GSP1259

概要

Data Beans で 1 年前からデータ アナリストとして働いているとします。これまでにいくつものプロジェクトを一人で成功させてきた実績から、現在は会社の成長に伴い、新しいデータ アナリストの指導を任されています。チームでは、すでに Gemini in BigQuery を使用して、SQL コード、データ分析情報、テーブル エクスプローラを生成しています。それらは、特に新しいデータセットを扱うのに役立っています。一方、チームでは、データを可視化したり、テーブルを結合する複雑度の高い新しいクエリを作成したりするために、さらに便利なコラボレーション ツールを求めています。

ご存じのとおり、Google Cloud BigQuery には、データの探索や分析を簡単に行えるデータ キャンバスという視覚的なインターフェースがあります。ユーザーはポイントアンドクリック操作でデータを扱うことができ、複雑な SQL クエリは必要ありません。キャンバスを他のユーザーと共有して共同編集も可能です。チームのニーズに対応するソリューションの候補としてデータ キャンバスを考えており、これまでの知識から使ってみたいと思っていますが、何から始めればよいかわかりません。

目標

このラボでは、データ キャンバスを使用して以下の作業をする方法を学びます。

• menu、orders、order_item のテーブルを結合する。
• すべてのメニュー アイテムの 2024 年の総収益を計算する。
• 総収益が高い上位 10 個のアイテムを表示する棒グラフを作成する。
• 収益が同じ 2 つのメニュー アイテムを特定する。
• 他のユーザーと共同編集を行う。

最後に、このラボで学んだ内容を振り返る時間を用意しています。ラボ ジャーナルの質問に答えながら、自分のデータ、ユースケース、ワークフローにデータ キャンバスをどのように応用できるか検討してみましょう。

設定と要件

[ラボを開始] ボタンをクリックする前に

こちらの説明をお読みください。ラボには時間制限があり、一時停止することはできません。タイマーは、Google Cloud のリソースを利用できる時間を示しており、[ラボを開始] をクリックするとスタートします。

このハンズオンラボでは、シミュレーションやデモ環境ではなく実際のクラウド環境を使って、ラボのアクティビティを行います。そのため、ラボの受講中に Google Cloud にログインおよびアクセスするための、新しい一時的な認証情報が提供されます。

このラボを完了するためには、下記が必要です。

• 標準的なインターネット ブラウザ（Chrome を推奨）

注: このラボの実行には、シークレット モード（推奨）またはシークレット ブラウジング ウィンドウを使用してください。これにより、個人アカウントと受講者アカウント間の競合を防ぎ、個人アカウントに追加料金が発生しないようにすることができます。

• ラボを完了するための時間（開始後は一時停止できません）

注: このラボでは、受講者アカウントのみを使用してください。別の Google Cloud アカウントを使用すると、そのアカウントに料金が発生する可能性があります。

ラボを開始して Google Cloud コンソールにログインする方法

1. [ラボを開始] ボタンをクリックします。ラボの料金をお支払いいただく必要がある場合は、表示されるダイアログでお支払い方法を選択してください。 左側の [ラボの詳細] ペインには、以下が表示されます。

   • [Google Cloud コンソールを開く] ボタン
   • 残り時間
   • このラボで使用する必要がある一時的な認証情報
   • このラボを行うために必要なその他の情報（ある場合）

2. [Google Cloud コンソールを開く] をクリックします（Chrome ブラウザを使用している場合は、右クリックして [シークレット ウィンドウで開く] を選択します）。

   ラボでリソースがスピンアップし、別のタブで [ログイン] ページが表示されます。

   ヒント: タブをそれぞれ別のウィンドウで開き、並べて表示しておきましょう。

   注: [アカウントの選択] ダイアログが表示されたら、[別のアカウントを使用] をクリックします。

3. 必要に応じて、下のユーザー名をコピーして、[ログイン] ダイアログに貼り付けます。

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

   [ラボの詳細] ペインでもユーザー名を確認できます。

4. [次へ] をクリックします。

5. 以下のパスワードをコピーして、[ようこそ] ダイアログに貼り付けます。

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

   [ラボの詳細] ペインでもパスワードを確認できます。

6. [次へ] をクリックします。

   重要: ラボで提供された認証情報を使用する必要があります。Google Cloud アカウントの認証情報は使用しないでください。 注: このラボでご自身の Google Cloud アカウントを使用すると、追加料金が発生する場合があります。

