Esta página foi traduzida pela API Cloud Translation.

Analise com a tela de dados do BigQuery

Este documento descreve como usar a tela de dados para a análise de dados. Também pode gerir os metadados da tela de dados através do catálogo universal do Dataplex.

A tela de dados do BigQuery Studio, que é uma funcionalidade do Gemini no BigQuery, permite-lhe encontrar, transformar, consultar e visualizar dados através de comandos de linguagem natural e de uma interface gráfica para fluxos de trabalho de análise.

Para fluxos de trabalho de análise, a tela de dados do BigQuery usa um gráfico acíclico direcionado (DAG), que oferece uma vista gráfica do seu fluxo de trabalho. Na tela de dados do BigQuery, pode iterar os resultados das consultas e trabalhar com vários ramos de investigação num único local.

A tela de dados do BigQuery foi concebida para acelerar as tarefas de análise e ajudar os profissionais de dados, como analistas de dados, engenheiros de dados e outros, no seu percurso de dados a estatísticas. Não requer conhecimentos técnicos de ferramentas específicas, apenas familiaridade básica com a leitura e a escrita de SQL. A tela de dados do BigQuery funciona com metadados do catálogo universal do Dataplex para identificar tabelas adequadas com base na linguagem natural.

A tela de dados do BigQuery não se destina a ser usada diretamente pelos utilizadores empresariais.

A tela de dados do BigQuery usa o Gemini no BigQuery para encontrar os seus dados, criar SQL, gerar gráficos e criar resumos de dados.

Saiba como e quando o Gemini para Google Cloud usa os seus dados.

Capacidades

A tela de dados do BigQuery permite-lhe fazer o seguinte:

Use consultas de linguagem natural ou a sintaxe de pesquisa de palavras-chave com os metadados do catálogo universal do Dataplex para encontrar recursos, como tabelas, vistas ou vistas materializadas.
Use a linguagem natural para consultas SQL básicas, como as seguintes:
- Consultas que contêm cláusulas FROM, funções matemáticas, matrizes e estruturas.
- JOIN operações para duas tabelas.
Crie visualizações personalizadas usando linguagem natural para descrever o que quer.
Automatize as estatísticas de dados.

Limitações

Os comandos de linguagem natural podem não funcionar bem com o seguinte:
- BigQuery ML
- Apache Spark
- Tabelas de objetos
- BigLake
- INFORMATION_SCHEMA visualizações
- JSON
- Campos aninhados e repetidos
- Funções e tipos de dados complexos, como DATETIME e TIMEZONE
As visualizações de dados não funcionam com gráficos de mapas geográficos.

Práticas recomendadas de pedidos

Com as técnicas de comandos certas, pode gerar consultas SQL complexas. As sugestões seguintes ajudam a tela de dados do BigQuery a refinar os seus comandos de linguagem natural para aumentar a precisão das suas consultas:

Escrever com clareza. Indique o seu pedido de forma clara e evite ser vago.
Faça perguntas diretas. Para obter a resposta mais precisa, faça uma pergunta de cada vez e mantenha os seus comandos concisos. Se inicialmente deu um comando com mais do que uma pergunta, detalhe cada parte distinta da pergunta para que fique claro para o Gemini.
Dê instruções focadas e explícitas. Enfatize os termos principais nos seus comandos.
Especifique a ordem das operações. Dê instruções de forma clara e ordenada. Divida as tarefas em passos pequenos e focados.
Refine e repita. Experimente diferentes expressões e abordagens para ver o que gera os melhores resultados.

Para mais informações, consulte as práticas recomendadas para pedidos de tela de dados do BigQuery.

Antes de começar

Certifique-se de que o Gemini no BigQuery está ativado para o seu projeto. Google Cloud Normalmente, um administrador executa este passo.
Certifique-se de que tem as autorizações de gestão de identidade e de acesso (IAM) necessárias para usar a tela de dados do BigQuery.
Para gerir os metadados da tela de dados no catálogo universal do Dataplex, certifique-se de que a API Dataplex está ativada no seu Google Cloud projeto.

Funções necessárias

Para receber as autorizações de que precisa para usar a tela de dados do BigQuery, peça ao seu administrador para lhe conceder as seguintes funções de IAM no projeto:

Utilizador do BigQuery Studio (roles/bigquery.studioUser)
Utilizador do Gemini para o Google Cloud (roles/cloudaicompanion.user)

Para mais informações sobre a atribuição de funções, consulte o artigo Faça a gestão do acesso a projetos, pastas e organizações.

Também pode conseguir as autorizações necessárias através de funções personalizadas ou outras funções predefinidas.

