GSP1257

概要

自分が探偵になって謎解きをすると想像してみましょう。ただし手掛かりはなく、あるのは大量のスプレッドシートに収められたデータだけです。

あなたは、全国のトラック移動式コーヒー販売企業を対象にデータの収集、分析、分析情報獲得を専門に行っている Data Beans 社の新任のデータ アナリストです。着任した最初の週に、コーヒー トラック、メニュー、注文に関連するデータの探索を任されました。オンボーディング バディから、データについて知り、分析情報を得るために BigQuery でテーブル エクスプローラとデータ分析情報の機能を使用することをすすめられました。こうした機能により、自分で一から SQL クエリを書く必要なく、データの探索と分析情報の獲得に着手できます。

目標

このラボでは、次の方法について学びます。

• order item テーブルにデータ分析情報を生成します。
• location テーブルでテーブル エクスプローラを使用し、基本的なクエリを生成します。
• SQL コードなしで order item テーブルをクエリします。

これらの目標を達成したら、メニューと注文テーブルを確認し、これらの機能のいずれかをオープン アクティビティとして使用します。

最後に、このラボで学んだ内容を振り返る時間が用意されています。ラボジャーナルの質問に答えながら、今回のユースケースにテーブル エクスプローラとデータ分析情報機能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. order item テーブルにデータ分析情報を生成する

このタスクでは、coffee_on_wheels データセット内の order_item テーブルに対してデータ分析情報を有効にします。

データ分析情報は、複雑な SQL クエリを書かずにデータを探索して分析情報を獲得したい方向けのツールです。

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. ポップアップするウェルカム画面で [完了] をクリックします。

3. [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。

4. coffee_on_wheels データセットを開きます。order_item テーブルが表示されます。

5. order_item テーブルをクリックします。order_item のスキーマが表示されます。スキーマの詳細を確認します。

6. [分析情報] タブをクリックします。「分析情報はまだ生成されていません」というメッセージが表示されます。ラボ環境で分析情報が生成されることはないため、これは正常な動作です。

7. [分析情報を生成] ボタンをクリックします。Gemini が order_item テーブルの分析情報を生成します。

   注: テーブルの分析情報が生成されるまでに数分かかります。これは正常な動作です。分析情報が生成されるまで待って、このタスクの完了を確認します。その後、order_item テーブルの分析情報に戻ります。

[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。 order item テーブルにデータ分析情報を生成します。

タスク 2. テーブル エクスプローラを使用して、location テーブルの詳細を確認する

分析情報の生成を待っている間に、BigQuery のテーブル エクスプローラ機能を使用して coffee_on_wheels データセットに付属している location テーブルを確認します。また、テーブル エクスプローラで基本的なクエリを構築して、Coffee Cart Connection、Empire Espresso、Street Sips の各トラックに関連付けられているフィールドをすべて検索します。

テーブル エクスプローラへのアクセス

1. [エクスプローラ] パネルで、location テーブルをクリックします。location テーブルのスキーマが表示されます。スキーマの詳細を確認します。

2. [テーブル エクスプローラ] タブをクリックします。[個別の値] セクションが上部に、[生成されたクエリ] セクションが下部にある場合に次のクエリを実行すると、[BigQuery Studio] ページがどのように変化するかに注意してください。

   SELECT * FROM `{{{project_0.project_id|set at lab start}}}.coffee_on_wheels.location`;

   [個別の値] セクションで操作を続けます。[フィールドの選択] ボタンを使用してフィールドを追加すると、[生成されたクエリ] セクションでクエリが変化します。

フィールドを選択し、基本的なクエリを構築します。

1. [フィールドの選択] をクリックします。すべてのフィールドがテーブルに表示されます。

2. すべてのフィールドを選択し、[保存] をクリックします。フィールドごとにインタラクティブなカードが表示されます。インタラクティブなカードには、データセット内のフィールドごとに最もよく使用される値が表示されます。各カードの値は、クエリを変更する場合に使用できます。ただし、SQL ステートメントでフィルタ（Where 句）として 1 つのカードのみを使用できます。

3. ここでは、location_name カードを使用して新しいクエリを作成します。次のものをクリックします。

   • Coffee Cart Connection
   • Street Sips
   • Empire Espresso Explorer
   注: これらの値を選択すると、BigQuery に「このスクリプトを実行すると、5.7 KB が処理されます」と表示されます。これは、スクリプトがクエリの実行時に処理するデータの量を示しています。