7. その後次のように進みます。

   • 利用規約に同意してください。
   • 一時的なアカウントなので、復元オプションや 2 要素認証プロセスは設定しないでください。
   • 無料トライアルには登録しないでください。

その後、このタブで Google Cloud コンソールが開きます。

注: Google Cloud のプロダクトやサービスにアクセスするには、ナビゲーション メニューをクリックするか、[検索] フィールドにサービス名またはプロダクト名を入力します。

タスク 1. menu、orders、order_item のテーブルを結合する

このタスクでは、データ キャンバスを使用して、menu、orders、order_item のテーブルを見つけ、それらのテーブルから分析情報を作成するためにテーブルを結合します。

menu、orders、order_item のテーブルを探す

1. Google Cloud コンソールのナビゲーション メニューで、[BigQuery] をクリックします。

2. ようこそのダイアログで [完了] をクリックします。

3. をクリックして、プロジェクト用の新しいデータ キャンバスを作成します。

4. [リージョン] で [] を選択します。

5. [選択] をクリックします。[無題のキャンバス] タブが表示されます。自然言語のプロンプトでテーブルを探せるほか、最近使用したテーブルやクエリ、保存したクエリにもアクセスできることに注目してください。ここでは、自然言語のプロンプトを使用して coffee_on_wheels データセットを検索し、menu と order_item のテーブルを探します。

6. 「coffee on wheels」と入力します。

7. をクリックします。coffee_on_wheels データセットのテーブルが表示されます。location、menu、orders、order_item の 4 つのテーブルが表示されるはずです。

注: 想定される数のテーブルが表示されるまで [検索クエリの送信] ボタンをクリックしてください。想定されるテーブルが表示されない場合は、左側のペインから coffee_on_wheels データセットを開き、menu、orders、order_item の各テーブルの横にあるその他アイコンから [検索先] > [現在のデータ キャンバス] を選択します。その後、いずれかのテーブルから [JOIN] をクリックし、残りの 2 つを選択します。これで、ステップ 3 以降の「これらのデータソースを結合」というプロンプトを使用したサブタスクを進めることができます。

menu、orders、order_item のテーブルを結合する

テーブルを見つけたので、次にそれらを結合します。

1. menu、orders、order_item の各テーブルを選択します。[JOIN] ボタンが表示されます。

2. [JOIN] をクリックします。データ キャンバスで 3 つのテーブルが視覚的に結合され、新しいブランチノードが作成されます。ただし、結合はまだ完了していません。以下のようなクエリが自動的に作成され、これを実行したり保存したりしても構いません。

   SELECT * FROM `{{{project_0.project_id|set at lab start}}}.coffee_on_wheels.menu` AS t1, `{{{project_0.project_id|set at lab start}}}.coffee_on_wheels.orders` AS t2, `{{{project_0.project_id|set at lab start}}}.coffee_on_wheels.order_item` AS t3 LIMIT 10;

   このクエリはテーブルからアイテムを選択してそのうちの 10 個をリストするだけなので、ここでは使用しません。用意されているプロンプトを使用します。内容は次のとおりです。

   これらのデータソースを結合

3. をクリックします。以下のような新しいクエリが生成されます。

   # prompt: これらのデータソースを結合 SELECT menu.menu_id, menu.company_id, menu.item_name, menu.item_price, menu.item_description, menu.item_size, order_item.order_item_id, order_item.order_id, order_item.quantity, order_item.item_price, order_item.item_total, orders.location_id, orders.customer_id, orders.order_datetime, orders.order_completion_datetime FROM `{{{project_0.project_id|set at lab start}}}.coffee_on_wheels.menu` AS menu INNER JOIN `{{{project_0.project_id|set at lab start}}}.coffee_on_wheels.order_item` AS order_item ON menu.menu_id = order_item.menu_id INNER JOIN `{{{project_0.project_id|set at lab start}}}.coffee_on_wheels.orders` AS orders ON order_item.order_id = orders.order_id;

4. [実行] をクリックします。

5. 結果をレビューし、テーブルが結合されていることを確認します。各メニュー アイテムが item_name、item_price、order_datetime、item_total などのキーフィールドとともにリストされます。次のタスクでは、この新しいテーブルに含まれるそれらのフィールドを使用して、各アイテムの 2024 年の総収益を計算します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 menu、orders、order_item のテーブルを結合する。