Para mais informações acerca das funções e autorizações do IAM no BigQuery, consulte o artigo Introdução ao IAM.

Para gerir os metadados da tela de dados no catálogo universal do Dataplex, certifique-se de que tem as funções do catálogo universal do Dataplex necessárias e a autorização dataform.repositories.get.

Tipos de nós

Uma tela é uma coleção de um ou mais nós. Os nós podem ser ligados por qualquer ordem. A tela de dados do BigQuery tem os seguintes tipos de nós:

Texto
Pesquisar
Tabela
SQL
Visualização
Estatísticas

Nó de texto

Na tela de dados do BigQuery, um nó de texto permite-lhe adicionar conteúdo de texto formatado à tela. É útil para adicionar explicações, notas ou instruções à tela, o que facilita a compreensão do contexto e do objetivo da sua análise por si e por outras pessoas. Pode introduzir qualquer conteúdo de texto que quiser no editor de nós de texto, incluindo Markdown para formatação. Esta capacidade permite-lhe criar blocos de texto visualmente apelativos e informativos.

No nó de texto, pode fazer o seguinte:

Elimine o nó.
Depure o nó.
Duplicar o nó.

Nó de pesquisa

Na tela de dados do BigQuery, um nó de pesquisa permite-lhe encontrar e incorporar recursos de dados na tela. Funciona como uma ponte entre as suas consultas em linguagem natural ou pesquisas de palavras-chave e os dados reais com os quais quer trabalhar.

Fornece uma consulta de pesquisa, com linguagem natural ou através de palavras-chave. O nó de pesquisa pesquisa nos seus recursos de dados. Tira partido dos metadados do catálogo universal do Dataplex para uma maior perceção do contexto. A tela de dados do BigQuery também sugere tabelas, consultas e consultas guardadas usadas recentemente.

O nó de pesquisa devolve uma lista de recursos de dados relevantes que correspondem à sua consulta. Tem em conta os nomes das colunas e as descrições das tabelas. Em seguida, pode selecionar os recursos que quer adicionar à tela de dados como nós de tabelas, onde pode analisar e visualizar os dados mais detalhadamente.

No nó de pesquisa, pode fazer o seguinte:

Elimine o nó.
Depure o nó.
Duplicar o nó.

Nó de tabela

Na tela de dados do BigQuery, um nó de tabela representa uma tabela específica que incorporou no fluxo de trabalho de análise. Representa os dados com os quais está a trabalhar e permite-lhe interagir diretamente com eles.

Um nó de tabela apresenta informações sobre a tabela, como o nome, o esquema e uma pré-visualização dos dados. Pode interagir com a tabela vendo detalhes como o esquema da tabela, os detalhes da tabela e uma pré-visualização da tabela.

No nó da tabela, pode fazer o seguinte:

Elimine o nó.
Depure o nó.
Duplicar o nó.
Execute o nó.
Executar o nó e o nó seguinte.

Na tela de dados, pode fazer o seguinte:

Consultar os resultados num novo nó SQL.
Junte os resultados a outra tabela.

Nó SQL

Na tela de dados do BigQuery, um nó SQL permite-lhe executar consultas SQL personalizadas diretamente na tela. Pode escrever código SQL diretamente no editor de nós SQL ou usar um comando de linguagem natural para gerar o SQL.

O nó SQL executa a consulta SQL fornecida nas origens de dados especificadas. O nó SQL produz uma tabela de resultados, que pode ser associada a outros nós na tela para análise ou visualização adicionais.

Depois de executar a consulta, pode exportá-la como uma consulta agendada, exportar os resultados da consulta ou partilhar a tela, semelhante à execução de uma consulta interativa.

No nó SQL, pode fazer o seguinte:

Exporte a declaração SQL como uma consulta agendada.
Elimine o nó.
Depure o nó.
Duplicar o nó.
Execute o nó.
Executar o nó e o nó seguinte.

Na tela de dados, pode fazer o seguinte:

Consultar os resultados num novo nó SQL.
Visualize os resultados num nó de visualização.
Gerar estatísticas sobre os resultados num nó de estatísticas.
Junte os resultados a outra tabela.

Nó de visualização

Na tela de dados do BigQuery, um nó de visualização permite apresentar dados visualmente, o que facilita a compreensão de tendências, padrões e estatísticas. Oferece uma variedade de tipos de gráficos à escolha, o que lhe permite selecionar e personalizar a melhor visualização para os seus dados.

Um nó de visualização recebe uma tabela como entrada, que pode ser o resultado de uma consulta SQL ou de um nó de tabela. Com base no tipo de gráfico selecionado e nos dados da tabela de entrada, o nó de visualização gera um gráfico. Pode selecionar Gráfico automático para permitir que o BigQuery selecione o melhor tipo de gráfico para os seus dados. Em seguida, o nó de visualização apresenta o gráfico gerado.

