Google menggunakan teknologi AI untuk menerjemahkan konten ke dalam bahasa pilihan Anda. Terjemahan AI mungkin mengandung kesalahan.

Menganalisis dengan BigQuery data canvas

Dokumen ini menjelaskan cara menggunakan kanvas data untuk analisis data. Anda juga dapat mengelola metadata kanvas data menggunakan Knowledge Catalog.

Kanvas data BigQuery, yang merupakan fitur Gemini di BigQuery, memungkinkan Anda menemukan, mentransformasi, mengkueri, dan memvisualisasikan data dengan menggunakan perintah bahasa alami dan antarmuka grafis untuk alur kerja analisis.

Untuk alur kerja analisis, kanvas data BigQuery menggunakan grafik asiklik terarah (DAG), yang memberikan tampilan grafis alur kerja Anda. Di BigQuery data canvas, Anda dapat melakukan iterasi pada hasil kueri dan menangani beberapa cabang kueri di satu tempat.

BigQuery data canvas dirancang untuk mempercepat tugas analisis dan membantu profesional data seperti analis data, data engineer, dan lainnya dalam perjalanan data-ke-insight mereka. Anda tidak perlu memiliki pengetahuan teknis tentang alat tertentu, cukup pemahaman dasar tentang membaca dan menulis SQL. Kanvas data BigQuery berfungsi dengan metadata Knowledge Catalog untuk mengidentifikasi tabel yang sesuai berdasarkan bahasa alami.

Kanvas data BigQuery tidak ditujukan untuk penggunaan langsung oleh pengguna bisnis.

BigQuery data canvas menggunakan Gemini in BigQuery untuk menemukan data, membuat SQL, membuat diagram, dan membuat ringkasan data.

Pelajari cara dan waktu Gemini untuk Google Cloud menggunakan data Anda.

Kemampuan

Dengan kanvas data BigQuery, Anda dapat melakukan hal berikut:

Gunakan penelusuran bahasa alami dengan metadata Knowledge Catalog untuk menemukan aset seperti tabel, tampilan, atau tampilan terwujud.
Gunakan bahasa alami untuk kueri SQL dasar seperti berikut:
- Kueri yang berisi klausa FROM, fungsi matematika, array, dan struct.
- Operasi JOIN untuk dua tabel.
Buat visualisasi kustom menggunakan bahasa alami untuk menjelaskan apa yang Anda inginkan.
Mengotomatiskan insight data.

Batasan

Perintah bahasa alami mungkin tidak berfungsi dengan baik untuk hal berikut:
- BigQuery ML
- Apache Spark
- Tabel objek
- BigLake
- INFORMATION_SCHEMA penayangan
- JSON
- Kolom bertingkat dan berulang.
- Fungsi dan jenis data yang kompleks seperti DATETIME dan TIMEZONE
Visualisasi data tidak berfungsi dengan diagram peta geografis.

Praktik terbaik dalam memberikan perintah

Dengan teknik perintah yang tepat, Anda dapat membuat kueri SQL yang kompleks. Saran berikut membantu BigQuery data canvas menyempurnakan perintah bahasa alami Anda untuk meningkatkan akurasi kueri:

Tulis dengan jelas. Nyatakan permintaan Anda dengan jelas dan hindari penggunaan kata-kata yang tidak jelas.
Ajukan pertanyaan langsung. Untuk mendapatkan jawaban yang paling tepat, ajukan satu pertanyaan dalam satu waktu, dan buat perintah Anda tetap ringkas. Jika Anda awalnya memberikan perintah dengan lebih dari satu pertanyaan, perinci setiap bagian pertanyaan yang berbeda agar jelas bagi Gemini.
Berikan petunjuk yang terfokus dan jelas. Tekankan istilah-istilah penting dalam perintah Anda.
Tentukan urutan operasi. Berikan petunjuk dengan jelas dan berurutan. Bagi tugas menjadi langkah-langkah kecil yang terfokus.
Sempurnakan dan lakukan iterasi. Coba berbagai frasa dan pendekatan untuk melihat mana yang memberikan hasil terbaik.

