Ringkasan

Di lab ini, Anda adalah seorang analis data yang akan menggunakan Gemini dan BigQuery untuk menganalisis data dan memprediksi penjualan produk sebagai bagian dari project bukti konsep di Cymbal Superstore. Sebagai bagian dari project ini, Anda juga akan menentukan apakah Gemini dapat digunakan untuk membantu analis membuat kueri SQL baru, menyelesaikan kueri, dan menjelaskan kueri kompleks.

Data yang digunakan di lab ini didasarkan pada set data publik BigQuery, terutama set data bigquery-public-data.thelook_ecommerce yang berisi data e-commerce sintetis dan digital marketing.

Lab ini mengasumsikan bahwa Anda sudah memahami SQL (Structured Query Language) dan tugas analisis data dasar. Pengetahuan tentang produk Google Cloud tidak diasumsikan. Jika Anda pengguna baru BigQuery, lihat panduan memulai BigQuery.

Catatan: Duet AI berganti nama menjadi Gemini, model generasi berikutnya dari kami. Lab ini telah diperbarui untuk mencerminkan perubahan ini. Semua referensi terkait Duet AI dalam antarmuka pengguna atau dokumentasi harus diperlakukan setara dengan Gemini saat mengikuti petunjuk lab. Catatan: Sebagai teknologi tahap awal, Gemini dapat menghasilkan output yang seolah masuk akal tetapi mengandung fakta yang salah. Sebaiknya validasi semua output dari Gemini sebelum Anda menggunakannya. Untuk informasi lebih lanjut, lihat Gemini untuk Google Cloud dan responsible AI.

Tujuan

Di lab ini, Anda akan mempelajari cara melakukan tugas berikut:

• Menggunakan Gemini untuk menjawab pertanyaan tentang produk analisis data Google Cloud dan kasus penggunaannya.
• Meminta Gemini untuk menjelaskan dan membuat kueri SQL di BigQuery.
• Membangun model machine learning (ML) untuk memperkirakan periode mendatang.

Penyiapan

Untuk setiap lab, Anda akan memperoleh project Google Cloud baru serta serangkaian resource selama jangka waktu tertentu, tanpa biaya.

1. Klik tombol Start Lab. Jika Anda perlu membayar lab, jendela pop-up akan terbuka untuk memilih metode pembayaran. Di sebelah kiri adalah panel Lab Details yang memuat sebagai berikut:

   • Tombol Open Google Cloud console
   • Waktu tersisa
   • Kredensial sementara yang harus Anda gunakan untuk lab ini
   • Informasi lain, jika diperlukan, untuk menyelesaikan lab ini

2. Klik Open Google Cloud console (atau klik kanan dan pilih Open Link in Incognito Window jika Anda menjalankan browser Chrome).

   Lab akan menjalankan resource, lalu membuka tab lain yang menampilkan halaman Sign in.

   Tips: Atur tab di jendela terpisah secara berdampingan.

   Catatan: Jika Anda melihat dialog Choose an account, klik Use Another Account.

3. Jika perlu, salin Username di bawah dan tempel ke dialog Sign in.

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

   Anda juga dapat menemukan Username di panel Lab Details.

4. Klik Next.

5. Salin Password di bawah dan tempel ke dialog Welcome.

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

   Anda juga dapat menemukan Password di panel Lab Details.

6. Klik Next.

   Penting: Anda harus menggunakan kredensial yang diberikan lab. Jangan menggunakan kredensial akun Google Cloud Anda. Catatan: Menggunakan akun Google Cloud sendiri untuk lab ini dapat dikenai biaya tambahan.

7. Klik halaman berikutnya:

   • Setujui persyaratan dan ketentuan.
   • Jangan tambahkan opsi pemulihan atau autentikasi 2 langkah (karena ini akun sementara).
   • Jangan mendaftar uji coba gratis.

Setelah beberapa saat, Konsol Google Cloud akan terbuka di tab ini.

Catatan: Untuk melihat menu dengan daftar produk dan layanan Google Cloud, klik Navigation menu di kiri atas.