O nó de visualização permite-lhe personalizar o gráfico, incluindo a alteração das cores, das etiquetas e das origens de dados. Também pode exportar o gráfico como um ficheiro PNG.

Visualize dados através dos seguintes tipos de gráficos:

Gráfico de barras
Mapa térmico
Gráfico de linhas
Gráfico circular
Gráfico de dispersão

No nó de visualização, pode fazer o seguinte:

Exporte o gráfico como um ficheiro PNG.
Depure o nó.
Duplicar o nó.
Execute o nó.
Executar o nó e o nó seguinte.

Na tela de dados, pode fazer o seguinte:

Gerar estatísticas sobre os resultados num nó de estatísticas.
Edite a visualização.

Nó Estatísticas

Na tela de dados do BigQuery, um nó de estatísticas permite-lhe gerar estatísticas e resumos a partir dos dados na tela de dados. Isto ajuda a descobrir padrões, avaliar a qualidade dos dados e realizar análises estatísticas na tela. Identifica tendências, padrões, anomalias e correlações nos seus dados, bem como gera resumos concisos e claros dos resultados da análise de dados.

Para mais informações sobre estatísticas de dados, consulte o artigo Gere estatísticas de dados no BigQuery.

No nó de estatísticas, pode fazer o seguinte:

Elimine o nó.
Duplicar o nó.
Execute o nó.

Use a tela de dados do BigQuery

Pode usar a tela de dados do BigQuery na Google Cloud consola, numa consulta ou numa tabela.

Aceda à página do BigQuery.

Aceda ao BigQuery
No editor de consultas, junto a Consulta SQL, clique em Criar novo e, de seguida, clique em Tela de dados.
No campo de comando Linguagem natural, introduza um comando de linguagem natural.

Por exemplo, se introduzir Find me tables related to trees, a tela de dados do BigQuery devolve uma lista de tabelas possíveis, incluindo conjuntos de dados públicos, como bigquery-public-data.usfs_fia.plot_tree ou bigquery-public-data.new_york_trees.tree_species.
Selecione uma tabela.

É adicionado um nó de tabela para a tabela selecionada à tela de dados do BigQuery. Para ver informações do esquema, ver detalhes da tabela ou pré-visualizar os dados, selecione os vários separadores no nó da tabela.
Opcional: depois de guardar a tela de dados, use a seguinte barra de ferramentas para ver detalhes da tela de dados ou o histórico de versões, adicionar novos comentários ou responder a um comentário existente ou obter um link para o mesmo:

As funcionalidades da barra de ferramentas Detalhes, Histórico de versões e Comentários estão em pré-visualização. Para enviar feedback ou pedir apoio técnico para estas funcionalidades, envie um email para [email protected].

Os exemplos seguintes demonstram diferentes formas de usar a tela de dados do BigQuery em fluxos de trabalho de análise.

Exemplo de fluxo de trabalho: encontre, consulte e visualize dados

Neste exemplo, usa comandos de linguagem natural na tela de dados do BigQuery para encontrar dados, gerar uma consulta e editar a consulta. Em seguida, crie um gráfico.

Comando 1: encontrar dados

Na Google Cloud consola, aceda à página BigQuery.

Aceda ao BigQuery
No editor de consultas, junto a Consulta SQL, clique em Criar novo e, de seguida, clique em Tela de dados.
Clique em Pesquisar dados.
Clique em filter_list Editar filtros de pesquisa e, de seguida, no painel Filtrar pesquisa, clique no botão Conjuntos de dados públicos do BigQuery para o ativar.
No campo de comando de linguagem natural, introduza o seguinte comando de linguagem natural:
```
Chicago taxi trips
```
A tela de dados do BigQuery gera uma lista de tabelas potenciais com base nos metadados do catálogo universal do Dataplex. Pode selecionar várias tabelas.
Selecione a tabela bigquery-public-data.chicago_taxi_trips.taxi_trips e, de seguida, clique em Adicionar à tela.

É adicionado um nó de tabela para taxi_trips à tela de dados do BigQuery. Para ver informações do esquema, ver detalhes da tabela ou pré-visualizar os dados, selecione os vários separadores no nó da tabela.

Comando 2: gerar uma consulta SQL na tabela selecionada

Para gerar uma consulta SQL para a tabela bigquery-public-data.chicago_taxi_trips.taxi_trips, faça o seguinte:

Na tela de dados, clique em Consulta.