Untuk mengetahui informasi selengkapnya, lihat Praktik terbaik penulisan perintah untuk BigQuery data canvas.

Sebelum memulai

Pastikan Gemini in BigQuery diaktifkan untuk project Google Cloud Anda. Administrator biasanya melakukan langkah ini.
Pastikan Anda memiliki izin Identity and Access Management (IAM) yang diperlukan untuk menggunakan BigQuery data canvas.
Untuk mengelola metadata kanvas data di Knowledge Catalog, pastikan Dataplex API diaktifkan di project Google Cloud Anda.

Peran yang diperlukan

Untuk mendapatkan izin yang Anda perlukan untuk menggunakan BigQuery data canvas, minta administrator untuk memberi Anda peran IAM berikut pada project:

BigQuery Studio User (roles/bigquery.studioUser)
Pengguna Gemini untuk Google Cloud (roles/cloudaicompanion.user)

Untuk mengetahui informasi selengkapnya tentang pemberian peran, lihat Mengelola akses ke project, folder, dan organisasi.

Anda mungkin juga bisa mendapatkan izin yang diperlukan melalui peran khusus atau peran bawaan lainnya.

Untuk mengetahui informasi lebih lanjut tentang peran dan izin IAM di BigQuery, baca Pengantar IAM.

Untuk mengelola metadata kanvas data di Knowledge Catalog, pastikan Anda memiliki peran Knowledge Catalog yang diperlukan dan izin dataform.repositories.get.

Pertimbangan keamanan untuk kanvas data

Karena aset kode di BigQuery didukung oleh Dataform, Anda harus mempertimbangkan implikasi keamanan berikut bagi pengguna yang memiliki akses ke aset ini:

Visibilitas untuk aset kode diatur oleh izin Dataform level project. Pengguna dengan izin dataform.repositories.list—yang disertakan dalam peran BigQuery standar seperti BigQuery Job User, BigQuery Studio User, dan BigQuery User—dapat melihat semua aset kode di panel Explorer project Google Cloud , terlepas dari apakah mereka membuat aset ini atau aset ini dibagikan kepada mereka. Untuk membatasi visibilitas, Anda dapat membuat peran khusus yang mengecualikan izin dataform.repositories.list.
Setiap rahasia yang dibagikan kepada agen layanan Dataform berpotensi diakses oleh pengguna yang dapat mengedit aset ini. Untuk mengamankan kredensial Anda, batasi akses pembuatan dan pengeditan kepada pengguna tepercaya, dan batasi secret yang dapat diakses oleh agen layanan Dataform. Untuk mengetahui informasi selengkapnya, lihat Akses secret selama penginstalan paket.

Untuk mengetahui informasi selengkapnya, lihat Pertimbangan keamanan untuk izin Dataform.

Jenis node

Kanvas adalah kumpulan dari satu atau beberapa node. Node dapat dihubungkan dalam urutan apa pun. BigQuery data canvas memiliki jenis node berikut:

Teks
Telusuri
Tabel
SQL
Node tujuan
Visualisasi
Insight

Node teks

Di BigQuery data canvas, node teks memungkinkan Anda menambahkan konten rich text ke canvas. Fitur ini berguna untuk menambahkan penjelasan, catatan, atau petunjuk ke kanvas, sehingga memudahkan Anda dan orang lain memahami konteks dan tujuan analisis Anda. Anda dapat memasukkan konten teks apa pun yang Anda inginkan ke editor node teks, termasuk Markdown untuk pemformatan. Dengan kemampuan ini, Anda dapat membuat blok teks yang menarik secara visual dan informatif.

Dari node teks, Anda dapat melakukan hal berikut:

Hapus node.
Debug node.
Duplikasi node.

Node penelusuran

Di BigQuery data canvas, node penelusuran memungkinkan Anda menemukan dan menggabungkan aset data ke dalam kanvas. Fitur ini berfungsi sebagai jembatan antara kueri bahasa alami atau penelusuran kata kunci dan data aktual yang ingin Anda gunakan.

