Data Insights für strukturierte Daten

Mit dem Feature „Dateneinblicke“ von Knowledge Catalog (ehemals Dataplex Universal Catalog) werden automatisch Beschreibungen, Beziehungsdiagramme und SQL-Abfragen aus den Metadaten Ihrer Tabelle und Ihres Datasets generiert. So können Sie Datenstruktur, Inhalt und Beziehungen schnell verstehen, ohne aufwendige manuelle Einrichtung. Für weitere Analysen können Sie im Daten-Canvas weiterführende Fragen stellen.

Bei der explorativen Datenanalyse einer neuen, unbekannten Tabelle stehen Datenanalysten oft vor dem Problem, nicht zu wissen, wie sie mit dem Schreiben von Abfragen beginnen sollen. Das Problem kann Unsicherheiten in Bezug auf die Datenstruktur und Schlüsselmuster in den Daten beinhalten. Das Feature „Dateneinblicke“ von Knowledge Catalog bietet eine automatisierte Möglichkeit, Ihre Daten zu untersuchen und zu verstehen. So können Sie Muster erkennen, die Datenqualität bewerten und statistische Analysen auslösen.

Übersicht

Dateneinblicke verwenden Gemini, um Ihre Metadaten zu analysieren und Folgendes zu generieren:

  • Beschreibungen: KI-generierte Zusammenfassungen, in denen der Zweck des Datasets oder Namespace, die Struktur der Tabelle und die Details bestimmter Spalten erläutert werden.

  • Beispielabfragen: Angepasste SQL-Abfragen, die speziell für das Schema und den Inhalt Ihres Datasets, Namespace oder Ihrer Tabelle entwickelt wurden.

  • Beziehungsdiagramme: Visualisierungen, die die Verbindungen und Abhängigkeiten zwischen verschiedenen Tabellen in Ihrem Dataset oder Namespace zeigen.

Unterstützte Ressourcen

Dateneinblicke sind für die folgenden strukturierten Datentypen verfügbar:

  • BigQuery-Datasets, -Tabellen und -Ansichten
  • Tabellen in grenzenlosen Lakehouses (einschließlich Apache Iceberg, Apache Hive und SAP BDC)
  • Externe Tabellen
  • Apache Iceberg REST-Katalogtabellen
  • Apache Iceberg-Namespaces (in BigQuery als Datasets dargestellt)
  • Apache Hive-Katalogtabellen
  • SAP Business Data Cloud (BDC)-Tabellen

Beispiel für eine Ausführung von Statistiken

Dateneinblicke generiert automatisch Abfragen in natürlicher Sprache und die entsprechenden SQL-Abfragen auf Grundlage der Metadaten einer Tabelle.

Betrachten Sie eine Tabelle mit dem Namen telco_churn mit dem folgenden Schema:

Feldname Typ
Kundennummer STRING
Geschlecht STRING
Zugehörigkeit zum Unternehmen INT64
InternetService STRING
StreamingTV STRING
OnlineBackup STRING
Vertrag STRING
TechSupport STRING
Zahlungsmethode STRING
Monatliche Gebühren FLOAT
Abwanderung BOOLEAN

Im Folgenden finden Sie einige der Beispielabfragen, die von Dateneinblicken für diese Tabelle generiert werden:

  • Kunden ermitteln, die alle Premiumdienste abonniert haben und seit mehr als 50 Monaten Kunde sind.

    SELECT
  CustomerID,
  Contract,
  Tenure
FROM
  agentville_datasets.telco_churn
WHERE
  OnlineBackup = 'Yes'
  AND TechSupport = 'Yes'
  AND StreamingTV = 'Yes'
  AND Tenure > 50;

  • Ermitteln, welcher Internetdienst die meisten abgewanderten Kunden hat.

    SELECT
  InternetService,
  COUNT(DISTINCT CustomerID) AS total_customers
FROM
  agentville_datasets.telco_churn
WHERE
  Churn = TRUE
GROUP BY
  InternetService
ORDER BY
  total_customers DESC
LIMIT 1;

  • Abwanderungsraten nach Segment unter Kunden mit hohem Umsatzpotenzial ermitteln.

    SELECT
  Contract,
  InternetService,
  Gender,
  PaymentMethod,
  COUNT(DISTINCT CustomerID) AS total_customers,
  SUM(CASE WHEN Churn = TRUE THEN 1 ELSE 0 END) AS churned_customers,
  (SUM(CASE WHEN Churn = TRUE THEN 1 ELSE 0 END) / COUNT(DISTINCT CustomerID))
  * 100 AS churn_rate
FROM
  agentville_datasets.telco_churn
WHERE
  MonthlyCharges > 100
GROUP BY
  Contract,
  InternetService,
  Gender,
  PaymentMethod;

Modi zum Generieren von Dateneinblicken

Beim Generieren von Dateneinblicken bietet Knowledge Catalog zwei Modi:

Modus Beschreibung Nutzung
Generieren und veröffentlichen

Speichert generierte Data Insights als Metadatenaspekte in Knowledge Catalog. Sie benötigen die erforderlichen Berechtigungen, um zu veröffentlichen. Wenn Sie Generieren und veröffentlichen verwenden, geschieht Folgendes:

  • Tabellen- und Spaltenbeschreibungen werden in Knowledge Catalog gespeichert.
  • Vorgeschlagene Abfragen und Fragen werden als wiederverwendbare Aspekte erfasst.
  • Veröffentlichte Statistiken sind für alle Nutzer mit entsprechendem Knowledge Catalog-Zugriff verfügbar, wodurch das Wissen in der Organisation geteilt wird.
  • Sie können Beschreibungen direkt in Knowledge Catalog bearbeiten und speichern.

Verwenden Sie diesen Modus für unternehmensweite Datendokumentation, die dauerhaft gespeichert und wiederverwendbar ist, oder wenn Sie kataloggesteuerte Governance Workflows erstellen.
Ohne Veröffentlichung generieren

Erstellt Dateneinblicke wie Beschreibungen, Fragen in natürlicher Sprache, und SQL-Abfragen bei Bedarf. Mit Ohne Veröffentlichung generieren werden keine Statistiken in Knowledge Catalog veröffentlicht.

Verwenden Sie diesen Modus für schnelle Ad-hoc-Analysen, um den Katalog nicht zu überladen.

Preise

Weitere Informationen zu den Preisen für dieses Feature finden Sie unter Preise für Data Cloud Agent.

Informationen zum Erfassen des Tokenverbrauchs für Dateneinblicke-Scanjobs und zum Erstellen benutzerdefinierter Dashboards in Cloud Monitoring finden Sie unter Tokennutzung für Dateneinblicke überwachen.

Standorte

Sie können Dateneinblicke an allen BigQuery-Standorten verwenden. Informationen dazu, wo Gemini in BigQuery Ihre Daten verarbeitet, finden Sie unter Wo Gemini in BigQuery Ihre Daten verarbeitet.

Beschränkungen

  • Für Multi-Cloud-Kunden sind keine Daten aus anderen Clouds verfügbar.
  • Data Insights unterstützt die Spaltentypen Geo oder JSON nicht.
  • Insights-Ausführungen bedeuten nicht, dass jedes Mal Abfragen dargestellt werden. Generieren Sie Insights in BigQuery Studio neu, um die Wahrscheinlichkeit zu erhöhen, ansprechendere Abfragen zu generieren.

Nächste Schritte