Mengaktifkan Cloud Shell

Cloud Shell adalah mesin virtual dengan beberapa alat pengembangan. Mesin virtual ini menawarkan direktori beranda persisten berkapasitas 5 GB dan berjalan di Google Cloud. Cloud Shell memberikan akses command line ke resource Google Cloud Anda. gcloud adalah alat command line untuk Google Cloud. Fitur ini sudah terinstal di Cloud Shell dan mendukung penyelesaian tab.

1. Di Google Cloud Console, pada panel navigasi, klik Activate Cloud Shell ().

2. Klik Continue.
   Perlu waktu beberapa saat untuk menyediakan dan menghubungkan ke lingkungan. Setelah terhubung, Anda juga diautentikasi, dan project ditetapkan ke PROJECT_ID Anda. Contoh:

Contoh perintah

• Cantumkan nama akun aktif:

gcloud auth list

(Output)

Akun berkredensial: - <myaccount>@<mydomain>.com (active)

(Contoh output)

Akun berkredensial: - google1623327_student@qwiklabs.net

• Cantumkan ID project:

gcloud config list project

(Output)

[core] project = <project_ID>

(Contoh output)

[core] project = qwiklabs-gcp-44776a13dea667a6

Tugas 1. Mengonfigurasi lingkungan dan akun Anda

Dalam tugas ini, Anda akan mengonfigurasi lingkungan, akun, dan pengguna, sehingga Anda dapat menggunakan Cloud AI Companion API untuk Gemini.

1. Login ke Konsol Google Cloud dengan kredensial lab Anda, lalu buka jendela terminal Cloud Shell.

2. Untuk menetapkan project ID dan variabel lingkungan region, jalankan perintah berikut di Cloud Shell:

   PROJECT_ID=$(gcloud config get-value project) REGION={{{project_0.default_region|set at lab start}}} echo "PROJECT_ID=${PROJECT_ID}" echo "REGION=${REGION}"

3. Untuk menyimpan akun pengguna Google yang sudah login dalam variabel lingkungan, jalankan perintah berikut:

   USER=$(gcloud config get-value account 2> /dev/null) echo "USER=${USER}"

4. Aktifkan Cloud AI Companion API untuk Gemini:

   gcloud services enable cloudaicompanion.googleapis.com --project ${PROJECT_ID}

5. Untuk menggunakan Gemini, berikan peran IAM yang diperlukan ke akun pengguna Qwiklabs Google Cloud Anda:

   gcloud projects add-iam-policy-binding ${PROJECT_ID} --member user:${USER} --role=roles/cloudaicompanion.user gcloud projects add-iam-policy-binding ${PROJECT_ID} --member user:${USER} --role=roles/serviceusage.serviceUsageViewer

   Dengan menambahkan peran ini, pengguna dapat menggunakan bantuan Gemini.

Untuk memverifikasi tujuan, klik Check my progress. Mengaktifkan API terkait dan menetapkan peran IAM.

Tugas 2. Membuat set data dan mengaktifkan fitur Gemini di BigQuery

Dalam tugas ini, Anda akan membuat set data dan mengaktifkan fitur Gemini di BigQuery.

Membuat set data

1. Di Konsol Google Cloud, pilih Navigation menu (), lalu pilih BigQuery. Jika diminta, klik Done.

2. Di panel Explorer, untuk , pilih View actions (), lalu pilih Create dataset.

   Anda membuat set data untuk menyimpan objek database, termasuk tabel dan model.

3. Di panel Create dataset, masukkan informasi berikut:

   Kolom	Nilai
   Dataset ID	bqml_tutorial
   Location type	pilih Multi-region

   Biarkan kolom lain tetap pada nilai defaultnya.

4. Klik Create Dataset.

Mengaktifkan fitur Gemini di BigQuery

1. Untuk melihat fitur Gemini di BigQuery, di toolbar, klik Gemini (). Jika tidak terlihat, muat ulang halaman.

2. Dalam daftar Gemini in BigQuery SQL editor, pilih semua opsi berikut:

   • Auto completion

   • Auto generation

   • Explanation

Catatan: Untuk menonaktifkan fitur Gemini di BigQuery, batalkan pilihan fitur Gemini yang ingin dinonaktifkan.

