Google Cloud , עוברים לדף BigQuery.

    כניסה ל-BigQuery

  2. בתפריט הניווט, לוחצים על Studio.

  3. לוחצים על שאילתת SQL. החלונית Explorer (סייר) טוענת באופן אוטומטי את מסד הנתונים שנבחר.

  4. בעורך השאילתות, מזינים את ההנחיה הבאה ואז מקישים על 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

    הסולמית (#) מנחה את Gemini ב-BigQuery ליצור SQL. ‫Gemini ב-BigQuery מציע שאילתת SQL שדומה לשאילתה הבאה:

    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. כדי לאשר את ההצעה לקוד, לוחצים על Tab ואז על הפעלה כדי להריץ את הצהרת ה-SQL. אפשר גם לגלול בין הצעות ה-SQL ולקבל מילים ספציפיות שמוצעות בהצהרה.

  6. בחלונית Query results, צופים בתוצאות השאילתה.

איך בונים מודל חיזוי וצופים בתוצאות

בדוגמה הזו, תשתמשו ב-BigQuery ML כדי לבצע את הפעולות הבאות:

  • משתמשים בשאילתת מגמה כדי ליצור מודל תחזית.
  • אתם יכולים להשתמש ב-Gemini ב-BigQuery כדי לקבל הסבר על שאילתה ולכתוב אותה כדי להציג את התוצאות של מודל החיזוי.

משתמשים בשאילתת הדוגמה הבאה עם נתוני מכירות בפועל, שמשמשים כקלט למודל. השאילתה משמשת כחלק מיצירת מודל למידת מכונה.

  1. כדי ליצור מודל ML לחיזוי, מריצים את שאילתת ה-SQL הבאה בעורך השאילתות:

    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;

    אתם יכולים להשתמש ב-Gemini ב-BigQuery כדי להבין את השאילתה הזו.

    כשיוצרים את המודל, בחלונית תוצאות השאילתה, בכרטיסייה תוצאות, מוצגת הודעה שדומה להודעה הבאה:

    Successfully created model named sales_forecasting_model.

  2. כותבים הנחיה ל-Gemini ב-BigQuery בחלונית Cloud Assist כדי לקבל עזרה בכתיבת שאילתה שתאפשר לכם לקבל תחזית מהמודל כשהוא יושלם. לדוגמה, כותבים How can I get a forecast in SQL from the model?.

    על סמך ההקשר של ההנחיה, התשובה כוללת דוגמה של מודל ML שמבצע תחזית של מכירות:

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

    בתשובה הזו, PROJECT_ID הוא הפרויקט שלךGoogle Cloud .

  3. מעתיקים את שאילתת ה-SQL בחלונית Cloud Assist.

  4. בעורך השאילתות, מריצים את שאילתת ה-SQL.

הסרת המשאבים

כדי להימנע מחיובים בחשבון Google Cloud על המשאבים שבהם השתמשתם במדריך הזה, אתם יכולים למחוק את הפרויקט Google Cloud שיצרתם לצורך המדריך. אפשר גם למחוק את המשאבים בנפרד.

מחק את הפרויקט

  1. במסוף Google Cloud , נכנסים לדף Manage resources.

    כניסה לדף Manage resources

  2. ברשימת הפרויקטים, בוחרים את הפרויקט שרוצים למחוק ולוחצים על Delete.
  3. כדי למחוק את הפרויקט, כותבים את מזהה הפרויקט בתיבת הדו-שיח ולוחצים על Shut down.

מחיקת מערך נתונים

אם מוחקים פרויקט, כל מערכי הנתונים וכל הטבלאות בפרויקט נמחקים. אם אתם מעדיפים להשתמש מחדש בפרויקט, אתם יכולים למחוק את מערך הנתונים שיצרתם במדריך הזה.

  1. במסוף Google Cloud , עוברים לדף BigQuery.

    כניסה ל-BigQuery

  2. בתפריט הניווט, בוחרים את מערך הנתונים bqml_tutorial שיצרתם.

  3. כדי למחוק את מערך הנתונים, את הטבלה ואת כל הנתונים, לוחצים על מחיקת מערך הנתונים.

  4. כדי לאשר את המחיקה, בתיבת הדו-שיח מחיקת מערך נתונים, מקלידים את השם של מערך הנתונים (bqml_tutorial) ולוחצים על מחיקה.

המאמרים הבאים