タスク 2. すべてのメニュー アイテムの 2024 年の総収益を計算する

このタスクでは、Gemini のプロンプトを使用して、結合されたテーブルからすべてのメニュー アイテムの 2024 年の総収益を計算します。結果として SQL クエリが生成されます。

結合クエリの結果の下に、データ キャンバスで別のノードに分岐するためのオプションが表示されます。これには、[これらの結果に対してクエリを実行する]、[可視化]、[JOIN] があります。

• これらの結果に対してクエリを実行する: 結果の結合されたテーブルからクエリを作成する場合に使用できます。
• 可視化: 結合されたテーブルのデータからグラフを作成する場合に使用できます。
• JOIN: このテーブルを別のテーブルに結合する場合に使用できます。

1. [これらの結果に対してクエリを実行する] をクリックします。データ キャンバスで新しいノードが生成されます。プロンプトを入力することも、新しい SQL コードを手動で記述することもできます。

2. 次のプロンプトを入力します。

   結合されたテーブルから 2024 年の注文だけを考慮する。各メニュー アイテムの総収益を計算する。メニュー ID、アイテム名、アイテムサイズ、総収益（小数点以下 2 桁まで）を結果に表示する。総収益の降順で結果を並べる。

3. をクリックします。以下のような新しいクエリが生成されます。

   # prompt: 結合されたテーブルから 2024 年の注文だけを考慮する。各メニュー アイテムの総収益を計算する。メニュー ID、アイテム名、アイテムサイズ、総収益（小数点以下 2 桁まで）を結果に表示する。総収益の降順で結果を並べる。 SELECT t1.menu_id, t1.item_name, t1.item_size, ROUND(SUM(t1.item_total), 2) AS total_revenue FROM `SQL` AS t1 WHERE EXTRACT(YEAR FROM t1.order_datetime) = 2024 GROUP BY 1, 2, 3 ORDER BY total_revenue DESC;

4. [実行] をクリックします。

5. 結果を確認します。menu_id、item_name、item_size、total_revenue の各フィールドが含まれていることがわかります。

振り返りの時間

1. 収益が 2 番目に高いアイテムはどれですか。報告される item_size は何ですか。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 すべてのメニュー アイテムの 2024 年の総収益を計算する

タスク 3. 総収益が高い上位 10 個のアイテムを表示する棒グラフを作成する

このタスクでは、総収益の計算結果を使用して、総収益が高い上位 10 個のアイテムの棒グラフを作成します。

総収益が高い上位 10 個のアイテムを特定する

1. [これらの結果に対してクエリを実行する] をクリックします。データ キャンバスで新しいノードが生成されます。

2. 次のプロンプトを入力します。

   総収益が高い上位 10 個のアイテムを特定し、menu_id、item_name、item_size、total_revenue のフィールドを含める。

3. をクリックします。以下のような新しいクエリが生成されます。

   SELECT t1.menu_id, t1.item_name, t1.item_size, t1.total_revenue FROM `SQL` AS t1 ORDER BY t1.total_revenue DESC LIMIT 10;

4. [実行] をクリックします。

5. 結果を確認します。今回は総収益が高い上位 10 個のアイテムだけが表示されていることがわかります。

棒グラフを作成する

1. [可視化] をクリックします。

2. [棒グラフの作成] を選択します。データ キャンバスで新しいノードが生成されます。「棒グラフの作成」というプロンプトで自動的にグラフが作成され、すべてのメニュー アイテムがその総収益とともにグラフに表示されることに注目してください。

   これは便利ですが、アイテムが総収益の高い順にはなっていないことがわかります。また、このグラフではアイテムサイズも考慮されていません。これは修正が可能です。

3. 次のプロンプトを入力して既存のプロンプトと置き換えます。

   総収益を示す縦棒グラフを作成する。アイテム名を x 軸、総収益を y 軸として結果に含める。収益が最も高いロケーションから始める。結果をアイテムサイズごとに積み上げる。

4. をクリックします。今回は上位 10 個のアイテムが順番に表示され、アイテムサイズが総収益で考慮されて色分けされていることがわかります。

グラフの要約を表示する

グラフを作成したので、さらに要約を取得します。グラフの要約を表示する手順は次のとおりです。

1. グラフの下部にある [要約を生成] をクリックします。以下のようなグラフの要約が生成されます。

• 収益が最も高いのは "Coffee-infused Avocado Toast" で、$675.48 です。
• メニュー アイテムの大半（10 個中 5 個）はサイズのバリエーションがなく、サイズのカテゴリは "n/a" になっています。
• サイズのオプションがないアイテムは、全体の収益に大きく影響しています。
• サイズのオプションがあるアイテム（"Brewhaha Bonanza" と "Java Journey"）では、"large" サイズの人気が高くなっています。

