개요

이 실습에서는 Cymbal Superstore라는 업체의 개념 증명 프로젝트에 참여한 데이터 분석가가 되어 Gemini와 BigQuery를 사용해 데이터를 분석하고 제품 판매를 예측해 봅니다. 또한 프로젝트의 일환으로 새로운 SQL 쿼리를 생성하고, 쿼리를 완료하고, 복잡한 쿼리를 설명하는 분석가의 작업에 Gemini가 도움이 되는지 판단해 봅니다.

실습에서 사용되는 데이터는 BigQuery 공개 데이터 세트 중에서도 전자상거래 및 디지털 마케팅 합성 데이터가 포함된 bigquery-public-data.thelook_ecommerce 데이터 세트를 기반으로 합니다.

이 실습은 SQL(구조화된 쿼리 언어) 및 기본적인 데이터 분석 작업에 익숙한 수강생을 대상으로 합니다. Google Cloud 제품에 관한 지식은 요구되지 않습니다. BigQuery를 처음 사용하는 경우 BigQuery 빠른 시작을 참조하세요.

참고: Duet AI의 이름이 Google의 차세대 모델인 Gemini로 변경되었습니다. 이 같은 변경사항을 반영하도록 실습을 업데이트했습니다. 실습 안내를 따르는 동안 사용자 인터페이스 또는 문서에 Duet AI가 언급되면 이를 Gemini와 동일하게 취급하세요. 참고: Gemini는 아직 초기 단계의 기술로, 그럴듯해 보이지만 실제로는 잘못된 출력을 생성할 수 있습니다. Gemini의 모든 출력을 사용 전에 미리 검사하는 것이 좋습니다. 자세한 내용은 Google Cloud를 위한 Gemini와 책임감 있는 AI를 참조하세요.

목표

이 실습에서는 다음 작업을 수행하는 방법을 알아봅니다.

• Gemini를 사용하여 Google Cloud 데이터 분석 제품 및 사용 사례 관련 질문에 대한 답변을 얻습니다.
• Gemini에 프롬프트를 입력하여 BigQuery의 SQL 쿼리를 설명하고 생성하도록 요청합니다.
• 미래를 예측하는 머신러닝(ML) 모델을 빌드합니다.

설정

각 실습에서는 정해진 기간 동안 새 Google Cloud 프로젝트와 리소스 집합이 무료로 제공됩니다.

1. 실습 시작 버튼을 클릭합니다. 실습 비용을 결제해야 하는 경우 결제 수단을 선택할 수 있는 팝업이 열립니다. 왼쪽에는 다음과 같은 항목이 포함된 실습 세부정보 패널이 있습니다.

   • Google Cloud 콘솔 열기 버튼
   • 남은 시간
   • 이 실습에 사용해야 하는 임시 사용자 인증 정보
   • 필요한 경우 실습 진행을 위한 기타 정보

2. Google Cloud 콘솔 열기를 클릭합니다(Chrome 브라우저를 실행 중인 경우 마우스 오른쪽 버튼으로 클릭하고 시크릿 창에서 링크 열기를 선택합니다).

   실습에서 리소스가 가동되면 다른 탭이 열리고 로그인 페이지가 표시됩니다.

   팁: 두 개의 탭을 각각 별도의 창으로 나란히 정렬하세요.

   참고: 계정 선택 대화상자가 표시되면 다른 계정 사용을 클릭합니다.

3. 필요한 경우 아래의 사용자 이름을 복사하여 로그인 대화상자에 붙여넣습니다.

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

   실습 세부정보 패널에서도 사용자 이름을 확인할 수 있습니다.

4. 다음을 클릭합니다.

5. 아래의 비밀번호를 복사하여 시작하기 대화상자에 붙여넣습니다.

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

   실습 세부정보 패널에서도 비밀번호를 확인할 수 있습니다.

6. 다음을 클릭합니다.

   중요: 실습에서 제공하는 사용자 인증 정보를 사용해야 합니다. Google Cloud 계정 사용자 인증 정보를 사용하지 마세요. 참고: 이 실습에 자신의 Google Cloud 계정을 사용하면 추가 요금이 발생할 수 있습니다.

7. 이후에 표시되는 페이지를 클릭하여 넘깁니다.

   • 이용약관에 동의합니다.
   • 임시 계정이므로 복구 옵션이나 2단계 인증을 추가하지 않습니다.
   • 무료 체험판을 신청하지 않습니다.

