Descripción general

En este lab, actuarás como analista de datos y usarás Gemini y BigQuery para analizar datos y predecir las ventas de productos como parte de un proyecto de prueba de concepto en Cymbal Superstore. También determinarás si Gemini puede usarse para ayudar a los analistas a generar nuevas consultas en SQL, completarlas y explicar consultas complejas.

Los datos usados en el lab se basan en los conjuntos de datos públicos de BigQuery, concretamente bigquery-public-data.thelook_ecommerce, que contiene datos sintéticos de comercio electrónico y marketing digital.

En este lab, se supone que tienes conocimientos de SQL (Structured Query Language) y las tareas básicas de análisis de datos. No se supone que conozcas los productos de Google Cloud. Si estás comenzando a usar BigQuery, consulta las guías de inicio rápido de BigQuery.

Objetivos

En este lab, aprenderás a realizar las siguientes tareas:

• Usar Gemini para responder tus preguntas sobre los productos de análisis de datos y los casos de uso de Google Cloud
• Enviar una instrucción a Gemini para que explique y genere consultas en SQL en BigQuery
• Crear un modelo de aprendizaje automático (AA) para prever períodos futuros

Configuración

En cada lab, recibirás un proyecto de Google Cloud y un conjunto de recursos nuevos por tiempo limitado y sin costo adicional.

1. Haz clic en el botón Comenzar lab. Si debes pagar por el lab, se abrirá una ventana emergente para que selecciones tu forma de pago. A la izquierda, se encuentra el panel Detalles del lab, que tiene estos elementos:

   • El botón Abrir la consola de Google Cloud
   • El tiempo restante
   • Las credenciales temporales que debes usar para el lab
   • Otra información para completar el lab, si es necesaria

2. Haz clic en Abrir la consola de Google Cloud (o haz clic con el botón derecho y selecciona Abrir el vínculo en una ventana de incógnito si ejecutas el navegador Chrome).

   El lab inicia recursos y abre otra pestaña en la que se muestra la página de acceso.

   Sugerencia: Ordena las pestañas en ventanas separadas, una junto a la otra.

   Nota: Si ves el diálogo Elegir una cuenta, haz clic en Usar otra cuenta.

3. De ser necesario, copia el nombre de usuario a continuación y pégalo en el diálogo Acceder.

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

   También puedes encontrar el nombre de usuario en el panel Detalles del lab.

4. Haz clic en Siguiente.

5. Copia la contraseña que aparece a continuación y pégala en el diálogo Te damos la bienvenida.

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

   También puedes encontrar la contraseña en el panel Detalles del lab.

6. Haz clic en Siguiente.

   Importante: Debes usar las credenciales que te proporciona el lab. No uses las credenciales de tu cuenta de Google Cloud. Nota: Usar tu propia cuenta de Google Cloud para este lab podría generar cargos adicionales.

7. Haga clic para avanzar por las páginas siguientes:

   • Acepta los Términos y Condiciones.
   • No agregues opciones de recuperación o autenticación de dos factores (esta es una cuenta temporal).
   • No te registres para obtener pruebas gratuitas.

Después de un momento, se abrirá la consola de Google Cloud en esta pestaña.

Nota: Para ver un menú con una lista de productos y servicios de Google Cloud, haz clic en el menú de navegación que se encuentra en la parte superior izquierda.

Active Cloud Shell

Cloud Shell es una máquina virtual que contiene herramientas de desarrollo y un directorio principal persistente de 5 GB. Se ejecuta en Google Cloud. Cloud Shell proporciona acceso de línea de comandos a sus recursos de Google Cloud. gcloud es la herramienta de línea de comandos de Google Cloud, la cual está preinstalada en Cloud Shell y es compatible con la función de autocompletado con tabulador.

1. En el panel de navegación de Google Cloud Console, haga clic en Activar Cloud Shell ().

2. Haga clic en Continuar.
   El aprovisionamiento y la conexión al entorno tardan solo unos momentos. Una vez que se conecte, también estará autenticado, y el proyecto estará configurado con su PROJECT_ID. Por ejemplo:

Comandos de muestra

• Si desea ver el nombre de cuenta activa, use este comando:

(Resultado)

(Resultado de ejemplo)

• Si desea ver el ID del proyecto, use este comando:

(Resultado)

(Resultado de ejemplo)

Tarea 1: Configura tu entorno y cuenta

En esta tarea, configurarás tu entorno, cuenta y usuario para usar la API complementaria de Cloud AI para Gemini.

