GSP1259

總覽

假設您是在 Data Beans 任職滿一年的資料分析師，且已成功獨立完成許多專案。隨著公司持續成長，您也開始負責指導新進的資料分析師。這個團隊發揮 Gemini in BigQuery 的實用價值，生成 SQL 程式碼、資料洞察和資料表探索工具，處理新資料集時更是得心應手。不過，團隊需要更完善的協作工具，以便透過圖表呈現資料，並建立更複雜的新查詢來彙整資料表。

您聽說 Google Cloud BigQuery 資料畫布能簡化資料探索和分析作業，使用者點按滑鼠就能與資料互動，不必編寫複雜的 SQL 查詢，還能透過共用畫布與他人協作。資料畫布似乎是能滿足團隊需求的可行解決方案。在掌握相關資訊後，您想要開始使用這項工具，但不確定該怎麼做。

目標

在本實驗室中，您將瞭解如何使用資料畫布執行下列工作：

• 彙整「menu」、「orders」和「order_item」資料表。
• 計算 2024 年各菜單品項的總收益。
• 建立長條圖，顯示總收益最高的前 10 名品項。
• 找出收益相同的兩個菜單品項。
• 與他人協作。

最後，您將利用一段時間回答實驗室日誌中的問題，藉此回顧在本實驗室學到的內容，並思考如何將資料畫布運用在您的資料、特定用途與工作流程上。

設定和需求

瞭解以下事項後，再點選「Start Lab」按鈕

請詳閱以下操作說明。實驗室活動會計時，且中途無法暫停。點選「Start Lab」後就會開始計時，顯示可使用 Google Cloud 資源的時間。

您將在真正的雲端環境完成實作實驗室活動，而不是模擬或示範環境。為此，我們會提供新的暫時憑證，供您在實驗室活動期間登入及存取 Google Cloud。

為了順利完成這個實驗室，請先確認：

• 可以使用標準的網際網路瀏覽器 (Chrome 瀏覽器為佳)。

注意事項：請使用無痕模式 (建議選項) 或私密瀏覽視窗執行此實驗室，這可以防止個人帳戶和學員帳戶之間的衝突，避免個人帳戶產生額外費用。

• 是時候完成實驗室活動了！別忘了，活動一旦開始將無法暫停。

注意事項：務必使用實驗室專用的學員帳戶。如果使用其他 Google Cloud 帳戶，可能會產生額外費用。

如何開始研究室及登入 Google Cloud 控制台

1. 點選「Start Lab」按鈕。如果實驗室會產生費用，畫面上會出現選擇付款方式的對話方塊。左側的「Lab Details」窗格會顯示下列項目：

   • 「Open Google Cloud console」按鈕
   • 剩餘時間
   • 必須在這個研究室中使用的臨時憑證
   • 完成這個實驗室所需的其他資訊 (如有)

2. 點選「Open Google Cloud console」；如果使用 Chrome 瀏覽器，也能按一下滑鼠右鍵，選取「在無痕視窗中開啟連結」。

   接著，實驗室會啟動相關資源，並開啟另一個分頁，顯示「登入」頁面。

   提示：您可以在不同的視窗中並排開啟分頁。

   注意：如果頁面中顯示「選擇帳戶」對話方塊，請點選「使用其他帳戶」。

3. 如有必要，請將下方的 Username 貼到「登入」對話方塊。

   {{{user_0.username | "Username"}}}

   您也可以在「Lab Details」窗格找到 Username。

4. 點選「下一步」。

5. 複製下方的 Password，並貼到「歡迎使用」對話方塊。

   {{{user_0.password | "Password"}}}

   您也可以在「Lab Details」窗格找到 Password。

6. 點選「下一步」。

   重要事項：請務必使用實驗室提供的憑證，而非自己的 Google Cloud 帳戶憑證。 注意：如果使用自己的 Google Cloud 帳戶來進行這個實驗室，可能會產生額外費用。