잠시 후 Google Cloud 콘솔이 이 탭에서 열립니다.

참고: Google Cloud 제품 및 서비스 목록이 있는 메뉴를 보려면 왼쪽 상단의 탐색 메뉴를 클릭합니다.

Cloud Shell 활성화

Cloud Shell은 여러 개발 도구가 포함된 가상 머신입니다. 5GB의 영구적인 홈 디렉터리를 제공하며 Google Cloud에서 실행됩니다. Cloud Shell을 사용하면 명령줄을 통해 Google Cloud 리소스에 액세스할 수 있습니다. gcloud는 Google Cloud의 명령줄 도구입니다. Cloud Shell에 사전 설치되어 있으며 탭 자동 완성을 지원합니다.

1. Google Cloud Console의 탐색창에서 Cloud Shell 활성화()를 클릭합니다.

2. 계속을 클릭합니다.
   환경을 프로비저닝하고 연결하는 데는 몇 분 정도 소요됩니다. 연결되면 사용자 인증도 처리되어 프로젝트가 PROJECT_ID로 설정됩니다. 예를 들면 다음과 같습니다.

샘플 명령어

• 활성 계정 이름을 나열합니다.

gcloud auth list

(출력)

Credentialed accounts: - <myaccount>@<mydomain>.com (active)

(출력 예시)

Credentialed accounts: - google1623327_student@qwiklabs.net

• 프로젝트 ID를 나열합니다.

gcloud config list project

(출력)

[core] project = <project_ID>

(출력 예시)

[core] project = qwiklabs-gcp-44776a13dea667a6

작업 1. 환경 및 계정 구성하기

이 작업에서는 Gemini용 Cloud AI Companion API를 사용할 수 있도록 환경, 계정, 사용자를 구성합니다.

1. 실습 사용자 인증 정보로 Google Cloud 콘솔에 로그인하고 Cloud Shell 터미널 창을 엽니다.

2. Cloud Shell에서 프로젝트 ID 및 리전 환경 변수를 설정하려면 다음 명령어를 실행합니다.

   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. 로그인한 Google 사용자 계정을 환경 변수에 저장하려면 다음 명령어를 실행합니다.

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

4. Gemini용 Cloud AI Companion API를 사용 설정합니다.

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

5. Gemini를 사용하려면 Google Cloud Qwiklabs 사용자 계정에 필요한 IAM 역할을 부여합니다.

   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

   이러한 역할을 추가하면 사용자가 Gemini의 지원을 받을 수 있습니다.

목표를 확인하려면 내 진행 상황 확인하기를 클릭합니다. 관련 API 사용 설정 및 IAM 역할 설정

작업 2. 데이터 세트를 만들고 BigQuery에서 Gemini 기능 사용 설정하기

이 작업에서는 데이터 세트를 만들고 BigQuery에서 Gemini 기능을 사용 설정합니다.

데이터 세트 만들기

1. Google Cloud 콘솔에서 탐색 메뉴()를 선택한 다음 BigQuery를 선택합니다. 메시지가 표시되면 완료를 클릭합니다.

2. 탐색기 패널의 에서 작업 보기()를 선택한 다음 데이터 세트 만들기를 선택합니다.

   테이블과 모델을 비롯한 데이터베이스 객체를 저장할 데이터 세트를 생성합니다.

3. 데이터 세트 만들기 창에 다음 정보를 입력합니다.

   필드	값
   데이터 세트 ID	bqml_tutorial
   위치 유형	멀티 리전 선택

   다른 필드는 기본값을 유지합니다.

4. 데이터 세트 만들기를 클릭합니다.

BigQuery에서 Gemini 기능 사용 설정하기

1. BigQuery에서 Gemini 기능을 보려면 툴바에서 Gemini()를 클릭합니다. Gemini가 표시되어 있지 않다면 페이지를 새로고침합니다.

2. BigQuery의 Gemini SQL 편집기 목록에서 다음 옵션을 모두 선택합니다.

   • 자동 완성

   • 자동 생성

   • 설명

참고: BigQuery에서 Gemini 기능을 사용 중지하려면 사용 중지하려는 Gemini 기능을 선택 해제하면 됩니다.

목표를 확인하려면 내 진행 상황 확인하기를 클릭합니다. 데이터 세트 만들기

작업 3. Gemini를 사용해 데이터 분석하기

Gemini는 사용 가능한 데이터를 찾고 분석하는 데 도움이 됩니다.