Untuk memverifikasi tujuan, klik Check my progress. Membuat set data.

Tugas 3. Menggunakan Gemini untuk menganalisis data

Gemini dapat membantu Anda menemukan dan menganalisis data yang tersedia.

Sebelum dapat mengkueri data, Anda perlu mengetahui data apa yang dapat Anda akses. Setiap produk data mengatur dan menyimpan data dengan cara berbeda. Untuk mendapatkan bantuan, Anda dapat mengirimkan pernyataan (atau perintah) bahasa alami ke Gemini seperti, "How do I view which datasets and tables are available to me in BigQuery?"

Jika Anda ingin memahami karakteristik berbagai sistem kueri data, Anda dapat meminta Gemini untuk memberikan informasi produk tertentu seperti berikut:

• "How do I get started with BigQuery?"

• "What are the benefits of using BigQuery for data analysis?"

• "How does BigQuery handle auto-scaling for queries?"

Dalam tugas ini, Anda akan meminta Gemini untuk menjawab pertanyaan tentang data Anda.

Meminta Gemini untuk menjawab pertanyaan tentang data Anda

1. Di Konsol Google Cloud, pilih Navigation menu (), lalu pilih BigQuery.

2. Di toolbar Konsol Google Cloud, klik Open Gemini ().

3. Klik ENABLE untuk mengaktifkan Gemini for Google Cloud API.

4. Pesan Welcome to Gemini in Cloud Console akan ditampilkan di panel Gemini. Klik Start Chatting.

   Catatan: Jika tombol Start Chatting tidak diaktifkan, muat ulang halaman dan buka lagi Gemini.

5. Di panel Gemini, masukkan perintah:

   How do I learn which datasets and tables are available to me in BigQuery?

6. Klik Send prompt ().

   Gemini tidak menggunakan perintah Anda atau responsnya sebagai data untuk melatih modelnya. Untuk mengetahui informasi selengkapnya, baca artikel Cara Gemini untuk Google Cloud menggunakan data Anda.

   Gemini akan menampilkan respons yang mirip dengan contoh berikut:

   There are a few ways to learn which datasets and tables are available to you in BigQuery. You can use the Google Cloud console to browse the public datasets that are available. You can use the bq command-line tool to list the datasets and tables in your project. You can make calls to the BigQuery REST API to get a list of the datasets and tables in your project.

7. Untuk mereset histori percakapan Anda, di panel Gemini, klik Reset Chat ().

Catatan: Status histori percakapan hanya disimpan di memori dan akan terhapus saat Anda beralih ke ruang kerja lain atau menutup Konsol Google Cloud.

Tugas 4. Meminta Gemini untuk menjelaskan kueri SQL dalam set data penjualan

Gemini dapat membantu Anda bekerja dengan SQL. Misalnya, jika Anda menggunakan kueri SQL yang ditulis orang lain, Gemini di BigQuery dapat menjelaskan kueri kompleks dalam bahasa sederhana. Penjelasan tersebut dapat membantu Anda memahami sintaksis kueri, skema yang mendasarinya, dan konteks bisnis.

Untuk meminta Gemini menjelaskan contoh kueri SQL, ikuti langkah-langkah berikut:

1. Di Konsol Google Cloud, pilih Navigation menu (), lalu pilih BigQuery.

2. Di bagian Welcome to BigQuery Studio, klik SQL QUERY untuk membuat kueri SQL baru.

3. Di editor kueri, tempel kueri yang ingin Anda minta untuk dijelaskan.

   Misalnya, Anda mungkin ingin memahami kaitan antara kueri dan tabel data dalam set data penjualan, dan Anda mungkin memerlukan bantuan untuk menulis kueri yang menggunakan set data tersebut. Dalam contoh kueri berikut, Anda mungkin memahami tabel mana yang digunakan, tetapi Anda mungkin memerlukan waktu untuk menguraikan dan memahami bagian lain dari kueri tersebut.

   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

4. Pilih kueri yang Anda inginkan untuk dijelaskan oleh Gemini, lalu klik kanan pada kueri yang dipilih tersebut. Di menu, klik Explain current selection.

   Penjelasan SQL muncul di panel Gemini.