7. 按過後續的所有頁面：

   • 接受條款及細則。
   • 由於這是臨時帳戶，請勿新增救援選項或雙重驗證機制。
   • 請勿申請免費試用。

Google Cloud 控制台稍後會在這個分頁開啟。

注意：如要使用 Google Cloud 產品和服務，請點選「導覽選單」，或在「搜尋」欄位輸入服務或產品名稱。

工作 1：彙整「menu」、「orders」和「order_item」資料表

在這項工作中，您會使用資料畫布找出並彙整「menu」、「orders」和「order_item」資料表，然後根據這些資料生成洞察結果。

注意：在本實驗室中，您可能會發現生成的查詢與本指南提供的程式碼片段不同。這是正常情況，也是生成式 AI 體驗的一部分。如果輸出內容相同，且您能根據提示加以驗證，表示模型運作正常。

找出「menu」、「orders」和「order_item」資料表

1. 在 Google Cloud 控制台中，依序點選「導覽選單」和「BigQuery」。

2. 按一下「歡迎」對話方塊中的「完成」。

3. 按一下 ，為專案建立新的資料畫布。

4. 在「區域」部分選取 。

5. 按一下「選取」，畫面上會出現「未命名的畫布」分頁。請留意如何透過自然語言提示詞尋找資料表，以及存取近期使用的資料表、查詢及儲存的查詢。您將用自然語言提示詞搜尋 coffee_on_wheels 資料集，並找出「menu」和「order_item」資料表。

6. 輸入「coffee on wheels」。

7. 按一下 ，coffee_on_wheels 資料集的資料表就會出現。您應該會看到以下四個資料表：location、menu、orders 和 order_item。

注意：請重複點選「提交搜尋查詢」按鈕，直到出現所有應顯示的資料表。如果該顯示的資料表並未出現，請開啟左側窗格中的 coffee_on_wheels 資料集，然後針對 menu、orders 和 order_item 資料表，在三點選單中依序選取「在下列位置查詢：」>「目前的資料畫布」。接著，從任一資料表點選「彙整」，再選取其餘兩個資料表。您可以使用 Join these data sources 提示詞，然後接續下方的步驟 3 子工作。

彙整「menu」、「orders」和「order_item」資料表

找到資料表後即可開始彙整。

1. 選取 menu、orders 和 order_item 資料表，此時畫面上會顯示「彙整」按鈕。

2. 按一下「彙整」。您會看到資料畫布以視覺化方式彙整這三個資料表，並建立新的分支節點。不過，彙整作業還沒完成。請注意，系統會自動建立類似以下內容的查詢，您可以選擇要執行或儲存：

   SELECT * FROM `{{{project_0.project_id|set at lab start}}}.coffee_on_wheels.menu` AS t1, `{{{project_0.project_id|set at lab start}}}.coffee_on_wheels.orders` AS t2, `{{{project_0.project_id|set at lab start}}}.coffee_on_wheels.order_item` AS t3 LIMIT 10;

   這個查詢只會選取資料表中的品項，然後列出其中 10 項，因此不適用。首先，我們試試看輸入下方的簡單提示詞，然後點選「修正」：

   Join these data sources

   畫面應如下所示：

   -- prompts: -- 1. Join these data sources SELECT t1.*, t2.*, t3.* FROM `qwiklabs-gcp-01-6417c75eef67`.`coffee_on_wheels`.`orders` AS t1 INNER JOIN `qwiklabs-gcp-01-6417c75eef67`.`coffee_on_wheels`.`order_item` AS t2 ON t1.order_id = t2.order_id INNER JOIN `qwiklabs-gcp-01-6417c75eef67`.`coffee_on_wheels`.`menu` AS t3 ON t2.menu_id = t3.menu_id;

   雖然這個版本乾淨簡單，但就清晰度或「*」用法而言，不一定符合最佳做法。請使用下列提示詞進一步調整：

   Join these data sources without using * and use descriptive table aliases

3. 再次點按「修正」，系統就會生成新查詢，如下所示。

   # prompt: Join these data sources without using * SELECT menu.menu_id, menu.company_id, menu.item_name, menu.item_price, menu.item_description, menu.item_size, order_item.order_item_id, order_item.order_id, order_item.quantity, order_item.item_price, order_item.item_total, orders.location_id, orders.customer_id, orders.order_datetime, orders.order_completion_datetime FROM `{{{project_0.project_id|set at lab start}}}.coffee_on_wheels.menu` AS menu INNER JOIN `{{{project_0.project_id|set at lab start}}}.coffee_on_wheels.order_item` AS order_item ON menu.menu_id = order_item.menu_id INNER JOIN `{{{project_0.project_id|set at lab start}}}.coffee_on_wheels.orders` AS orders ON order_item.order_id = orders.order_id;