振り返りの時間

1. タスク 2 で生成したクエリ結果の元データと棒グラフを比較してください。

   グラフの表示では、総収益が最も高いアイテムが Coffee-infused Avocado Toast ではなく Brewhaha Bonanza になっているのはなぜですか。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 総収益が高い上位 10 個のアイテムを表示する棒グラフを作成する

タスク 4. 収益が同じ 2 つのメニュー アイテムを特定する

このタスクでは、前のタスクで行った総収益の計算で収益が同じになっている 2 つのメニュー アイテムを特定します。

1. 総収益の計算のノードに戻ります。

2. カーソルを移動してノード下部の中央に合わせます。[別のノードに分岐します] のオプションが表示されます。

3. [これらの結果に対してクエリを実行する] をクリックします。データ キャンバスで新しいノードが生成されます。

4. 次のプロンプトを入力します。

   総収益が同じである 2 つのアイテムを見つける。アイテム名、アイテムサイズ、総収益を結果に表示する。回答は 2 つのアイテムだけに限定する。

5. をクリックします。以下のような新しいクエリが生成されます。

   # prompt: 総収益が同じである 2 つのアイテムを見つける。アイテム名、アイテムサイズ、総収益を結果に表示する。回答は 2 つのアイテムだけに限定する。 SELECT t1.item_name, t1.item_size, t1.total_revenue FROM `SQL 1` AS t1 WHERE t1.total_revenue IN( SELECT t2.total_revenue FROM `SQL 1` AS t2 GROUP BY 1 HAVING COUNT(t2.total_revenue) > 1 ) LIMIT 2;

6. [実行] をクリックします。

振り返りの時間

結果を確認します。表示される結果は 2 つで、それぞれのアイテムの名前、サイズ、総収益が表示されます。

1. 表示される 2 つのアイテムはどれですか。

2. アイテムサイズは何ですか。

3. 収益は一致していますか。

4. 自分のデータやユースケースに当てはめて、クエリの可視化と設計にデータ キャンバスをどのように活用できるか考えてみましょう。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 収益が同じ 2 つのメニュー アイテムを特定する。

タスク 5. 他のユーザーと共同編集を行う

このタスクでは、2 つの異なる立場で作業を行います。データ キャンバスのオーナーとそのデータ キャンバスを共有する別のユーザーです。最初に、このラボ環境においてオーナーとそれ以外のユーザーに割り当てられているロールを確認します。次に、最後に作成したデータ キャンバスを保存して共有します。さらに、データ キャンバスをノートブックにエクスポートします。最後に、他のユーザーとしてデータ キャンバスにアクセスします。

データ キャンバスの使用と共有に必要なロール

1. Google Cloud コンソールのナビゲーション メニューで、[IAM と管理] をクリックします。プリンシパルのリストが割り当てられているロールとともに表示されます。

2. プリンシパルを見つけます。

   注: これはオーナーのプリンシパルであり、このラボでこれまでに使用してきたのもこのユーザーです。

   IAM に表示されるとおり、このユーザーには以下のロールがあります。

   • BigQuery 管理者
   • Gemini for Google Cloud ユーザー
   • オーナー
   • Service Usage 閲覧者
   • 閲覧者

3. プリンシパルを見つけます。

   注: これは、データ キャンバスの共有機能をテストするために使用する他のユーザーのプリンシパルです。

   IAM に表示されるとおり、このユーザーには以下のロールがあります。

   • BigQuery データ編集者
   • BigQuery Studio ユーザー
   • Gemini for Google Cloud ユーザー
   • コード編集者
   • 閲覧者