Anda memberikan kueri penelusuran, baik dengan bahasa alami maupun menggunakan kata kunci. Node penelusuran menelusuri aset data Anda. Fitur ini memanfaatkan metadata Knowledge Catalog untuk meningkatkan kesadaran konteks. BigQuery data canvas juga menyarankan tabel, kueri, dan kueri tersimpan yang baru-baru ini digunakan.

Node penelusuran menampilkan daftar aset data yang relevan dan cocok dengan kueri Anda. Fitur ini mempertimbangkan nama kolom dan deskripsi tabel. Kemudian, Anda dapat memilih aset yang ingin ditambahkan ke kanvas data sebagai node tabel, tempat Anda dapat menganalisis dan memvisualisasikan data lebih lanjut.

Dari node penelusuran, Anda dapat melakukan hal berikut:

Hapus node.
Debug node.
Duplikasikan node.

Node tabel

Di BigQuery data canvas, node tabel mewakili tabel tertentu yang telah Anda masukkan ke dalam alur kerja analisis. Tabel ini merepresentasikan data yang Anda kerjakan dan memungkinkan Anda berinteraksi langsung dengan data tersebut.

Node tabel menampilkan informasi tentang tabel, seperti nama, skema, dan pratinjau data. Anda dapat berinteraksi dengan tabel dengan melihat detail seperti skema tabel, detail tabel, dan pratinjau tabel.

Dari node tabel, Anda dapat melakukan hal berikut:

Hapus node.
Debug node.
Duplikasikan node.
Jalankan node.
Jalankan node dan node berikut.

Dalam kanvas data, Anda dapat melakukan hal berikut:

Kueri hasilnya di node SQL baru.
Menggabungkan hasil ke tabel lain.

Node SQL

Di BigQuery data canvas, node SQL memungkinkan Anda menjalankan kueri SQL kustom langsung di dalam canvas. Anda dapat menulis kode SQL langsung di editor node SQL atau menggunakan perintah bahasa alami untuk membuat SQL.

Node SQL menjalankan kueri SQL yang disediakan terhadap sumber data yang ditentukan. Node SQL menghasilkan tabel hasil, yang kemudian dapat dihubungkan ke node lain di kanvas untuk analisis atau visualisasi lebih lanjut. Output dari eksekusi node SQL, yang dikenal sebagai hasil kueri, juga dapat dipertahankan ke tabelnya sendiri melalui node tujuan.

Setelah kueri berjalan, Anda dapat mengekspornya sebagai kueri terjadwal, mengekspor hasil kueri, atau membagikan kanvas, mirip dengan menjalankan kueri interaktif.

Dari node SQL, Anda dapat melakukan hal berikut:

Ekspor pernyataan SQL sebagai kueri terjadwal.
Hapus node.
Debug node.
Duplikasikan node.
Jalankan node.
Jalankan node dan node berikut.

Dalam kanvas data, Anda dapat melakukan hal berikut:

Buat kueri hasil di node SQL baru.
Simpan hasilnya ke tabel.
Visualisasikan hasil dalam node visualisasi.
Buat insight tentang hasil dalam node insight.
Gabungkan hasilnya ke tabel lain.

Node tujuan

Di BigQuery data canvas, node tujuan adalah turunan dari node SQL yang menyimpan hasil eksekusi SQL ke tabel khusus. Anda dapat menyimpan tabel dalam set data baru atau yang sudah ada, atau sebagai tabel baru atau yang sudah ada dalam set data. Setelah tabel tujuan dibuat, gunakan tombol aktif/nonaktif SQL untuk memastikan tabel tetap diperbarui secara real time saat node SQL induk dieksekusi ulang.

Node tujuan dapat menjadi node tabel jika dilepaskan dari induknya dan konten tabel tidak terpengaruh oleh perubahan upstream apa pun di node SQL induk.

Dari node tujuan, Anda dapat melakukan hal berikut:

Lepaskan node dari induk untuk menjadikannya node tabel mandiri.
Buat kueri tabel di node SQL baru.
Gabungkan hasilnya ke tabel lain.