注意：請確認 LIMIT 子句未出現。如果仍看到該子句，請手動移除相關程式碼行，或將提示詞變更為：「Join these data sources without using * while returning all rows」

1. 依序點選「插入」和「執行」。

2. 查看結果，並確認資料表已成功彙整。畫面上會列出菜單品項，以及 item_name、tem_price、order_datetime 和 item_total 等重要欄位。在下一個工作中，請使用此新資料表的這些欄位計算 2024 年各品項的總收益。

點選「Check my progress」，確認目標已達成。 彙整「menu」、「orders」和「order_item」資料表。

工作 2：計算 2024 年各菜單品項的總收益

在這項工作中，您會使用彙整過的資料表搭配用來生成 SQL 查詢的 Gemini 提示詞，計算 2024 年各菜單品項的總收益。

在彙整查詢結果底下，您會看到在資料畫布建立其他分支節點的選項，包括「查詢這些結果」、「以圖表呈現」和「彙整」。

• 查詢這些結果：利用彙整作業產生的資料表建立查詢。
• 以圖表呈現：利用已彙整資料表內的資料建立圖表。
• 彙整：將這個資料表與其他資料表彙整。

1. 按一下「查詢這些結果」，資料畫布上就會產生新節點。請注意，您可以輸入提示詞，或是手動編寫新的 SQL 程式碼。

2. 輸入下列提示詞。

   From the joined table, only consider orders from 2024. Calculate the total revenue for each menu item. In the results, display the menu_id, the item name, the item size, and the total revenue (rounded as only two decimal places). Order results with total revenue in descending order.

3. 點選「生成」，系統就會生成新查詢，如下所示。

   # prompt: From the joined table, only consider orders from 2024. Calculate the total revenue for each menu item. In the results, display the menu_id, the item name, the item size, and the total revenue (rounded to only two decimal places). Order results with total revenue in descending order. SELECT t1.menu_id, t1.item_name, t1.item_size, ROUND(SUM(t1.item_total), 2) AS total_revenue FROM `SQL` AS t1 WHERE EXTRACT(YEAR FROM t1.order_datetime) = 2024 GROUP BY 1, 2, 3 ORDER BY total_revenue DESC;

4. 按一下「執行」。

5. 查看結果。請注意，結果中會包含 menu_id、item_name、item_size 和 total_revenue 這些欄位。

想想看

1. 收益排名第 2 的是哪一個品項？item_size 欄位顯示什麼值？

點選「Check my progress」，確認目標已達成。 計算 2024 年各菜單品項的總收益。

工作 3：建立長條圖，顯示總收益最高的前 10 名品項

在這項工作中，您會根據計算結果建立長條圖，顯示總收益最高的前 10 名品項。

找出總收益最高的前 10 名品項

1. 按一下「查詢這些結果」，資料畫布上就會產生新節點。

2. 輸入下列提示詞：

   Identify the top 10 items by total revenue and include the menu_id, item_nam, item_size, and total_revenue fields.

3. 點選「生成」，系統就會生成新查詢，如下所示。

   SELECT t1.menu_id, t1.item_name, t1.item_size, t1.total_revenue FROM `SQL` AS t1 ORDER BY t1.total_revenue DESC LIMIT 10;

4. 按一下「執行」。

5. 查看結果。請注意，這時候只會顯示總收益最高的前 10 名品項。

建立長條圖

1. 按一下「以圖表呈現」。

2. 在隨即顯示的下拉式選單中選取「長條圖」，資料畫布上就會產生新節點。系統將自動建立圖表，並顯示所有菜單品項和對應的總收益。

   這個功能很實用，不過您會發現，品項並未按照總收益由高到低排序，品項尺寸也沒有反映在圖表中。您可以修正這些問題。

3. 輸入以下提示詞，取代原本的提示詞。

   Create a vertical bar chart displaying total revenue. Include the item name on the x-axis and the total revenue on the y-axis in the results. Start with the location with the highest revenue. Stack the results by item size.

