Informações gerais

Neste laboratório, você é um analista de dados que vai usar o Gemini e o BigQuery para analisar dados e prever vendas de produtos como parte de um projeto de prova de conceito na Cymbal Superstore. Como parte do projeto, você também vai determinar se o Gemini pode ajudar os analistas a gerar novas consultas SQL, a completar consultas e a explicar consultas complexas.

Os dados usados no laboratório se baseiam nos conjuntos de dados públicos do BigQuery, especificamente o bigquery-public-data.thelook_ecommerce, que contém dados sintéticos de e-commerce e marketing digital.

Neste laboratório, pressupomos que você conhece a linguagem de consulta estruturada (SQL, na sigla em inglês) e as tarefas básicas de análise de dados. O conhecimento básico dos produtos Google Cloud não é pressuposto. Se você for iniciante no BigQuery, confira os guias de início rápido do BigQuery.

Observação: a Duet AI agora é o Gemini, nosso modelo de última geração. Este laboratório foi atualizado para refletir essa mudança. Ao seguir as instruções dele, as referências à Duet AI na interface do usuário ou na documentação devem ser tratadas como referentes ao Gemini. Observação: como uma tecnologia em estágio inicial, o Gemini pode gerar uma saída plausível, mas que é factualmente incorreta. Recomendamos que você valide todas as saídas antes de usá-las. Para mais informações, consulte Gemini para o Google Cloud e IA responsável.

Objetivos

Neste laboratório, você vai aprender a fazer o seguinte:

• Usar o Gemini para tirar suas dúvidas sobre os casos de uso e produtos de análise de dados do Google Cloud.
• Pedir para o Gemini explicar e gerar consultas SQL no BigQuery.
• Criar um modelo de machine learning (ML) para prever futuros períodos.

Configuração

Para cada laboratório, você recebe um novo projeto do Google Cloud e um conjunto de recursos por um determinado período sem custo financeiro.

1. Clique no botão Começar o laboratório. Se for preciso pagar, você verá um pop-up para selecionar a forma de pagamento. No painel Detalhes do laboratório à esquerda, você vai encontrar o seguinte:

   • O botão Abrir console do Google Cloud
   • O tempo restante
   • As credenciais temporárias que você vai usar neste laboratório
   • Outras informações, se forem necessárias

2. Se você estiver usando o navegador Chrome, clique em Abrir console do Google Cloud ou clique com o botão direito do mouse e selecione Abrir link em uma janela anônima.

   O laboratório ativa os recursos e depois abre a página Fazer login em outra guia.

   Dica: coloque as guias em janelas separadas lado a lado.

   Observação: se aparecer a caixa de diálogo Escolher uma conta, clique em Usar outra conta.

3. Se necessário, copie o Nome de usuário abaixo e cole na caixa de diálogo Fazer login.

   {{{user_0.username | "Nome de usuário"}}}

   Você também encontra o Nome de usuário no painel Detalhes do laboratório.

4. Clique em Seguinte.

5. Copie a Senha abaixo e cole na caixa de diálogo de boas-vindas.

   {{{user_0.password | "Senha"}}}

   Você também encontra a Senha no painel Detalhes do laboratório.

6. Clique em Seguinte.

   Importante: você precisa usar as credenciais fornecidas no laboratório, e não as da sua conta do Google Cloud. Observação: se você usar sua própria conta do Google Cloud neste laboratório, é possível que receba cobranças adicionais.

7. Acesse as próximas páginas:

   • Aceite os Termos e Condições.
   • Não adicione opções de recuperação nem autenticação de dois fatores (porque essa é uma conta temporária).
   • Não se inscreva em testes gratuitos.

Depois de alguns instantes, o console do Google Cloud será aberto nesta guia.

Observação: clique em Menu de navegação no canto superior esquerdo para acessar uma lista de produtos e serviços do Google Cloud.

Ativar o Cloud Shell

O Cloud Shell é uma máquina virtual que contém ferramentas para desenvolvedores. Ele tem um diretório principal permanente de 5 GB e é executado no Google Cloud. O Cloud Shell oferece aos seus recursos do Google Cloud acesso às linhas de comando. A gcloud é a ferramenta ideal para esse tipo de operação no Google Cloud. Ela vem pré-instalada no Cloud Shell e aceita preenchimento com tabulação.