데이터를 쿼리하려면 먼저 어떤 데이터에 액세스할 수 있는지 알아야 합니다. 각 데이터 제품에 따라 데이터를 구성하고 저장하는 방식이 다릅니다. Gemini의 지원을 받으려면 'BigQuery에서 사용 가능한 데이터 세트와 테이블을 보려면 어떻게 해야 해?'와 같은 자연어 문(또는 프롬프트)을 작성하면 됩니다.

다양한 데이터 쿼리 시스템의 특성을 이해하고 싶다면 다음과 같이 Gemini에 특정 제품 정보에 관한 프롬프트를 입력해 보세요.

• 'BigQuery를 시작하려면 어떻게 해야 해'

• '데이터 분석에 BigQuery를 사용하면 어떤 이점이 있어?'

• 'BigQuery에서는 쿼리의 자동 확장을 어떻게 처리해?'

이 작업에서는 Gemini에게 데이터와 관련된 질문 프롬프트를 입력하고 답변을 받아봅니다.

Gemini에 데이터와 관련된 질문 프롬프트를 입력하고 답변받기

1. Google Cloud 콘솔에서 탐색 메뉴()를 선택한 다음 BigQuery를 선택합니다.

2. Google Cloud 콘솔 툴바에서 Gemini 열기()를 클릭합니다.

3. 사용 설정을 클릭하여 Gemini for Google Cloud API를 사용 설정합니다.

4. Gemini 창에 Cloud 콘솔의 Gemini에 오신 것을 환영합니다라는 메시지가 표시됩니다. 채팅 시작을 클릭합니다.

   참고: 채팅 시작 버튼을 사용할 수 없는 경우 페이지를 새로고침하고 Gemini를 다시 열어보세요.

5. Gemini 창에 프롬프트를 입력합니다.

   BigQuery에서 사용할 수 있는 데이터 세트와 테이블이 무엇인지 어떻게 알 수 있어?

6. 프롬프트 보내기()를 클릭합니다.

   Gemini는 프롬프트나 프롬프트에 대한 응답을 모델 학습 데이터로 사용하지 않습니다. 자세한 내용은 Google Cloud를 위한 Gemini에서 사용자 데이터를 사용하는 방법을 참조하세요.

   Gemini가 다음과 비슷한 대답을 반환합니다.

   BigQuery에서 사용 가능한 데이터 세트와 테이블이 무엇인지 알 수 있는 방법에는 몇 가지가 있습니다. Google Cloud 콘솔을 통해 사용 가능한 공개 데이터 세트를 살펴볼 수 있습니다. bq 명령줄 도구를 사용해 프로젝트의 데이터 세트와 테이블을 나열할 수 있습니다. BigQuery REST API를 호출하여 프로젝트의 데이터 세트와 테이블 목록을 확인할 수 있습니다.

7. 채팅 기록을 재설정하고 싶다면 Gemini 창에서 채팅 재설정()을 클릭합니다.

참고: 채팅 기록 상태는 메모리에만 유지되며, 사용자가 다른 작업공간으로 전환하거나 Google Cloud 콘솔을 닫을 때 삭제됩니다.

작업 4. Gemini에 판매 데이터 세트의 SQL 쿼리를 설명해 달라는 프롬프트 입력하기

Gemini는 SQL 작업에 도움이 될 수 있습니다. 예를 들어 다른 사람들이 작성한 SQL 쿼리를 사용하는 경우 BigQuery의 Gemini는 복잡한 쿼리를 일반 언어로 설명합니다. 이러한 설명은 쿼리 문법, 기본 스키마, 비즈니스 컨텍스트를 이해하는 데 도움이 될 수 있습니다.

Gemini에 SQL 쿼리 예시를 설명해 달라는 프롬프트를 입력하려면 다음 단계를 따르세요.

1. Google Cloud 콘솔에서 탐색 메뉴()를 선택한 다음 BigQuery를 선택합니다.

2. 'BigQuery Studio에 오신 것을 환영합니다' 문구 아래에 있는 SQL 쿼리를 클릭하고 새 SQL 쿼리를 만듭니다.

3. 쿼리 편집기에서 설명하려는 쿼리를 붙여넣습니다.

   예를 들어 판매 데이터 세트에서 데이터 테이블과 쿼리가 어떻게 연관되어 있는지 알아보고 싶거나, 해당 데이터 세트를 사용하여 쿼리를 작성하는 데 도움을 받아야 할 수 있습니다. 다음 예시 쿼리에서 어떤 테이블을 사용 중인지는 파악할 수 있지만, 쿼리의 다른 섹션을 파싱하고 이해하는 데는 시간이 걸릴 수 있습니다.

