ניתוח נתונים בעזרת Gemini

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

לדוגמה, נניח שאתם מנתחי נתונים שצריכים לנתח ולחזות מכירות של מוצרים מקבוצת נתונים.

ההנחה במדריך הזה היא שאתם מכירים את SQL ואת המשימות הבסיסיות של ניתוח נתונים. לא נדרש ידע קודם במוצרי Cloud de Confiance . אם אתם משתמשים חדשים ב-BigQuery, כדאי לקרוא את המדריכים למתחילים של BigQuery.

מטרות

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

עלויות

במדריך הזה משתמשים במוצרים הבאים של Cloud de Confiance , והשימוש בהם כרוך בתשלום:

• BigQuery
• BigQuery ML

כדי להעריך את העלויות בהתאם לשימוש הצפוי, אתם יכולים להשתמש במחשבון העלויות.

לפני שמתחילים

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

   התפקידים שנדרשים כדי לבחור או ליצור פרויקט

   • בחירת פרויקט: כדי לבחור פרויקט לא נדרש תפקיד IAM ספציפי – אתם יכולים לבחור כל פרויקט שקיבלתם בו תפקיד.
   • יצירת פרויקט: כדי ליצור פרויקט, צריך את התפקיד "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 בפרויקט ב- Cloud de Confiance .

3. נכנסים לדף BigQuery במסוף Cloud de Confiance .

   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 שנדרשות להשלמת המדריך, בסרגל הכלים של BigQuery לוחצים על pen_spark Gemini ובוחרים את האפשרויות הבאות:

   • השלמה אוטומטית
   • יצירה אוטומטית
   • הסבר

מידע על היכולות של BigQuery

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

• "איך מתחילים לעבוד עם BigQuery?"
• "מהם היתרונות של שימוש ב-BigQuery לניתוח נתונים?"
• "איך BigQuery מטפל בהתאמה אוטומטית לעומס (scaling) של שאילתות?"

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

• "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 לאילו נתונים אתם יכולים לגשת כדי לנתח אותם, ואיך לנתח אותם.

בדוגמה הזו, נניח שאתם צריכים עזרה בנושאים הבאים:

• מציאת מערך נתונים וטבלאות של מכירות לניתוח.
• להבין איך טבלאות נתונים ושאילתות קשורות זו לזו בקבוצת נתוני מכירות.
• להבין שאילתות מורכבות ולכתוב שאילתות שמשתמשות במערך הנתונים.

חיפוש נתונים

לפני שאתם שולחים שאילתות על נתונים, אתם צריכים לדעת לאילו נתונים יש לכם גישה. כל מוצר נתונים מארגן ומאחסן נתונים בצורה שונה.

כדי לקבל עזרה, אתם יכולים לשלוח ל-Gemini ב-BigQuery הנחיה כמו "How do I learn which datasets and tables are available to me in BigQuery?‎".

1. נכנסים לדף BigQuery במסוף Cloud de Confiance .

   כניסה ל-BigQuery

2. בסרגל הכלים של מסוף Cloud de Confiance , 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 Cloud de Confiance ‎ משתמש בנתונים שלכם, ובאילו מקרים.

   התשובה כוללת כמה דרכים להציג רשימה של פרויקטים, מערכי נתונים או טבלאות בתוך מערך נתונים.

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

להבין ולכתוב 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 אתם צריכים עזרה בהבנת שאילתות מורכבות שקשה לנתח, ובין אם אתם רוצים ליצור שאילתות SQL חדשות.

הנחיה ל-Gemini להסביר שאילתות SQL

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

1. נכנסים לדף BigQuery במסוף Cloud de Confiance .

   כניסה ל-BigQuery

2. בעורך השאילתות, פותחים או מדביקים את השאילתה שרוצים לקבל הסבר לגביה. 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 Explain this selected query.

   בחלונית Cloud Assist תתקבל תשובה דומה 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 את המכירות לפי יום ומוצר

בדוגמה הזו, אתם רוצים ליצור שאילתה שמציגה את המוצרים המובילים בכל יום. לאחר מכן, אתם משתמשים בטבלאות במערך הנתונים thelook_ecommerce ומבקשים מ-Gemini ב-BigQuery ליצור שאילתה כדי לחשב את המכירות לפי פריט בהזמנה ולפי שם המוצר.