No campo de comando Linguagem natural, introduza o seguinte:

Get me the 100 longest trips

A tela de dados do BigQuery gera uma consulta SQL semelhante à seguinte:

SELECT
  taxi_id,
  trip_start_timestamp,
  trip_end_timestamp,
  trip_miles
FROM
  `bigquery-public-data.chicago_taxi_trips.taxi_trips`
ORDER BY
  trip_miles DESC
LIMIT
  100;

Comando 3: edite a consulta

Para editar a consulta que gerou, pode editá-la manualmente ou alterar o comando de linguagem natural e regenerar a consulta. Neste exemplo, usa um comando de linguagem natural para editar a consulta de modo a selecionar apenas viagens em que o cliente pagou em numerário.

No campo de comando Linguagem natural, introduza o seguinte:

Get me the 100 longest trips where the payment type is cash

A tela de dados do BigQuery gera uma consulta SQL semelhante à seguinte:

SELECT
  taxi_id,
  trip_start_timestamp,
  trip_end_timestamp,
  trip_miles
FROM
  `PROJECT_ID.chicago_taxi_trips_123123.taxi_trips`
WHERE
  payment_type = 'Cash'
ORDER BY
  trip_miles DESC
LIMIT
  100;

No exemplo anterior, PROJECT_ID é o ID do seu projeto. Google Cloud

Para ver os resultados da consulta, clique em Executar.

Crie um gráfico

Na tela de dados, clique em Visualizar.
Clique em Criar gráfico de barras.

A tela de dados do BigQuery cria um gráfico de barras que mostra as milhas de viagem mais longas por ID da viagem. Além de fornecer um gráfico, a tela de dados do BigQuery resume alguns dos detalhes principais dos dados que suportam a visualização.
Opcional: faça uma ou mais das seguintes ações:
- Para modificar o gráfico, clique em Editar e, de seguida, edite o gráfico no painel Editar visualização.
- Para partilhar a tela de dados, clique em Partilhar e, de seguida, em Partilhar link para copiar o link da tela de dados do BigQuery.
- Para limpar a tela de dados, selecione Mais ações e, de seguida, selecione Limpar tela. Este passo resulta numa tela em branco.

Exemplo de fluxo de trabalho: junte tabelas

Neste exemplo, usa comandos de linguagem natural na tela de dados do BigQuery para encontrar dados e associar tabelas. Em seguida, exporta uma consulta como um bloco de notas.

Comando 1: encontrar dados

No campo de comando Linguagem natural, introduza o seguinte comando:
```
Information about trees
```
A tela de dados do BigQuery sugere várias tabelas com informações sobre árvores.
Para este exemplo, selecione a tabela bigquery-public-data.new_york_trees.tree_census_1995 e, de seguida, clique em Adicionar à tela.

A tabela é apresentada na tela.

Comando 2: junte as tabelas na respetiva morada

Na tela de dados, clique em Juntar.

A tela de dados do BigQuery sugere tabelas para unir.
Para abrir um novo campo de comando de linguagem natural, clique em Pesquisar tabelas.
No campo de comando Linguagem natural, introduza o seguinte comando:
```
Information about trees
```
Selecione a tabela bigquery-public-data.new_york_trees.tree_census_2005 e, em seguida, clique em Adicionar à tela.

A tabela é apresentada na tela.
Na tela de dados, clique em Juntar.
Na secção Neste tela, selecione a caixa de verificação Célula da tabela e, de seguida, clique em OK.

No campo de comando Linguagem natural, introduza o seguinte comando:

Join on address

A tela de dados do BigQuery sugere a consulta SQL para juntar estas duas tabelas com base na respetiva morada:

SELECT
  *
FROM
  `bigquery-public-data.new_york_trees.tree_census_2015` AS t2015
JOIN
  `bigquery-public-data.new_york_trees.tree_census_1995` AS t1995
ON
  t2015.address = t1995.address;

Para executar a consulta e ver os resultados, clique em Executar.

Exporte a consulta como um bloco de notas

A tela de dados do BigQuery permite-lhe exportar as suas consultas como um bloco de notas.

Na tela de dados, clique em Exportar como bloco de notas.
No painel Guardar bloco de notas, introduza o nome do bloco de notas e a região onde o quer guardar.
Clique em Guardar. O bloco de notas foi criado com êxito.
Opcional: para ver o notebook criado, clique em Abrir.

Exemplo de fluxo de trabalho: edite um gráfico com um comando

Neste exemplo, usa comandos de linguagem natural na tela de dados do BigQuery para encontrar, consultar e filtrar dados e, em seguida, editar os detalhes da visualização.