   Dengan menggunakan contoh kueri dari langkah sebelumnya, Gemini akan menampilkan penjelasan yang mirip dengan contoh berikut:

   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.

Untuk memverifikasi tujuan, klik Check my progress. Meminta Gemini untuk menjelaskan kueri SQL dalam set data penjualan.

Tugas 5. Membuat kueri SQL yang mengelompokkan penjualan berdasarkan hari dan produk

Anda dapat memberikan perintah pada Gemini untuk membuat kueri SQL berdasarkan skema data Anda. Meskipun Anda memulai tanpa kode, memiliki pengetahuan terbatas tentang skema data, atau hanya memiliki pengetahuan dasar tentang sintaksis SQL, Gemini dapat menyarankan satu atau beberapa pernyataan SQL.

Dalam tugas ini, Anda membuat kueri yang mencantumkan produk unggulan Anda setiap hari. Jenis kueri ini biasanya kompleks, tetapi Anda dapat membuat pernyataan secara otomatis menggunakan Gemini. Kemudian, Anda akan menggunakan tabel dalam set data thelook_ecommerce dan meminta Gemini untuk membuat kueri agar dapat menghitung penjualan berdasarkan item pesanan dan nama produk.

Meninjau tabel order_items dan products di set data publik

1. Di Konsol Google Cloud, pilih Navigation menu (), lalu pilih BigQuery.

2. Di Navigation menu, klik BigQuery Studio.

3. Di panel Explorer, klik +ADD.

4. Di dialog Add, dalam kolom Search for data sources, masukkan public datasets.

5. Tekan Enter. Anda akan melihat set data publik dalam daftar.

6. Klik public datasets. Anda akan melihat daftar set data publik dalam Marketplace.

7. Telusuri thelook. Anda akan melihat set data publik TheLook Ecommerce dalam daftar.

8. Klik thelook Ecommerce, dua kali.

9. Klik VIEW DATASET.

10. Perluas bigquery-public-data yang ditambahkan ke panel explorer.

11. Scroll ke bawah dan temukan thelook_ecommerce, lalu perluas set data. Anda akan melihat tabel order_items dan products yang tercantum.

12. Klik tabel order_items. Anda akan melihat skema data ditampilkan.

13. Kembali ke panel explorer.

14. Klik tabel products. Anda akan melihat skema data ditampilkan.

    Catatan: Meninjau skema untuk tabel sebelum Anda menjalankan Kueri berdasarkan perintah di Gemini akan membantu menghindari error dan potensi halusinasi.

Gunakan perintah untuk membuat kueri

1. Klik untuk membuka tab Untitled query yang baru.

2. Di editor kueri, masukkan perintah berikut, lalu tekan ENTER. Karakter tanda pagar (#) akan meminta Gemini untuk membuat SQL.

   # select the sum of sales by date, and product_id casted to day from order_items, joined with products. Include the product name in the results. Round the total_sales field to two decimal places and order results by total_sales descending.

   Gemini akan menyarankan kueri SQL yang mirip dengan contoh di bawah. Jika Anda mengalami error, jalankan kembali perintah, atau Anda dapat menjalankan perintah berikut.

   # select the sum of sales by date, and product_id casted to day from order_items, joined with products. Include the product name in the results. Round the total_sales field to two decimal places and order results by total_sales descending. SELECT DATE(order_items.created_at) AS order_date, order_items.product_id, products.name AS product_name, ROUND(SUM(order_items.sale_price), 2) AS total_sales FROM `bigquery-public-data.thelook_ecommerce.order_items` AS order_items LEFT JOIN `bigquery-public-data.thelook_ecommerce.products` AS products ON order_items.product_id = products.id GROUP BY order_date, order_items.product_id, product_name ORDER BY total_sales DESC; Catatan: Gemini mungkin akan menyarankan beberapa pernyataan SQL untuk perintah Anda.

3. Untuk menerima kode yang disarankan, klik Tab, lalu klik Run untuk menjalankan pernyataan SQL. Anda juga dapat men-scroll SQL yang disarankan dan menerima kata-kata tertentu yang disarankan dalam pernyataan.