1. Accede a la consola de Google Cloud con tus credenciales de lab y abre la ventana de terminal de Cloud Shell.

2. Para configurar tu ID del proyecto y las variables de entorno de la región, en Cloud Shell, ejecuta los siguientes comandos:

   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 almacenar en una variable de entorno la cuenta de usuario de Google con la que accediste, ejecuta el siguiente comando:

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

4. Habilita la API de Cloud AI Companion para Gemini:

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

5. Para usar Gemini, otorga a tu cuenta de usuario de Google Cloud Qwiklabs los siguientes roles necesarios de IAM:

   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

   Agregar estos roles te permite usar la asistencia de Gemini.

Para verificar este objetivo, haz clic en Revisar mi progreso. Habilitar las APIs correspondientes y establecer los roles de IAM

Tarea 2: Crea un conjunto de datos y habilita las funciones de Gemini en BigQuery

En esta tarea, crearás un conjunto de datos y habilitarás las funciones de Gemini en BigQuery.

Crea un conjunto de datos

1. En la consola de Google Cloud, selecciona el menú de navegación () y, luego, BigQuery. Si se te solicita, haz clic en Listo.

2. En el panel Explorador, en , selecciona Ver acciones () y, luego, Crear conjunto de datos.

   Crearás un conjunto de datos para almacenar objetos de base de datos, incluidos modelos y tablas.

3. En el panel Crear conjunto de datos, ingresa la información que se encuentra a continuación:

   Campo	Valor
   ID de conjunto de datos	bqml_tutorial
   Tipo de ubicación	selecciona Multirregión

   Deja los demás campos en la configuración predeterminada.

4. Haz clic en Crear conjunto de datos.

Habilita las funciones de Gemini en BigQuery

1. Para ver las funciones de Gemini en BigQuery, haz clic en Gemini () en la barra de herramientas. Si no puedes ver la opción, actualiza la página.

2. En la lista editor de SQL de Gemini en BigQuery, selecciona todas las opciones que se indican a continuación:

   • Autocompletado

   • Generación automática

   • Explicación

Para verificar este objetivo, haz clic en Revisar mi progreso. Crear un conjunto de datos

Tarea 3: Usa Gemini para analizar tus datos

Gemini puede ayudarte a descubrir y analizar tus datos disponibles.

Antes de consultar datos, es necesario que sepas a cuáles puedes acceder. Cada producto de datos los organiza y almacena de forma diferente. Para obtener ayuda, puedes enviar a Gemini una sentencia (o instrucción) en lenguaje natural del tipo “¿Cómo puedo ver qué conjuntos de datos y tablas están disponibles para mí en BigQuery?”.

Si quieres comprender las características de los distintos sistemas de consulta de datos, puedes darle una instrucción a Gemini para que proporcione información específica sobre un producto, como la que se indica a continuación:

• “¿Cómo puedo empezar a usar BigQuery?”

• “¿Cuáles son las ventajas de usar BigQuery para el análisis de datos?”

• “¿Cómo controla BigQuery el ajuste de escala automático de las consultas?”

En esta tarea, le darás instrucciones a Gemini para que responda preguntas sobre tus datos.

Dale instrucciones a Gemini para que responda preguntas sobre tus datos

1. En la consola de Google Cloud, selecciona el Menú de navegación () y, luego, BigQuery.

2. En la barra de herramientas de la consola de Google Cloud, haz clic en Abrir Gemini ().

3. Haz clic en HABILITAR en la API de Gemini for Google Cloud.

4. Se muestra el mensaje Te damos la bienvenida a Gemini en la consola de Cloud en el panel de Gemini. Haz clic en Comenzar a chatear.

   Nota: Si el botón Comenzar a chatear no está habilitado, actualiza la página y vuelve a abrir Gemini.

5. En el panel de Gemini, ingresa la instrucción:

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

6. Haz clic en Enviar instrucción ().

   Gemini no usa tus instrucciones ni sus respuestas como datos para entrenar el modelo. Para obtener más información, consulta Cómo Gemini para Google Cloud usa tus datos.