Comando 1: encontrar dados

Para encontrar dados sobre nomes nos EUA, introduza o seguinte comando:
```
Find data about USA names
```
A tela de dados do BigQuery gera uma lista de tabelas.
Para este exemplo, selecione a tabela bigquery-public-data.usa_names.usa_1910_current e, de seguida, clique em Adicionar à tela.

Comando 2: consulte os dados

Para consultar os dados, na tela de dados, clique em Consultar e, de seguida, introduza o seguinte comando:
```
Summarize this data
```
A tela de dados do BigQuery gera uma consulta semelhante à seguinte:
```
SELECT
  state,
  gender,
  year,
  name,
  number
FROM
  `bigquery-public-data.usa_names.usa_1910_current`
```
Clique em Executar. São apresentados os resultados da consulta.

Comando 3: filtre os dados

Na tela de dados, clique em Consultar estes resultados.

Para filtrar os dados, no campo de comando SQL, introduza o seguinte comando:

Get me the top 10 most popular names in 1980

A tela de dados do BigQuery gera uma consulta semelhante à seguinte:

SELECT
  name,
  SUM(number) AS total_count
FROM
  `bigquery-public-data`.usa_names.usa_1910_current
WHERE
  year = 1980
GROUP BY
  name
ORDER BY
  total_count DESC
LIMIT
  10;

Quando executa a consulta, recebe uma tabela com os dez nomes mais comuns de crianças nascidas em 1980.

Crie e edite um gráfico

Na tela de dados, clique em Visualizar.

A tela de dados do BigQuery sugere várias opções de visualização, incluindo um gráfico de barras, um gráfico circular, um gráfico de linhas e uma visualização personalizada.
Para este exemplo, clique em Criar gráfico de barras.

A tela de dados do BigQuery cria um gráfico de barras semelhante ao seguinte:

Além de fornecer um gráfico, a tela de dados do BigQuery resume alguns dos principais detalhes dos dados que suportam a visualização. Pode modificar o gráfico clicando em Detalhes da visualização e editando o gráfico no painel lateral.

Comando 4: edite os detalhes da visualização

No campo de comando Visualização, introduza o seguinte:
```
Create a bar chart sorted high to low, with a gradient
```
A tela de dados do BigQuery cria um gráfico de barras semelhante ao seguinte:
Opcional: para fazer mais alterações, clique em Editar.

É apresentado o painel Editar visualização. Pode editar detalhes como o título do gráfico, o nome do eixo X e o nome do eixo Y. Além disso, se clicar no separador Editor de JSON, pode editar diretamente o gráfico com base nos valores JSON.

Trabalhe com um assistente do Gemini

Pode usar uma experiência de chat com tecnologia Gemini para trabalhar com a tela de dados do BigQuery. O assistente de chat pode criar nós com base nas suas solicitações, executar consultas e criar visualizações. Pode escolher tabelas para o assistente usar e adicionar instruções para direcionar o comportamento do assistente. O assistente funciona com telas de dados novas ou existentes.

Para trabalhar com o assistente Gemini, faça o seguinte:

Para abrir o assistente, na tela de dados, clique em spark Abrir assistente da tela de dados.
No campo Faça uma pergunta sobre os dados, introduza um comando de linguagem natural, por exemplo, um dos seguintes:
- Show me interesting statistics of my data.
- Make a chart based on my data, sorted high to low.
- I want to see sample data from my table.
A resposta inclui um ou mais nós com base no pedido. Por exemplo, se pedir ao assistente para criar um gráfico dos seus dados, este cria um nó de visualização na tela de dados.

Quando clica no campo Fazer uma pergunta sobre os dados, também pode fazer o seguinte:
- Para adicionar dados, clique em Definições.
- Para adicionar instruções, clique em Definições.
Para continuar a trabalhar com o assistente, adicione comandos de linguagem natural adicionais.

Pode continuar a criar comandos de linguagem natural enquanto trabalha com a sua tela de dados.

Adicionar dados

Quando trabalha com a interface de chat do Gemini, pode adicionar dados para que o assistente saiba a que conjunto de dados fazer referência. O assistente pede-lhe para selecionar uma tabela antes de executar quaisquer comandos. Quando pesquisa dados no assistente, pode limitar o âmbito dos dados pesquisáveis a todos os projetos, aos projetos marcados com uma estrela ou ao seu projeto atual. Também pode decidir se quer incluir conjuntos de dados públicos na sua pesquisa.