1. No painel de navegação do Console do Google Cloud, clique em Ativar o Cloud Shell ().

2. Clique em Continuar.
   O provisionamento e a conexão do ambiente podem demorar um pouco. Quando esses processos forem concluídos, você já vai ter uma autenticação, e o projeto estará definido com seu PROJECT_ID. Por exemplo:

Exemplo de comandos

• Liste o nome da conta ativa:

gcloud auth list

(Saída)

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

(Exemplo de saída)

Credentialed accounts: - google1623327_student@qwiklabs.net

• Liste o ID do projeto:

gcloud config list project

(Saída)

[core] project = <project_ID>

(Exemplo de saída)

[core] project = qwiklabs-gcp-44776a13dea667a6

Tarefa 1: Configure seu ambiente e sua conta

Nesta tarefa, você vai configurar seu ambiente, sua conta e seu usuário para poder usar a API Cloud AI Companion para o Gemini.

1. Faça login no console do Google Cloud com as credenciais do laboratório e abra a janela do terminal do Cloud Shell.

2. Para definir as variáveis de ambiente com o ID do projeto e a região, execute estes comandos no 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. Para armazenar a conta de usuário do Google conectada em uma variável de ambiente, execute o seguinte comando:

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

4. Ative a API Cloud AI Companion para o Gemini:

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

5. Para usar o Gemini, conceda os papéis necessários do IAM à conta de usuário do Qwiklabs do Google Cloud:

   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

   Ao adicionar esses papéis, o usuário pode contar com o suporte do Gemini.

Para verificar o objetivo, clique em Verificar meu progresso. Ative as APIs necessárias e configure os papéis do IAM.

Tarefa 2: Crie um conjunto de dados e ative recursos do Gemini no BigQuery

Nesta tarefa, você vai criar um conjunto de dados e ativar os recursos do Gemini no BigQuery.

criar um conjunto de dados

1. No console do Google Cloud, selecione o menu de navegação () e, em seguida, BigQuery. Se for solicitado, clique em Concluído.

2. No painel Explorador, para , selecione Ver ações () e depois Criar conjunto de dados.

   Ao criar um conjunto de dados, você armazena objetos do banco de dados, incluindo tabelas e modelos.

3. No painel Criar conjunto de dados, digite as seguintes informações:

   Campo	Valor
   ID do conjunto de dados	bqml_tutorial
   Tipo de local	Selecione Multirregional

   Deixe os demais campos com os valores padrão.

4. Clique em Criar conjunto de dados.

Ativar os recursos do Gemini no BigQuery

1. Para ver os recursos do Gemini no BigQuery, acesse a barra de ferramentas e clique em Gemini (). Se essa opção não estiver visível, atualize a página.

2. Na lista Gemini no editor de SQL do BigQuery, selecione todas as seguintes opções:

   • Preenchimento automático

   • Geração automática

   • Explicação

Observação: desmarque os recursos do Gemini que você quer desativar no BigQuery.

Para verificar o objetivo, clique em Verificar meu progresso. Crie um conjunto de dados.

Tarefa 3: Use o Gemini para analisar seus dados

O Gemini pode ajudar você a descobrir e analisar os dados disponíveis.

Antes de consultar os dados, você precisa saber quais consegue acessar. Cada produto de dados organiza e armazena dados de forma diferente. Para usar a ajuda do Gemini, envie uma instrução (ou um comando) em linguagem natural, como: "Como posso ver quais conjuntos de dados e tabelas estão disponíveis para mim no BigQuery?".

Se quiser entender as características de diferentes sistemas de consulta de dados, pode pedir ao Gemini informações específicas de produtos, como:

• "Como começo a usar o BigQuery?"

• "Quais benefícios o BigQuery oferece aos analistas de dados?"

• "Como o BigQuery processa consultas de escalonamento automático?"

Nesta tarefa, você vai pedir para o Gemini responder a perguntas sobre seus dados.

Pedir para o Gemini responder a perguntas sobre seus dados

1. No console do Google Cloud, selecione o menu de navegação () e, em seguida, BigQuery.

2. Na barra de ferramentas do console do Google Cloud, clique em Abrir o Gemini ().

3. Clique em ATIVAR para ativar a API Gemini para Google Cloud.

4. A mensagem de boas-vindas do Gemini no console do Cloud aparece no painel do Gemini. Clique em Iniciar a conversa.

   Observação: se o botão Iniciar a conversa não estiver ativado, atualize a página e abra o Gemini de novo.

5. No painel do Gemini, insira o comando:

   Como posso saber quais conjuntos de dados e tabelas estão disponíveis para mim no BigQuery?