   Gemini devuelve una respuesta similar a la que se indica a continuación:

   Existen varias formas de saber qué conjuntos de datos y tablas están disponibles en BigQuery. Puedes usar la consola de Google Cloud para explorar los conjuntos de datos públicos disponibles. Puedes usar la herramienta de línea de comandos de bq para enumerar los conjuntos de datos y tablas de tu proyecto. Puedes realizar llamadas a la API de REST de BigQuery para obtener una lista de los conjuntos de datos y tablas de tu proyecto.

7. Opcional: Para restablecer el historial de chat en el panel de Gemini, haz clic en Restablecer chat ().

Tarea 4: Dale instrucciones a Gemini para que explique las consultas en SQL en un conjunto de datos de ventas

Gemini puede ayudarte a trabajar con SQL. Por ejemplo, si trabajas con consultas en SQL que escribieron otras personas, Gemini en BigQuery puede explicar una consulta compleja en lenguaje sencillo. Estas explicaciones pueden ayudarte a comprender la sintaxis de las consultas, el esquema subyacente y el contexto empresarial.

Para pedirle a Gemini que explique una consulta en SQL de ejemplo, sigue estos pasos:

1. En la consola de Google Cloud, selecciona el menú de navegación () y, luego, BigQuery.

2. En Te damos la bienvenida a BigQuery Studio, haz clic en CONSULTA EN SQL para crear una nueva consulta en SQL.

3. En el editor de consultas, pega la consulta para la que desees una explicación.

   Por ejemplo, es posible que desees comprender cómo se relacionan las tablas de datos y las consultas en un conjunto de datos de ventas, y que necesites ayuda para escribir consultas que usen el conjunto de datos. En el siguiente ejemplo de consulta, es posible que comprendas qué tablas se están usando, pero puedes tardar más tiempo en analizar y comprender otras secciones de la consulta.

   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. Selecciona la consulta que quieres que Gemini explique y haz clic con el botón derecho en esta consulta seleccionada. En el menú, haz clic en Explicar la selección actual.

   La explicación de SQL aparece en el panel Gemini.

   En el ejemplo de consulta del paso anterior, Gemini devuelve una explicación similar a la que se indica a continuación:

   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.

Para verificar este objetivo, haz clic en Revisar mi progreso. Darle instrucciones a Gemini para que explique las consultas en SQL en un conjunto de datos de ventas

Tarea  5: Genera una consulta en SQL que agrupe las ventas por día y producto

Puedes proporcionar a Gemini una instrucción para que genere una consulta en SQL basada en el esquema de tus datos. Incluso si comienzas sin código, tienes conocimientos limitados sobre el esquema de datos o solo tienes conocimientos básicos de la sintaxis de SQL, Gemini puede sugerir una o más instrucciones de SQL.

En esta tarea, generarás una consulta que enumera tus principales productos para cada día. Este tipo de consulta suele ser complejo, pero puedes crear automáticamente una instrucción con Gemini. A continuación, usa las tablas del conjunto de datos thelook_ecommerce y dale instrucciones a Gemini para que genere una consulta y calcule las ventas por artículo de pedido y por nombre de producto.

Consulta las tablas order_items y products en el conjunto de datos públicos

1. En la consola de Google Cloud, selecciona el Menú de navegación () y, luego, BigQuery.

2. En el menú de navegación, haz clic en BigQuery Studio.

3. En el panel Explorador, haz clic en + AGREGAR.

4. En el diálogo Agregar, en el campo Buscar fuentes de datos, escribe public datasets.

5. Presiona Intro. Verás los conjuntos de datos públicos en la lista.

6. Haz clic en public datasets. Verás la lista de conjuntos de datos públicos en Marketplace.

7. Busca thelook. Verás que se muestra el conjunto de datos públicos de TheLook Ecommerce en la lista.

8. Haz clic en thelook Ecommerce dos veces.

9. Haz clic en VER CONJUNTO DE DATOS.

10. Expande bigquery-public-data que se agrega al panel Explorador.

11. Desplázate hacia abajo y busca thelook_ecommerce, luego, expande el conjunto de datos. Verás que se muestran las tablas order_items y products.

12. Haz clic en la tabla order_items. Verás que se muestra el esquema de datos.

13. Vuelve al panel Explorador.

14. Haz clic en la tabla products. Verás que se muestra el esquema de datos.

    Nota: Para evitar errores y posibles alucinaciones, revisa el esquema de las tablas antes de ejecutar las consultas basadas en instrucciones de Gemini.