Para adicionar dados ao Assistente Gemini, faça o seguinte:

Para abrir o assistente, na tela de dados, clique em spark Abrir assistente da tela de dados.
Clique em Definições e, de seguida, em Adicionar dados.
Opcional: para expandir os resultados da pesquisa de modo a incluir conjuntos de dados públicos, clique no botão Conjuntos de dados públicos para o ativar.
Opcional: para alterar o âmbito dos resultados da pesquisa para diferentes projetos, selecione a opção de projeto adequada no menu Âmbito.
Selecione a caixa de verificação de cada uma das tabelas que quer adicionar ao assistente.
1. Para pesquisar tabelas que não são sugeridas pelo assistente, clique em Pesquisar tabelas.
2. No campo de comando de linguagem natural, introduza um comando que descreva a tabela que procura e, de seguida, prima Enter.
3. Selecione a caixa de verificação de cada uma das tabelas que quer adicionar ao assistente e, de seguida, clique em OK.
Feche o painel Definições do Assistente do Canvas.

O assistente baseia a sua análise nos dados que escolher.

Adicionar instruções

Quando trabalha com a interface de chat do Gemini, pode adicionar instruções para que o assistente saiba como se comportar. Estas instruções são aplicadas a todos os comandos na tela de dados. Seguem-se exemplos de potenciais instruções:

Visualize trends over time.
Chart colors: Red (negative), Green (positive)
Domain: USA

Para adicionar instruções ao assistente, faça o seguinte:

Para abrir o assistente, na tela de dados, clique em spark Abrir assistente da tela de dados.
Clique em Definições.
No campo Instruções, adicione uma lista das suas instruções para o assistente e, de seguida, feche o painel Definições do assistente do Canvas.

O assistente lembra-se das instruções e aplica-as a comandos futuros.

Práticas recomendadas do Assistente Gemini

Para obter os melhores resultados quando trabalhar com o assistente da tela de dados do BigQuery, siga estas práticas recomendadas:

Seja específico e inequívoco. Indique claramente o que quer calcular, analisar ou visualizar. Por exemplo, em vez de Analyze trip data, diga Calculate the average trip duration for trips starting in council district eight.
Garantir um contexto de dados preciso. O assistente só pode funcionar com os dados que lhe fornecer. Certifique-se de que todas as tabelas e colunas relevantes foram adicionadas à tela.
Comece de forma simples e, em seguida, faça iterações. Comece com uma pergunta simples para garantir que o assistente compreende a estrutura básica e os dados. Por exemplo, diga primeiro Show total trips by subscriber_type e, em seguida, diga Show total trips by subscriber_type and break down the result by council_district.
Dividir perguntas complexas. Para processos de vários passos, considere formular o comando de forma clara com partes distintas ou usar comandos separados para cada passo principal. Por exemplo, diga First, find the top five busiest stations by trip count. Second, calculate the average trip duration for trips starting from only those top five stations.
Indique claramente os cálculos. Especifique o cálculo escolhido, como SUM, MAX ou AVERAGE. Por exemplo, diga Find the MAX trip duration per bike_id.
Use instruções do sistema para contexto e preferências persistentes. Use instruções do sistema para indicar regras de informações e preferências que se aplicam a todos os comandos.
Reveja a tela. Reveja sempre os nós gerados para verificar se a lógica está alinhada com o seu pedido e se os resultados são precisos.
Experiência. Experimente diferentes expressões, níveis de detalhe e estruturas de comandos para saber como o assistente responde aos seus dados específicos e necessidades analíticas.
Referencie os nomes das colunas. Sempre que possível, use os nomes das colunas reais dos dados selecionados. Por exemplo, em vez de Show trips by subscriber type, diga Show the count of trips grouped by subscriber_type and start_station_name.

Exemplo de fluxo de trabalho: trabalhar com um assistente do Gemini

Neste exemplo, usa comandos de linguagem natural com o assistente Gemini para encontrar, consultar e visualizar dados.

Na Google Cloud consola, aceda à página BigQuery.

Aceda ao BigQuery
No editor de consultas, junto a Consulta SQL, clique em Criar novo e, de seguida, clique em Tela de dados.
Clique em Pesquisar dados.
Clique em filter_list Editar filtros de pesquisa e, de seguida, no painel Filtrar pesquisa, clique no botão Conjuntos de dados públicos do BigQuery para o ativar.
No campo de comando de linguagem natural, introduza o seguinte comando de linguagem natural:
```
bikeshare
```
A tela de dados do BigQuery gera uma lista de tabelas potenciais com base nos metadados do catálogo universal do Dataplex. Pode selecionar várias tabelas.
Selecione a tabela bigquery-public-data.austin_bikeshare.bikeshare_stations e bigquery-public-data.austin_bikeshare.bikeshare_trips e, de seguida, clique em Adicionar à tela.