詳細については、データ キャンバスの権限の必要なロールをご覧ください。

データ キャンバスを保存して共有する（オーナーとして）

1. BigQuery のデータ キャンバスに戻ります。

2. キャンバスの上部にある [保存] ボタンを見つけます。下矢印をクリックします。[保存] と [名前を付けて保存] の 2 つのオプションが表示されます。

3. [名前を付けて保存] をクリックします。[保存] ダイアログが表示されます。

4. 名前を「Two items with same total revenue」と入力します。

5. リージョンは、ラボを開始したときに割り当てられたデフォルトのリージョンのままにします。

6. [保存] をクリックします。データ キャンバスが保存され、[エクスプローラ] パネルの [共有データ キャンバス] セクションにリストされます。

データ キャンバスをノートブックにエクスポートする（オーナーとして）

BigQuery データ キャンバスでは、クエリをノートブックとしてエクスポートできます。

1. データ キャンバスで [ノートブックとしてエクスポート] をクリックします。

2. [ノートブックを保存] ペインで、ノートブックの名前（data_canvas_export）と保存先のリージョン（）を入力します。

3. [保存] をクリックします。ノートブックが正常に作成されます。

4. 作成されたノートブックを表示するには、[エクスプローラ] パネルの [ノートブック] セクションを展開します。

5. data_canvas_export ノートブックをクリックします。

注: オーナーとそれ以外のユーザーの現在の権限では、オーナーのみがエクスポートできます。つまり、エクスポート機能を有効にするには適切な権限を付与する必要があります。

データ キャンバスにアクセスする（別のユーザーとして）

次に、別のユーザーとしてデータ キャンバスにアクセスします。

1. ラボガイドで [Google Cloud コンソールを開く] を右クリックします。

2. [シークレット ウィンドウでリンクを開く] を選択します。

3. ユーザー名 2 のユーザー名とパスワードを使用します。このラボを開始したときと同じ方法で Google Cloud コンソールにアクセスします。

4. Google Cloud コンソールのナビゲーション メニューで、[BigQuery] をクリックします。

5. ようこそのダイアログで [完了] をクリックします。

6. [エクスプローラ] パネルで、 プロジェクトを展開します。リストの一番下に coffee_on_wheels データセットが表示されます。

7. [データ キャンバス] を展開します。

8. [共有データ キャンバス] を展開します。リストに Two items with same total revenue データ キャンバスが表示されます。

9. Two items with same total revenue データ キャンバスをクリックします。データ キャンバスが表示されます。

他のユーザーは、このビジネス上の問題用に設計されたワークフローを理解するために、ここからデータ キャンバスを確認できます。必要に応じて、問題のトラブルシューティングやキャンバスの強化のために、付与されている権限に基づいてキャンバスを変更することもできます。

振り返りの時間

1. 自分のデータやユースケースに当てはめて、チームでの共同編集にデータ キャンバスをどのように活用できるか考えてみましょう。

2. チームで作成したデータ キャンバスへのアクセスはどのように管理すればよいでしょうか。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 データ キャンバスをノートブックにエクスポートする。

お疲れさまでした

ここでは、データ キャンバスを使用して、coffee_on_wheels データセットのテーブルを見つけて結合しました。また、データセットのすべてのメニュー アイテムの総収益を計算し、それらをデータ キャンバスで棒グラフを使用して直接可視化しました。さらに、この計算で収益が同じになる 2 つのアイテムを特定しました。最後に、データ キャンバスで IAM ロールを使用してデータ キャンバスをプロジェクトに保存し、他のユーザーと共有しました。

このラボで学んだ内容を検討し、チームの他のユーザーとも共有して、データ キャンバスを使用してチーム内で共同編集する方法を見つけてください。

次のステップと詳細情報

• BigQuery データ キャンバスで分析する
• BigQuery データ キャンバスについて: AI でデータを分析情報に変換する簡単な方法
• Gemini モデル
• 生成 AI

Google Cloud トレーニングと認定資格

Google Cloud トレーニングと認定資格を通して、Google Cloud 技術を最大限に活用できるようになります。必要な技術スキルとベスト プラクティスについて取り扱うクラスでは、学習を継続的に進めることができます。トレーニングは基礎レベルから上級レベルまであり、オンデマンド、ライブ、バーチャル参加など、多忙なスケジュールにも対応できるオプションが用意されています。認定資格を取得することで、Google Cloud テクノロジーに関するスキルと知識を証明できます。

マニュアルの最終更新日: 2024 年 10 月 9 日

ラボの最終テスト日: 2024 年 10 月 9 日

Copyright 2025 Google LLC. All rights reserved. Google および Google のロゴは Google LLC の商標です。その他すべての企業名および商品名はそれぞれ各社の商標または登録商標です。