   また、クエリは次のようになります。

   SELECT `city_id`, `company_id`, `location_id`, `location_name`, `location_type` FROM `{{{project_0.project_id|set at lab start}}}.coffee_on_wheels.location` WHERE (`location_name` IN ('Coffee Cart Connection', 'Empire Espresso Explorer', 'Street Sips'));

4. [適用] をクリックします。他のカードの他の値がどのように変化するかに注意してください。

5. [クエリにコピー] をクリックします。

6. 新たに [無題のクエリ] タブが BigQuery Studio に開きます。

7. [実行] をクリックします。結果が 3 行表示され、使用されている各トラックの city_id、company_id、location_id、location_name、location_type が表示されます。

   これで完了です。SQL コードを使用することなくテーブル エクスプローラで最初のクエリを作成しました。

簡単にまとめると、テーブル エクスプローラは BigQuery でデータ探索を開始するためのツールであり、特に SQL を使用したことがない場合やデータの内容をすぐに理解したい場合に便利です。

以下に、テーブル エクスプローラについての留意点をいくつか示します。

• 一度に 1 つのテーブルを探索するビジュアル ツールです。
• 複数のテーブル同士を結合するといった複雑なオペレーションはサポートされていません。
• 基本的な SQL クエリを生成します。たとえば、AND や OR などのオペランドが含まれている複雑な Where 句ステートメントを作成することはできません。
• 複雑なクエリには AI によるアシスタントを使用できません。

振り返りの時間

1. 今回の BigQuery のデータやユースケースに当てはめて、テーブル エクスプローラ機能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。 テーブル エクスプローラを使用して、location テーブルの詳細を確認する。

タスク 3. コードなしで order item テーブルをクエリする

前のタスクで生成した分析情報の準備ができました。このタスクでは、コードを使用することなく、こうした分析情報から生成されたプロンプトを使用して order_item テーブルをクエリします。

分析情報を選択し、関連付けられたクエリを実行します。

1. [エクスプローラ] パネルで、order_item テーブルをクリックします。関連付けられたフィールドがあるスキーマを確認します。

2. [分析情報] をクリックします。重要: すでに分析情報を生成しているので、この時点で分析情報が一覧表示されます。

   注: 各分析情報は、「誰が何をいつどこでどのように」で始まるか、計算する、識別する、探すといった動作動詞で始まる質問形式になっています。

3. 分析情報のリストを確認し、以下のような分析情報がないか検索します。

   各メニュー項目から生成された総収益とは何ですか？ 注: この分析情報は、「このクエリは各メニュー項目によって生成された総収益を計算します」といったフレーズでも生成される可能性があります。 注: 分析情報は Gemini によって生成されるため、分析情報が上記と同じになるとは限りません。これは、Gemini がデータセットとトレーニング済みモデルのデータに基づいて分析情報を予測しているためです。では実際に、order_item テーブルの各メニュー項目の総収益といったようなことを検索してみてください。この例のプロンプトで作業を続ける場合は、[分析情報を生成] ボタンを使用して必要に応じて自由に分析情報を再生成できます。

4. 同じような分析情報を見つけたら、その分析情報を展開して基盤となっている SQL コードを確認します。以下のようなクエリが表示されます。

   SELECT menu_id, SUM(item_total) AS total_revenue FROM `coffee_on_wheels.order_item` GROUP BY menu_id;

5. [クエリにコピー] をクリックします。新しいタブが BigQuery Studio に開きます。[無題のクエリ] という名前のタブで、質問（クエリを生成したプロンプト）とその質問に含まれているクエリが表示されます。

6. [実行] をクリックします。クエリが実行され、結果が表示されます。結果には 2 つのフィールドが含まれています。メニュー ID とメニュー項目ごとに生成された総収益です。参考になる情報が得られますが、どの項目が最も収益が高いのかすぐにはわからず、また総収益のフィールドに余分な小数点以下が含まれています。これも SQL コードなしで修正できます。

小数点以下 2 桁のみが含まれるようにコードなしでクエリを変換する

1. クエリを選択します。

2. SELECT 文のすぐ左にある をクリックし、[変換] をクリックします。テキスト フィールドが空で [生成] ボタンが配置されたダイアログが表示されます。ここで、自然言語に基づいてクエリを変換できます。

3. 次のプロンプトを入力します。

   Display total_revenue as 2 decimal points.