É adicionado um nó de tabela para cada uma das tabelas selecionadas à tela de dados do BigQuery. Para ver informações do esquema, ver detalhes da tabela ou pré-visualizar os dados, selecione os vários separadores no nó da tabela.
Para abrir o assistente, na tela de dados, clique em spark Abrir assistente da tela de dados.
Clique em Definições.

No campo Instruções, adicione as seguintes instruções para o assistente:

Tasks:
  - Visualize findings with charts
  - Show many charts per question
  - Make sure to cover each part via a separate line of reasoning

Feche o painel Definições do Assistente do Canvas.
No campo Faça uma pergunta sobre os dados, introduza o seguinte comando de linguagem natural:
```
Show the number of trips by council district and subscriber type
```
Pode continuar a introduzir comandos no campo Faça uma pergunta sobre os dados. Introduza o seguinte comando de linguagem natural:
```
What are most popular stations among the top 5 subscriber types
```
Introduza o comando final:
```
What station is least used to start and end a trip
```
Depois de fazer todas as perguntas relevantes, a tela é preenchida com os nós de consulta e visualização relevantes de acordo com as perguntas e as instruções que deu ao assistente. Continue a introduzir comandos ou a modificar comandos existentes para obter os resultados que procura.

Veja todas as telas de dados

Para ver uma lista de todas as telas de dados no seu projeto, faça o seguinte:

Na Google Cloud consola, aceda à página BigQuery.

Aceda ao BigQuery
No painel Explorador, clique em Ver ações junto a Telas de dados e, de seguida, faça uma das seguintes ações:

Para abrir a lista no separador atual, clique em Mostrar tudo.
Para abrir a lista num novo separador, clique em Mostrar tudo em > Novo separador.
Para abrir a lista num separador dividido, clique em Mostrar tudo em > Separador dividido.

Veja os metadados da tela de dados

Para ver os metadados da tela de dados, faça o seguinte:

Na Google Cloud consola, aceda à página BigQuery.

Aceda ao BigQuery
No painel Explorador, expanda o projeto e a pasta Telas de dados e, se necessário, a pasta Telas de dados partilhadas. Clique no nome da tela de dados cujos metadados quer ver.
Consulte o painel Resumo para ver informações sobre a tela de dados, como a região que usa e a data da última modificação.

Trabalhe com versões da tela de dados

Pode optar por criar uma tela de dados dentro ou fora de um repositório. O controlo de versões da tela de dados é processado de forma diferente consoante a localização da tela de dados.

Controlo de versões da tela de dados nos repositórios

Os repositórios são repositórios Git que residem no BigQuery ou num fornecedor de terceiros. Pode usar espaços de trabalho em repositórios para realizar o controlo de versões em telas de dados. Para mais informações, consulte o artigo Use o controlo de versões com um ficheiro.

Controlo de versões da tela de dados fora dos repositórios

Pode ver, comparar e restaurar versões de uma tela de dados.

Veja e compare versões da tela de dados

Para ver diferentes versões de uma tela de dados e compará-las com a versão atual, faça o seguinte:

Na Google Cloud consola, aceda à página BigQuery.

Aceda ao BigQuery
No painel Explorador, expanda o projeto e a pasta Telas de dados e, se necessário, a pasta Telas de dados partilhadas. Clique no nome da tela de dados cuja atividade quer ver.
Clique em Histórico de versões para ver uma lista das versões da tela de dados por ordem descendente de data.
Clique em Ver ações junto a uma versão da tela de dados e, de seguida, clique em Comparar. O painel de comparação é aberto, comparando a versão da tela de dados que selecionou com a versão atual da tela de dados.
Opcional: para comparar as versões inline em vez de em painéis separados, clique em Comparar e, de seguida, em Inline.

Restaure uma versão da tela de dados

A restauração a partir do painel de comparação permite-lhe comparar a versão anterior da tela de dados com a versão atual antes de escolher se a quer restaurar.

No painel Explorador, expanda o projeto e a pasta Telas de dados e, se necessário, a pasta Telas de dados partilhadas. Clique no nome da tela de dados da qual quer restaurar uma versão anterior.
Clique em Histórico de versões.
Clique em Ver ações junto à versão da tela de dados que quer restaurar e, de seguida, clique em Comparar.

O painel de comparação é aberto, comparando a versão da tela de dados que selecionou com a versão mais recente da tela de dados.
Para restaurar a versão anterior da tela de dados após a comparação, clique em Restaurar.
Clique em Confirm.

Faça a gestão de metadados no catálogo universal do Dataplex

O Catálogo universal do Dataplex permite-lhe ver e gerir metadados para telas de dados. As telas de dados estão disponíveis no catálogo universal do Dataplex por predefinição, sem configuração adicional.