4. 點選「修正」。現在，前 10 名品項將依序排列，在總收益的部分，則會以不同顏色呈現不同尺寸的占比。

查看圖表摘要

圖表建立後，您可以生成摘要。如要查看圖表摘要，請按照以下步驟操作：

1. 按一下圖表底部的「生成洞察資料」，系統便會生成圖表摘要，如下所示：

• 「Coffee-infused Avocado Toast」是收益最高的品項，總收益達 $675.48 美元。
• 多數菜單品項 (10 個中有 5 個) 沒有尺寸子類，因此尺寸類別為「n/a」。
• 沒有尺寸選項的品項在整體收益中的占比極高。
• 至於有尺寸選項的品項 (「Brewhaha Bonanza」和「Java Journey」)，則是「large」尺寸的人氣較高。

想想看

1. 將長條圖與工作 2 生成的查詢結果原始資料相比較。

   為什麼圖表上總收益最高的品項是 Brewhaha Bonanza，而非 Coffee-infused Avocado Toast？

點選「Check my progress」，確認目標已達成。 建立長條圖，顯示總收益最高的前 10 名品項。

工作 4：找出收益相同的兩個菜單品項

在這項工作中，您會根據先前工作中計算出的總收益，找出收益相同的兩個菜單品項。

1. 回到工作 2 建立的總收益計算節點。

2. 將游標懸停在該節點的底部中央，會看到「建立其他分支節點」選項。

3. 按一下「查詢這些結果」，資料畫布上就會產生新節點。

4. 輸入下列提示詞：

   Find two items with the same total revenue. Within the results, display the item names, item size, and total revenue. Limit your response to only two items.

5. 點選「生成」，系統就會生成新查詢，如下所示。

   # prompt: Find two items with the same total revenue. Within the results, display the item names, item size, and total revenue. Limit your response to only two items. SELECT t1.item_name, t1.item_size, t1.total_revenue FROM `SQL 1` AS t1 WHERE t1.total_revenue IN( SELECT t2.total_revenue FROM `SQL 1` AS t2 GROUP BY 1 HAVING COUNT(t2.total_revenue) > 1 ) LIMIT 2;

6. 按一下「執行」。

想想看

查看結果。系統會顯示兩個結果，且分別列出品項名稱、尺寸和總收益。

1. 結果中顯示的是哪兩個品項？

2. 品項尺寸為何？

3. 收益是否相同？

4. 就您的資料和用途而言，您會如何使用資料畫布將資料視覺化並設計查詢？

點選「Check my progress」，確認目標已達成。 找出收益相同的兩個菜單品項。

工作 5：與他人協作

在這項工作中，您會扮演以下這兩個使用者角色：資料畫布的擁有者，以及資料畫布的共用對象。首先，您必須在這個實驗室環境中，查看指派給擁有者和另一位使用者的角色，然後儲存及共用剛才建立的資料畫布。您也會將資料畫布匯出至筆記本，最後再以另一位使用者的身分存取該資料畫布。

使用及共用資料畫布所需的角色

1. 開啟另一個分頁，前往 Google Cloud 控制台，依序點選「導覽選單」和「IAM 與管理」。畫面上會列出主體和獲派的角色。

2. 找到 主體。

   注意：這是擁有者主體，也是您在本實驗室中截至目前為止所使用的身分。

   如 IAM 中所示，這個使用者具備以下角色：

   • BigQuery 管理員
   • Gemini for Google Cloud 使用者
   • 擁有者
   • 服務使用情形檢視者
   • 檢視者

3. 找到 主體。

   注意：這是您要用來測試資料畫布共用功能的另一個主體。

   如 IAM 中所示，這個使用者具備以下角色：

   • BigQuery 資料編輯者
   • BigQuery Studio 使用者
   • Gemini for Google Cloud 使用者
   • 程式碼編輯者
   • 檢視者

如要進一步瞭解使用資料畫布所需的權限，請參閱必要角色的說明。

儲存及共用資料畫布 (以擁有者身分)