   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. Gemini에게 설명을 요청하려는 쿼리를 선택하고 선택한 쿼리를 마우스 오른쪽 버튼으로 클릭합니다. 메뉴에서 현재 선택 항목 설명을 클릭합니다.

   SQL 설명이 Gemini 창에 표시됩니다.

   Gemini는 이전 단계의 예시 쿼리를 사용하여 다음과 비슷한 설명을 반환합니다.

   이 쿼리의 의도는 평균 판매가를 기준으로 상위 10명의 사용자를 찾는 것입니다. 쿼리는 먼저 users와 order_items 테이블을 user_id 열에 조인합니다. 그런 다음 user_id, first_name, last_name을 기준으로 결과를 그룹화하고 각 그룹의 평균 판매가를 계산합니다. 그러면 결과가 평균 판매가를 기준으로 내림차순 정렬되며, 상위 10개 결과가 반환됩니다.

목표를 확인하려면 내 진행 상황 확인하기를 클릭합니다. Gemini에 판매 데이터 세트의 SQL 쿼리를 설명해 달라는 프롬프트 입력하기

작업 5. 일별 및 제품별로 판매를 그룹화하는 SQL 쿼리 생성하기

Gemini에 데이터 스키마에 따라 SQL 쿼리를 생성해 달라는 프롬프트를 입력할 수 있습니다. 데이터 스키마에 대해 잘 모르거나, SQL 문법에 대한 기본 지식만 있거나 노 코드로 시작하더라도 Gemini는 하나 이상의 SQL 문을 추천합니다.

이 작업에서는 일일 인기 제품을 나열하는 쿼리를 생성해 봅니다. 이런 유형의 쿼리는 보통 복잡한 편이지만, Gemini를 사용해 문을 자동으로 만들 수 있습니다. thelook_ecommerce 데이터 세트의 테이블을 사용하여 Gemini에 주문된 상품 및 제품 이름별로 매출을 계산하는 쿼리를 생성해 달라는 프롬프트를 입력하면 됩니다.

공개 데이터 세트에서 order_items 및 products 테이블 검토하기

1. Google Cloud 콘솔에서 탐색 메뉴()를 선택한 다음 BigQuery를 선택합니다.

2. 탐색 메뉴에서 BigQuery Studio를 클릭합니다.

3. 탐색기 창에서 + 추가를 클릭합니다.

4. '추가' 대화상자의 '데이터 소스 검색' 필드에 public datasets를 입력합니다.

5. Enter 키를 누릅니다. 목록에 공개 데이터 세트가 표시됩니다.

6. 공개 데이터 세트를 클릭합니다. Marketplace의 공개 데이터 세트 목록이 표시됩니다.

7. thelook을 검색합니다. 목록에 theLook eCommerce 공개 데이터 세트가 표시됩니다.

8. theLook eCommerce를 두 번 클릭합니다.

9. 데이터 세트 보기를 클릭합니다.

10. 탐색기 패널에 추가된 bigquery-public-data를 펼칩니다.

11. 아래로 스크롤하여 thelook_ecommerce를 찾은 다음 데이터 세트를 펼칩니다. order_items 및 products 테이블이 표시됩니다.

12. order_items 테이블을 클릭합니다. 데이터 스키마가 표시됩니다.

13. 탐색기 패널로 돌아갑니다.

14. products 테이블을 클릭합니다. 데이터 스키마가 표시됩니다.

    참고: Gemini에서 프롬프트를 기반으로 쿼리를 실행하기 전에 테이블 스키마를 검토하면 오류와 잠재적인 할루시네이션의 발생을 방지하는 데 도움이 됩니다.

프롬프트를 사용해 쿼리 생성하기

1. 아이콘을 클릭하여 새로운 '제목 없는 쿼리' 탭을 엽니다.

2. 쿼리 편집기에서 다음 프롬프트를 입력한 다음 Enter 키를 누릅니다. 우물 정자(#)를 붙여 Gemini에 SQL을 생성해 달라는 프롬프트를 입력합니다.

   # 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.

   Gemini는 다음과 유사한 SQL 쿼리를 추천합니다. 오류가 발생하면 프롬프트를 다시 실행하거나 다음 명령어를 실행하세요.