Pode usar o catálogo universal do Dataplex para gerir telas de dados em todas as localizações do BigQuery. A gestão de telas de dados no catálogo universal do Dataplex está sujeita a quotas e limites do catálogo universal do Dataplex e à determinação de preços do catálogo universal do Dataplex.

O catálogo universal do Dataplex obtém automaticamente os seguintes metadados das telas de dados:

Nome do recurso de dados
Recurso de dados principal
Localização do recurso de dados
Tipo de recurso de dados
Projeto Google Cloud correspondente

O catálogo universal do Dataplex regista telas de dados como entradas com os seguintes valores de entrada:

Grupo de entradas do sistema: O grupo de entradas do sistema para telas de dados é @dataform. Para ver detalhes das entradas da tela de dados no catálogo universal do Dataplex, tem de ver o grupo de entradas do sistema dataform. Para ver instruções sobre como ver uma lista de todas as entradas num grupo de entradas, consulte o artigo Ver detalhes de um grupo de entradas na documentação do catálogo universal do Dataplex.
Tipo de entrada do sistema: O tipo de entrada do sistema para telas de dados é dataform-code-asset. Para ver detalhes das telas de dados, tem de ver o dataform-code-assettipo de entrada do sistema, filtrar os resultados com um filtro baseado em aspetos, e definir o campo type no aspeto dataform-code-asset como DATA_CANVAS. Em seguida, selecione uma entrada da tela de dados selecionada. Para ver instruções sobre como ver os detalhes de um tipo de entrada selecionado, consulte o artigo Ver detalhes de um tipo de entrada na documentação do catálogo universal do Dataplex. Para ver instruções sobre como ver os detalhes de uma entrada selecionada, consulte o artigo Ver detalhes de uma entrada na documentação do catálogo universal do Dataplex.
Tipo de aspeto do sistema: O tipo de aspeto do sistema para telas de dados é dataform-code-asset. Para fornecer contexto adicional às telas de dados no catálogo universal do Dataplex anotando as entradas da tela de dados com aspetos, veja o tipo de aspeto dataform-code-asset, filtre os resultados com um filtro baseado em aspetos e defina o campo type no aspeto dataform-code-asset como DATA_CANVAS. Para ver instruções sobre como anotar entradas com aspetos, consulte o artigo Gerir aspetos e enriquecer metadados na documentação do catálogo universal do Dataplex.
Tipo: O tipo de telas de dados é DATA_CANVAS. Este tipo permite-lhe filtrar telas de dados no dataform-code-assettipo de entrada do sistema e no tipo de aspeto dataform-code-asset usando a consulta num filtro baseado em aspetos.aspect:dataplex-types.global.dataform-code-asset.type=DATA_CANVAS

Para obter instruções sobre como pesquisar recursos no catálogo universal do Dataplex, consulte o artigo Pesquise recursos de dados no catálogo universal do Dataplex na documentação do catálogo universal do Dataplex.

Preços

Para ver detalhes sobre os preços desta funcionalidade, consulte a vista geral dos preços do Gemini no BigQuery.

Quotas e limites

Para informações sobre quotas e limites desta funcionalidade, consulte o artigo Quotas para o Gemini no BigQuery.

Localizações

Pode usar a tela de dados do BigQuery em todas as localizações do BigQuery. O Gemini no BigQuery funciona a nível global, pelo que não pode restringir o processamento de dados a uma região específica. Para saber mais sobre as localizações onde o Gemini no BigQuery processa dados, consulte o artigo Localizações de serviço do Gemini.

Enviar feedback

Pode ajudar a melhorar as sugestões da tela de dados do BigQuery enviando feedback à Google. Para enviar feedback, faça o seguinte:

Na Google Cloud barra de ferramentas da consola, clique em Enviar feedback.
Opcional: para copiar as informações JSON do DAG para fornecer contexto adicional ao seu feedback, clique em Copiar.
Para preencher o formulário e enviar feedback, clique no formulário.

As definições de partilha de dados aplicam-se a todo o projeto e só podem ser definidas por um administrador do projeto que tenha as autorizações de IAM serviceusage.services.enable e serviceusage.services.list. Para mais informações sobre a utilização de dados no programa de testadores fidedignos, consulte o artigo Gemini no Google Cloud programa de testadores fidedignos.

Para enviar feedback direto sobre esta funcionalidade, também pode contactar [email protected].

O que se segue?

Saiba como escrever consultas com a ajuda do Gemini.
Saiba como criar blocos de notas.
Saiba como gerar consultas de linguagem natural sobre os seus dados com as estatísticas de dados.