Usa una instrucción para generar la consulta

1. Haz clic en para abrir una nueva pestaña de la consulta sin título.

2. En el editor de consultas, ingresa la siguiente instrucción y, luego, presiona INTRO. El carácter numeral (#) le da instrucciones a Gemini para que genere 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 sugiere una consulta en SQL similar a la que aparece a continuación. Si encuentras algún error, vuelve a ejecutar la instrucción o ejecuta el siguiente comando.

   # 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; Nota: Es posible que Gemini sugiera múltiples instrucciones de SQL para tu instrucción.

3. Para aceptar el código sugerido, haz clic en Pestaña y, luego, en Ejecutar para ejecutar la instrucción de SQL. También puedes desplazarte por el SQL sugerido y aceptar palabras concretas recomendadas en la instrucción.

4. En el panel Resultados de la consulta, visualiza los resultados.

Para verificar este objetivo, haz clic en Revisar mi progreso. Generar una consulta en SQL que agrupe las ventas por día y producto

Tarea 6: Crea un modelo de previsión y visualiza los resultados

En esta tarea, usarás BigQuery ML para crear un modelo de previsión y consultarlo con una instrucción de Gemini.

Crea el modelo

Usa la siguiente consulta de ejemplo con las ventas reales, que se utilizan como entrada para el modelo. La consulta se usa como parte de la creación del modelo de AA.

1. Para crear un modelo de AA de previsión, en el Editor de SQL de BigQuery, ejecuta el SQL que se indica a continuación:

   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;

Puedes usar Gemini para ayudarte a entender esta consulta.

Cuando se crea el modelo, el panel Resultados muestra un mensaje similar al que se indica a continuación:

Consulta el modelo con una instrucción

1. Haz clic en para abrir una nueva pestaña de la consulta sin título.

2. En el editor de consultas, ingresa la siguiente instrucción y, luego, presiona INTRO. El carácter numeral (#) le da instrucciones a Gemini para que genere SQL.

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

   Gemini sugiere una consulta en SQL similar a la que aparece a continuación. Si encuentras algún error, vuelve a ejecutar la instrucción o ejecuta el siguiente comando.

   # 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`) Nota: Es posible que Gemini sugiera múltiples instrucciones de SQL para tu instrucción.

3. Para aceptar el código sugerido, haz clic en Pestaña y, luego, en Ejecutar para ejecutar la instrucción de SQL. También puedes desplazarte por el SQL sugerido y aceptar palabras concretas recomendadas en la instrucción.

4. En el panel Resultados de la consulta, visualiza los resultados.

Para verificar este objetivo, haz clic en Revisar mi progreso. Crear un modelo de previsión y visualizar los resultados

¡Felicitaciones!

En este lab, aprendiste a realizar las siguientes tareas:

• Usar Gemini para responder tus preguntas sobre los productos de análisis de datos y los casos de uso de Google Cloud
• Enviar una instrucción a Gemini para que explique y genere consultas en SQL en BigQuery
• Crear un modelo de aprendizaje automático (AA) para prever períodos futuros

Lectura opcional

Ahora que aprendiste a usar Gemini para analizar tus datos con BigQuery, consulta Escribe mejores instrucciones para Gemini en Google Cloud si quieres obtener más información sobre Gemini.

Finalice su lab

Cuando haya completado su lab, haga clic en Finalizar lab. Qwiklabs quitará los recursos que usó y limpiará la cuenta por usted.

Tendrá la oportunidad de calificar su experiencia en el lab. Seleccione la cantidad de estrellas que corresponda, ingrese un comentario y haga clic en Enviar.

La cantidad de estrellas indica lo siguiente:

• 1 estrella = Muy insatisfecho
• 2 estrellas = Insatisfecho
• 3 estrellas = Neutral
• 4 estrellas = Satisfecho
• 5 estrellas = Muy satisfecho

Puede cerrar el cuadro de diálogo si no desea proporcionar comentarios.

Para enviar comentarios, sugerencias o correcciones, use la pestaña Asistencia.

Copyright 2024 Google LLC. Todos los derechos reservados. Google y el logotipo de Google son marcas de Google LLC. El resto de los nombres de productos y empresas pueden ser marcas de las respectivas empresas a las que están asociados.