   # 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; 참고: 입력한 프롬프트에 대해 Gemini가 여러 개의 SQL 문을 추천할 수 있습니다.

3. 추천된 코드를 수락하려면 Tab 키를 누른 다음 실행을 클릭하여 SQL 문을 실행합니다. 추천된 SQL을 스크롤하여 문에서 특정 부분만 수락할 수도 있습니다.

4. 쿼리 결과 창에서 쿼리 결과를 확인합니다.

목표를 확인하려면 내 진행 상황 확인하기를 클릭합니다. 일별 및 제품별로 판매를 그룹화하는 SQL 쿼리 생성하기

작업 6. 예측 모델을 빌드하고 결과 보기

이 작업에서는 BigQuery ML을 사용해 예측 모델을 빌드한 후 Gemini 프롬프트를 사용해 쿼리합니다.

모델 빌드하기

모델에 입력으로 사용되는 실제 매출 관련 예시 쿼리를 사용합니다. 이 쿼리는 ML 모델을 생성할 때 사용됩니다.

1. 예측 ML 모델을 만들려면 BigQuery SQL 편집기에서 다음 SQL을 실행합니다.

   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;

이 쿼리를 이해하는 데 Gemini의 도움을 받을 수 있습니다.

참고: 쿼리가 완료되기까지 약 10분이 소요됩니다. 모델이 실행되는 동안 Gemini에 ARIMA_PLUS 모델 유형이 뭔지 설명해 줘 같은 질문을 프롬프트에 입력할 수도 있습니다.

모델이 생성되면 '결과' 창에 다음과 유사한 메시지가 표시됩니다.

Successfully created model named sales_forecasting_model.

프롬프트로 모델 쿼리하기

1. 아이콘을 클릭하여 새로운 '제목 없는 쿼리' 탭을 엽니다.

2. 쿼리 편집기에서 다음 프롬프트를 입력한 다음 Enter 키를 누릅니다. 우물 정자(#)를 붙여 Gemini에 SQL을 생성해 달라는 프롬프트를 입력합니다.

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

   Gemini는 다음과 유사한 SQL 쿼리를 추천합니다. 오류가 발생하면 프롬프트를 다시 실행하거나 다음 명령어를 실행하세요.

   # 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`) 참고: 입력한 프롬프트에 대해 Gemini가 여러 개의 SQL 문을 추천할 수도 있습니다.

3. 추천된 코드를 수락하려면 Tab 키를 누른 다음 실행을 클릭하여 SQL 문을 실행합니다. 추천된 SQL을 스크롤하여 문에서 특정 부분만 수락할 수도 있습니다.

4. 쿼리 결과 창에서 쿼리 결과를 확인합니다.

목표를 확인하려면 내 진행 상황 확인하기를 클릭합니다. 예측 모델을 빌드하고 결과 보기

수고하셨습니다

이 실습에서는 다음 작업을 수행하는 방법을 배웠습니다.

• Gemini를 사용하여 Google Cloud 데이터 분석 제품 및 사용 사례 관련 질문에 대한 답변을 얻습니다.
• Gemini에 프롬프트를 입력하여 BigQuery의 SQL 쿼리를 설명하고 생성하도록 요청합니다.
• 미래를 예측하는 머신러닝(ML) 모델을 빌드합니다.

읽기 자료(선택 사항)

지금까지 Gemini를 사용하여 BigQuery로 데이터를 분석하는 방법을 살펴보았습니다. Gemini에 대해 자세히 알아보고 싶다면 Google Cloud의 Gemini에 대해 더 나은 프롬프트 작성을 참조하세요.

실습 종료

실습을 완료하면 실습 종료를 클릭합니다. Qwiklabs에서 사용된 리소스를 자동으로 삭제하고 계정을 지웁니다.

실습 경험을 평가할 수 있습니다. 해당하는 별표 수를 선택하고 의견을 입력한 후 제출을 클릭합니다.

별점의 의미는 다음과 같습니다.

• 별표 1개 = 매우 불만족
• 별표 2개 = 불만족
• 별표 3개 = 중간
• 별표 4개 = 만족
• 별표 5개 = 매우 만족

의견을 제공하고 싶지 않다면 대화상자를 닫으면 됩니다.

의견이나 제안 또는 수정할 사항이 있다면 지원 탭을 사용하세요.

Copyright 2024 Google LLC All rights reserved. Google 및 Google 로고는 Google LLC의 상표입니다. 기타 모든 회사명 및 제품명은 해당 업체의 상표일 수 있습니다.