1. 回到您的 BigQuery 資料畫布。

2. 找到畫布頂端的「儲存」按鈕，點選向下箭頭後，就會看到「儲存」和「另存為」這兩個選項。

3. 按一下「另存為」，畫面上會顯示「儲存」對話方塊。

4. 在名稱欄位輸入：Two items with same total revenue

5. 保留區域預設值，因為這是啟動實驗室時指派給您的區域。

6. 按一下「儲存」。您會發現資料畫布已儲存，並列於「Explorer」面板中的「共用的資料畫布」專區。

將資料畫布匯出至筆記本 (以擁有者身分)

BigQuery 資料畫布能將查詢匯出為筆記本。

1. 在資料畫布中，點選「匯出為筆記本」。

2. 在「Save Notebook」窗格中輸入筆記本名稱 (data_canvas_export)，以及要儲存該筆記本的區域 ()。

3. 按一下「儲存」。筆記本已建立成功。

4. 如要查看建立的筆記本，請展開「Explorer」面板的「筆記本」專區。

5. 按一下「data_canvas_export」筆記本。

注意：以擁有者和另一個使用者目前的權限來看，只有擁有者能執行匯出動作。也就是說，您必須授予適當權限，才能啟用匯出功能。

存取資料畫布 (以另一個使用者的身分)

現在請以另一個使用者的身分存取資料畫布。

1. 在實驗室指南這裡，對「Open Google Cloud console」按一下滑鼠右鍵。

2. 選取「在無痕視窗中開啟連結」。

3. 輸入使用者 2 的使用者名稱和密碼。按照您在本實驗室開頭使用的方式存取 Google Cloud 控制台。

4. 在 Google Cloud 控制台中，依序點選「導覽選單」和「BigQuery」。

5. 按一下「歡迎」對話方塊中的「完成」。

6. 在「Explorer」面板中展開 專案。您會在清單底部看到 coffee_on_wheels 資料集。

7. 展開「資料畫布」。

8. 展開「共用的資料畫布」，畫面上會列出 Two items with same total revenue 資料畫布。

9. 按一下「Two items with same total revenue」資料畫布，即可顯示該資料畫布。

另一個使用者能在這裡查看資料畫布，瞭解您針對這個業務問題設計的工作流程。如有需要，對方甚至可以修改畫布來排解問題，或根據需求加以補強 (視該使用者具備的權限而定)。

想想看

1. 依據您的資料和用途，您會如何使用資料畫布與團隊協作？

2. 對於團隊建立的資料畫布，您會如何管理存取權？

點選「Check my progress」，確認目標已達成。 將資料畫布匯出至筆記本。

恭喜！

您已成功運用資料畫布尋找及彙整「coffee_on_wheels」資料集中的資料表、計算出資料集內各菜單品項的總收益，並直接在資料畫布中以長條圖將這些資料視覺化。接著，您也根據計算出的數據順利找出收益相同的兩個品項。最後，您在資料畫布中運用 IAM 角色，將資料畫布儲存至專案並與他人共用。

請想想您在本實驗室中學到哪些重點，然後與其他團隊成員分享，討論出使用資料畫布進行協作的方法。

後續步驟/其他資源

• 透過 BigQuery 資料畫布分析資料
• 瞭解 BigQuery 資料畫布：如何運用 AI 輕鬆將資料轉換成洞察資訊
• Gemini 模型
• 生成式 AI

Google Cloud 教育訓練與認證

協助您瞭解如何充分運用 Google Cloud 的技術。我們的課程會介紹專業技能和最佳做法，讓您可以快速掌握要領並持續進修。我們提供從基本到進階等級的訓練課程，並有隨選、線上和虛擬課程等選項，方便您抽空參加。認證可協助您驗證及證明自己在 Google Cloud 技術方面的技能和專業知識。

使用手冊上次更新日期：2025 年 9 月 18 日

實驗室上次測試日期：2025 年 9 月 18 日

Copyright 2025 Google LLC 保留所有權利。Google 和 Google 標誌是 Google LLC 的商標，其他公司和產品名稱則有可能是其關聯公司的商標。