6. Clique em Enviar comando ().

   O Gemini não usa seus comandos nem as respectivas respostas como dados para treinar o modelo. Para saber mais, consulte Como o Gemini para o Google Cloud usa seus dados.

   O Gemini retorna uma resposta parecida com:

   Há algumas maneiras de saber quais conjuntos de dados e tabelas estão disponíveis para você no BigQuery. É possível usar o console do Google Cloud para pesquisar os conjuntos de dados públicos que estão disponíveis. Você também pode usar a ferramenta de linha de comando bq para listar os conjuntos de dados e tabelas no seu projeto. É possível fazer chamadas para a API REST do BigQuery e receber uma lista dos conjuntos de dados e tabelas no seu projeto.

7. Se quiser reiniciar o histórico da sua conversa, no painel do Gemini, clique em Reiniciar conversa ().

Observação: o estado do histórico de conversas é mantido apenas na memória e não continua quando você muda para outro espaço de trabalho ou quando fecha o console do Google Cloud.

Tarefa 4: Peça para o Gemini explicar as consultas SQL em um conjunto de dados de vendas

O Gemini pode ajudar você a trabalhar com o SQL. Por exemplo, se você trabalhar com consultas SQL que outras pessoas escreveram, o Gemini no BigQuery pode explicar uma consulta complexa em linguagem simples. Essas explicações podem ajudar você a entender a sintaxe da consulta, o esquema subjacente e o contexto de negócios.

Para pedir para o Gemini explicar um exemplo de consulta SQL, siga estas etapas:

1. No console do Google Cloud, selecione o menu de navegação () e, em seguida, BigQuery.

2. Na página "Este é o BigQuery Studio", clique em CONSULTA SQL para criar uma.

3. No editor de consultas, cole a consulta correspondente à explicação que você quer.

   Por exemplo, talvez você queira entender como as tabelas de dados e consultas estão relacionadas em um conjunto de dados de vendas e pode precisar de ajuda para escrever consultas que usam esse conjunto de dados. No exemplo de consulta a seguir, talvez você entenda quais tabelas estão sendo usadas, mas outras seções da consulta podem ser demoradas de analisar e entender.

   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. Selecione a consulta que você quer que o Gemini explique e clique com o botão direito do mouse na consulta selecionada. No menu, clique em Explicar a seleção atual.

   A explicação do SQL aparece no painel Gemini.

   Usando a consulta de exemplo da etapa anterior, o Gemini retorna uma explicação parecida com:

   A intenção dessa consulta é descobrir os 10 principais usuários por preço promocional médio. Primeiro, a consulta une as tabelas "users" e "order_items" na coluna "user_id". Depois, ela agrupa os resultados por "user_id", "first_name" e "last_name", e calcula o preço promocional médio para cada grupo. Os resultados são classificados por preço promocional médio em ordem decrescente, e os 10 resultados principais são retornados.

Para verificar o objetivo, clique em Verificar meu progresso. Peça para o Gemini explicar as consultas SQL em um conjunto de dados de vendas.

Tarefa 5: Gere uma consulta SQL que agrupe as vendas por dia e produto

Você pode fornecer ao Gemini um comando para gerar uma consulta SQL com base no esquema de dados. Mesmo que você esteja começando sem código, com um conhecimento limitado do esquema de dados ou apenas tenha conhecimento básico da sintaxe do SQL do Google, o Gemini pode sugerir uma ou mais instruções SQL.

Nesta tarefa, você vai gerar uma consulta que lista seus produtos principais para cada dia. Esse tipo de consulta costuma ser complexo, mas você pode criar uma instrução automaticamente usando o Gemini. Depois, você usa tabelas no conjunto de dados thelook_ecommerce e pede para o Gemini gerar uma consulta para calcular as vendas por item do pedido e nome do produto.

Revisar as tabelas order_items e products no conjunto de dados público

1. No console do Google Cloud, selecione o menu de navegação () e, em seguida, BigQuery.

2. No menu de navegação, clique em BigQuery Studio.

3. No painel "Explorador", clique em +ADICIONAR.

4. Na caixa de diálogo "Adicionar" do campo "Pesquisar fontes de dados", insira public datasets.

5. Pressione Enter. Você verá conjunto de dados públicos na lista.

6. Clique em public datasets. Você verá a lista dos conjuntos de dados públicos no Marketplace.

7. Pesquise por thelook. Você verá os conjuntos de dados públicos TheLook Ecommerce na lista.

8. Clique em thelook Ecommerce duas vezes.

9. Clique em VER CONJUNTO DE DADOS.

10. Abra bigquery-public-data, que foi adicionado ao painel "Explorador".

11. Role para baixo, encontre thelook_ecommerce e abra o conjunto de dados. Você verá as tabelas order_items e products na lista.