4. Di panel Query results, lihat hasil kueri.

Untuk memverifikasi tujuan, klik Check my progress. Membuat kueri SQL yang mengelompokkan penjualan berdasarkan hari dan produk.

Tugas 6. Membuat model perkiraan dan melihat hasilnya

Dalam tugas ini, Anda akan menggunakan BigQuery ML untuk membangun model perkiraan dan mengkuerinya dengan perintah Gemini.

Membangun model

Anda akan menggunakan contoh kueri berikut dengan penjualan sebenarnya, yang digunakan sebagai input ke model. Kueri digunakan sebagai bagian dari pembuatan model ML.

1. Untuk membuat model ML perkiraan, di BigQuery SQL editor, jalankan SQL berikut:

   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;

Anda dapat menggunakan Gemini untuk membantu Anda memahami kueri ini.

Catatan: Penyelesaian kueri memerlukan waktu sekitar 10 menit. Saat model sedang berjalan, Anda juga dapat meminta Gemini menjawab pertanyaan seperti What is an ARIMA_PLUS model type?

Saat model dibuat, panel Results akan menampilkan pesan yang mirip dengan contoh berikut:

Successfully created model named sales_forecasting_model.

Mengkueri model dengan perintah

1. Klik untuk membuka tab Untitled query yang baru.

2. Di editor kueri, masukkan perintah berikut, lalu tekan ENTER. Karakter tanda pagar (#) akan meminta Gemini untuk membuat SQL.

   # Use sales_forecasting_model from the bqml_tutorial dataset in my project to generate a forecast and return all the resulting data.

   Gemini akan menyarankan kueri SQL yang mirip dengan contoh di bawah. Jika Anda mengalami error, jalankan kembali perintah, atau Anda dapat menjalankan perintah berikut.

   # Use sales_forecasting_model from the bqml_tutorial dataset in my project to generate a forecast and return all the resulting data. SELECT * FROM ML.FORECAST(MODEL `bqml_tutorial.sales_forecasting_model`) Catatan: Gemini mungkin akan menyarankan beberapa pernyataan SQL untuk perintah Anda.

3. Untuk menerima kode yang disarankan, klik Tab, lalu klik Run untuk menjalankan pernyataan SQL. Anda juga dapat men-scroll SQL yang disarankan dan menerima kata-kata tertentu yang disarankan dalam pernyataan.

4. Di panel Query results, lihat hasil kueri.

Untuk memverifikasi tujuan, klik Check my progress. Membuat model perkiraan dan melihat hasilnya.

Selamat!

Di lab ini, Anda telah mempelajari cara:

• Menggunakan Gemini untuk menjawab pertanyaan tentang produk analisis data Google Cloud dan kasus penggunaannya.
• Meminta Gemini untuk menjelaskan dan membuat kueri SQL di BigQuery.
• Membangun model machine learning (ML) untuk memperkirakan periode mendatang.

Bacaan opsional

Setelah mempelajari cara menggunakan Gemini untuk menganalisis data dengan BigQuery, jika Anda ingin mempelajari Gemini lebih lanjut, baca artikel Menulis perintah yang lebih baik untuk Gemini di Google Cloud.

Mengakhiri lab Anda

Setelah Anda menyelesaikan lab, klik Akhiri Lab. Qwiklabs menghapus resource yang telah Anda gunakan dan menghapus akun.

Anda akan diberi kesempatan untuk menilai pengalaman menggunakan lab. Pilih jumlah bintang yang sesuai, ketik komentar, lalu klik Submit.

Makna jumlah bintang:

• 1 bintang = Sangat tidak puas
• 2 bintang = Tidak puas
• 3 bintang = Netral
• 4 bintang = Puas
• 5 bintang = Sangat puas

Anda dapat menutup kotak dialog jika tidak ingin memberikan masukan.

Untuk masukan, saran, atau koreksi, gunakan tab Dukungan.

Hak cipta 2024 Google LLC. Semua hak dilindungi undang-undang. Google dan logo Google adalah merek dagang dari Google LLC. Semua nama perusahaan dan produk lain mungkin adalah merek dagang masing-masing perusahaan yang bersangkutan.