שאילתות מהסוג הזה הן בדרך כלל מורכבות, אבל בעזרת Gemini ב-BigQuery אפשר ליצור הצהרה באופן אוטומטי. אתם יכולים להזין הנחיה כדי ליצור שאילתת SQL על סמך הסכימה של הנתונים. גם אם אתם מתחילים בלי צורך בקוד, עם ידע מוגבל בסכימת הנתונים או רק עם ידע בסיסי בתחביר SQL, בעזרת Gemini תוכלו לקבל הצעה להצהרת SQL אחת או יותר.

כדי לבקש מ-Gemini ב-BigQuery ליצור שאילתה שמציגה את המוצרים המובילים, פועלים לפי השלבים הבאים:

1. נכנסים לדף BigQuery במסוף Cloud de Confiance .

   כניסה ל-BigQuery

2. בתפריט הניווט, לוחצים על Studio.

3. לוחצים על add_box שאילתת SQL. מסד הנתונים שנבחר נטען באופן אוטומטי בחלונית Explorer.

4. בעורך השאילתות, מזינים את ההנחיה הבאה ולוחצים 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
   

   תו הסולמית (#) מנחה את Gemini ב-BigQuery ליצור קוד 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 הקוד המוצע, לוחצים על Tab ואז על Run כדי להריץ את הצהרת ה-SQL. אפשר גם לגלול בהצעות ל-SQL ולקבל מילים ספציפיות שמוצעות בהצהרה.

6. בחלונית Query results, בודקים את תוצאות השאילתה.

בניית מודל חיזוי וצפייה בתוצאות

בדוגמה הזו, אתם משתמשים ב-BigQuery ML כדי:

• משתמשים בשאילתת מגמה כדי ליצור מודל חיזוי.
• ‫Gemini ב-BigQuery יכול להסביר ולעזור לכם לכתוב שאילתה כדי לראות את התוצאות של מודל החיזוי.

אתם משתמשים בשאילתה לדוגמה הבאה עם נתוני מכירות בפועל, שמשמשים כקלט למודל. השאילתה משמשת כחלק מיצירת המודל של למידת המכונה.

1. כדי ליצור מודל חיזוי של ML, 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.

   אחרי שיוצרים את המודל, בכרטיסייה Results בחלונית Query results מופיעה הודעה דומה לזו:

   Successfully created model named sales_forecasting_model.
   

2. בחלונית Cloud Assist, מזינים הנחיה ל-Gemini ב-BigQuery כדי שיעזור לכם לכתוב שאילתה לקבלת תחזית מהמודל כשהוא יסיים. לדוגמה, מזינים How can I get a forecast in SQL from the model?.

   בהתאם להקשר של הפרומפט, התשובה כוללת דוגמה למודל ML שחוזה 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 שלכם ב-Cloud de Confiance .

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

4. מריצים את שאילתת ה-SQL בעורך השאילתות.

הסרת המשאבים

כדי להימנע מחיובים בחשבון Cloud de Confiance בגלל השימוש במשאבים שנעשה במסגרת המדריך הזה, אפשר למחוק את הפרויקט ב- Cloud de Confiance שיצרתם בשביל המדריך. אפשר גם למחוק את המשאבים בנפרד.

מחק את הפרויקט

1. נכנסים לדף Manage resources במסוף Cloud de Confiance .

   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 הנתונים

מחיקת הפרויקט תסיר את כל מערכי הנתונים ואת כל הטבלאות בפרויקט. אם אתם מעדיפים להשתמש שוב בפרויקט, אתם יכולים למחוק את מערך הנתונים שיצרתם במדריך הזה.

1. נכנסים לדף BigQuery במסוף Cloud de Confiance .

   כניסה ל-BigQuery

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

3. כדי למחוק את מערך הנתונים, הטבלה וכל הנתונים, לוחצים על Delete dataset.

4. כדי לאשר את המחיקה, בתיבת הדו-שיח Delete dataset מקלידים את שם מערך הנתונים (bqml_tutorial) ולוחצים על Delete.

המאמרים הבאים

• סקירה כללית על Gemini for Cloud de Confiance
• מידע ולמידה על המכסות והמגבלות ב-Gemini ל- Cloud de Confiance
• מידע ולמידה על מיקומים שבהם אפשר להשתמש ב-Gemini ל- Cloud de Confiance
• איך בוחנים את הנתונים באמצעות יצירת תובנות מהנתונים
• איך כותבים שאילתות בעזרת Gemini ב-BigQuery