4. [生成] をクリックします。元のクエリが赤色の文字で、修正後のクエリが緑色の文字で表示されます。

5. この新たに提案されたクエリでよければ、[挿入] をクリックします。クエリが [無題のクエリ] タブに挿入されて、次のようになります。

   -- What is the total revenue generated by each menu item? -- Display total_revenue as 2 decimal points. SELECT menu_id, ROUND(SUM(item_total), 2) AS total_revenue FROM `{{{project_0.project_id|set at lab start}}}.coffee_on_wheels.order_item` GROUP BY 1;

6. [実行] をクリックします。結果に小数点以下 2 桁のみが表示されるように total_revenue フィールドが書式設定されます。

結果が降順に並ぶようにクエリを変換する

1. クエリを選択します。

2. SELECT 文のすぐ左にある をクリックし、[変換] をクリックします。

3. 次のプロンプトを入力します。

   Order the total_revenue field in descending order.

4. [生成] をクリックします。元のクエリが赤色の文字で、修正後のクエリが緑色の文字で表示されます。

5. この新たに提案されたクエリでよければ、[挿入] をクリックします。クエリが [無題のクエリ] タブに挿入されて、次のようになります。

   -- What is the total revenue generated from each menu item? -- Display total_revenue as 2 decimal points. -- Order the total_revenue field in descending order. SELECT menu_id, ROUND(SUM(item_total), 2) AS total_revenue FROM `{{{project_0.project_id|set at lab start}}}.coffee_on_wheels.order_item` GROUP BY menu_id ORDER BY total_revenue DESC;

6. [実行] をクリックします。total_revenue フィールドが降順に並べられ、総収益の最も多いメニュー項目が最初に表示されます。

これで完了です。データ分析情報を選択して、SQL コードを使用しないで変換することに成功しました。

簡単にまとめると、BigQuery データ分析情報は、複雑な SQL クエリを書かずにデータを探索して分析情報を獲得したい方向けのツールです。

以下に、BigQuery 分析情報についての留意点をいくつか示します。

• これはデータを探索して理解するために有用なツールで、SQL を使用したことがない場合やこれからデータ分析を始めたい場合には特に便利です。
• Gemini を使用してデータのメタデータに基づいてクエリを生成するため、関連する分析情報を簡単に見つけることができます。
• データの潜在能力を引き出すために役立つ機能を備えています。

振り返りの時間

1. order_item テーブルではどの分析情報が最も有益だったでしょうか。

2. 今回の BigQuery のデータやユースケースに当てはめて、データ分析情報機能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。 コードなしで order item テーブルをクエリする。

タスク 4. メニューと注文テーブルを確認する

このタスクでは、coffee_on_wheels データセットの残りのメニューと注文テーブルを詳しく見ていきます。また、ラボジャーナルを使用して以下の質問に回答します。これまでデータ分析情報とテーブル エクスプローラのツールについて学んできました。次はこれらのツールを使用して、以下に挙げた質問に回答してみることをおすすめします。独自のクエリを記述しても結構ですが、その場合はこのラボの残り時間に留意してください。残り時間が 5 分を切ったら、すべての進捗状況確認を完了してラボ完了のクレジットを取得しているか確認することをおすすめします。

1. サイズごとに平均価格が高い項目を上から 3 つ挙げてください。

   • これはどのテーブルに含まれていますか（複数可）？
   • どのツールであれば、この質問への回答に役立ちますか？

2. location_id 37 からの注文をすべて見つけてください。

   • この情報はどのテーブルに含まれていますか（複数可）？
   • この場所からの注文はいくつありますか？
   • どのツールであれば、すべての注文を見つけられますか？

3. 今回のユースケースにとってどのツール、テーブル エクスプローラ、データ分析情報が最も役立ちますか？それはなぜですか？

質問に回答したら、ラボジャーナルの解答をご確認ください。

お疲れさまでした

このラボでは、データ分析情報を生成し、その分析情報を使用してコードなしで coffee_on_wheels データセットをクエリする方法を学びました。また、テーブル エクスプローラを使用して location テーブルを探索し、コードなしで基本的なクエリを生成する方法も学びました。最後に、これらの機能を今回の BigQuery のデータとユースケースにどのように当てはめるか考えてみました。

次のステップと詳細情報

このラボで学んだこととジャーナルの回答をまとめて、チームと共有してください。以下のリンクからさらに学習を進めることができます。

• データ分析情報
• テーブル エクスプローラ
• 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 7 日

ラボの最終テスト日: 2024 年 10 月 7 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。