12. Clique na tabela order_items. Você verá o esquema de dados.

13. Volte para o painel "Explorador".

14. Clique na tabela products. Você verá o esquema de dados.

    Observação: para evitar erros e possíveis alucinações, revise o esquema das tabelas antes de executar consultas usando comandos no Gemini.

Usar um comando para gerar a consulta

1. Clique em para abrir uma nova guia de consulta sem título.

2. No editor de consultas, insira o seguinte comando e pressione ENTER. O caractere de cerquilha (#) pede para o Gemini gerar o 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.

   O Gemini sugere uma consulta SQL semelhante à abaixo. Se você encontrar algum erro, execute o mesmo comando outra vez ou o comando a seguir.

   # 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; Observação: o Gemini pode sugerir várias instruções SQL para seu comando.

3. Para aceitar o código sugerido, clique em Tab e em Executar para iniciar a instrução SQL. Você também pode rolar pelas sugestões e aceitar termos específicos delas.

4. As sugestões aparecem no painel Resultados da consulta.

Para verificar o objetivo, clique em Verificar meu progresso. Gere uma consulta SQL que agrupe as vendas por dia e produto.

Tarefa 6: criar um modelo de previsão e visualizar os resultados

Nesta tarefa, você vai usar o BigQuery ML para criar um modelo de previsão e fazer uma consulta usando um comando do Gemini.

Criar o modelo

Você vai usar a seguinte consulta de exemplo com vendas reais, que são usadas como entrada para o modelo. A consulta é usada como parte da criação do modelo de ML.

1. Para criar um modelo de previsão de ML, no editor de SQL do BigQuery, execute o seguinte SQL:

   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;

É possível usar o Gemini para ajudar você a entender essa consulta.

Observação: a consulta leva aproximadamente 10 minutos. Enquanto o modelo ainda está sendo executado, você também pode enviar ao Gemini perguntas do tipo O que é um tipo de modelo ARIMA_PLUS?

Depois que o modelo for criado, o painel Resultados vai exibir uma mensagem parecida com:

Successfully created model named sales_forecasting_model.

Consultar o modelo usando um comando

1. Clique em para abrir uma nova guia de consulta sem título.

2. No editor de consultas, insira o seguinte comando e pressione ENTER. O caractere de cerquilha (#) pede para o Gemini gerar o SQL.

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

   O Gemini sugere uma consulta SQL semelhante à abaixo. Se você encontrar algum erro, execute o mesmo comando outra vez ou o comando a seguir.

   # 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`) Observação: o Gemini pode sugerir várias instruções SQL para seu comando.

3. Para aceitar o código sugerido, clique em Tab e em Executar para iniciar a instrução SQL. Você também pode rolar pelas sugestões e aceitar termos específicos delas.

4. As sugestões aparecem no painel Resultados da consulta.

Para conferir o objetivo, clique em Verificar meu progresso. Crie um modelo de previsão e confira os resultados.

Parabéns!

Neste laboratório, você aprendeu a:

• Usar o Gemini para tirar suas dúvidas sobre os casos de uso e produtos de análise de dados do Google Cloud.
• Pedir para o Gemini explicar e gerar consultas SQL no BigQuery.
• Criar um modelo de machine learning (ML) para prever futuros períodos.

Leitura opcional

Agora que você aprendeu a usar o Gemini para analisar os dados com o BigQuery, se quiser saber mais sobre o Gemini, consulte Escrever comandos melhores para o Gemini no Google Cloud.

Finalize o laboratório

Após terminar seu laboratório, clique em End Lab. O Qwiklabs removerá os recursos usados e limpará a conta para você.

Você poderá avaliar sua experiência neste laboratório. Basta selecionar o número de estrelas, digitar um comentário e clicar em Submit.

O número de estrelas indica o seguinte:

• 1 estrela = muito insatisfeito
• 2 estrelas = insatisfeito
• 3 estrelas = neutro
• 4 estrelas = satisfeito
• 5 estrelas = muito satisfeito

Feche a caixa de diálogo se não quiser enviar feedback.

Para enviar seu feedback, fazer sugestões ou correções, use a guia Support.

Copyright 2024 Google LLC. Todos os direitos reservados. Google e o logotipo do Google são marcas registradas da Google LLC. Todos os outros nomes de empresas e produtos podem ser marcas registradas das empresas a que estão associados.