Node visualisasi

Di kanvas data BigQuery, node visualisasi memungkinkan Anda menampilkan data secara visual, sehingga lebih mudah memahami tren, pola, dan insight. Alat ini menyediakan berbagai jenis diagram yang dapat dipilih, sehingga Anda dapat memilih dan menyesuaikan visualisasi terbaik untuk data Anda.

Node visualisasi mengambil tabel sebagai input, yang dapat berupa hasil kueri SQL atau node tabel. Berdasarkan jenis diagram yang dipilih dan data dalam tabel input, node visualisasi akan menghasilkan diagram. Anda dapat memilih Auto-Chart agar BigQuery memilih jenis diagram terbaik untuk data Anda. Node visualisasi kemudian menampilkan diagram yang dihasilkan.

Node visualisasi memungkinkan Anda menyesuaikan diagram, termasuk mengubah warna, label, dan sumber data. Anda juga dapat mengekspor diagram sebagai file PNG.

Visualisasikan data menggunakan jenis grafik berikut:

Diagram batang
Heat map
Grafik garis
Diagram lingkaran
Diagram sebar

Dari node visualisasi, Anda dapat melakukan hal berikut:

Mengekspor diagram sebagai file PNG.
Debug node.
Duplikasikan node.
Jalankan node.
Jalankan node dan node berikut.

Dalam kanvas data, Anda dapat melakukan hal berikut:

Membuat insight tentang hasil di node insight.
Edit visualisasi.

Node insight

Di kanvas data BigQuery, node insight memungkinkan Anda menghasilkan insight dan ringkasan dari data dalam kanvas data. Hal ini membantu Anda mengungkap pola, menilai kualitas data, dan melakukan analisis statistik di kanvas. Fitur ini mengidentifikasi tren, pola, anomali, dan korelasi dalam data Anda, serta membuat ringkasan yang ringkas dan jelas dari hasil analisis data.

Untuk mengetahui informasi selengkapnya tentang insight data, lihat Membuat insight data di BigQuery.

Dari node insight, Anda dapat melakukan hal berikut:

Hapus node.
Duplikasi node.
Jalankan node.

Menggunakan BigQuery data canvas

Anda dapat menggunakan BigQuery data canvas di konsol Google Cloud , kueri, atau tabel.

Buka halaman BigQuery.

Buka BigQuery
Di editor kueri, di samping Kueri SQL, klik Create new, pilih AI and knowledge, lalu klik Data canvas.
Di kolom perintah Bahasa alami, masukkan perintah bahasa alami.

Misalnya, jika Anda memasukkan Find me tables related to trees, BigQuery data canvas akan menampilkan daftar kemungkinan tabel, termasuk set data publik seperti bigquery-public-data.usfs_fia.plot_tree atau bigquery-public-data.new_york_trees.tree_species.
Pilih tabel.

Node tabel untuk tabel yang dipilih akan ditambahkan ke BigQuery data canvas. Untuk melihat informasi skema, melihat detail tabel, atau melihat pratinjau data, pilih berbagai tab di node tabel.
Opsional: Setelah Anda menyimpan kanvas data, gunakan toolbar berikut untuk melihat detail kanvas data atau histori versi, menambahkan komentar baru, atau membalas atau mendapatkan link ke komentar yang ada:

Fitur toolbar Komentar berada dalam Pratinjau. Untuk memberikan masukan atau meminta dukungan terkait fitur ini, kirim email ke bqui-workspace-pod@google.com.

Kontrol kanvas

Toolbar data canvas menyediakan kontrol berikut untuk menambahkan node dan mengelola tampilan kanvas:

Toolbar data canvas.

Penelusuran: Menambahkan node penelusuran ke kanvas.
SQL: Menambahkan node SQL ke kanvas.
Text: Menambahkan node Markdown atau teks untuk komentar.
Kontrol zoom: Memungkinkan Anda menetapkan tingkat zoom tertentu.
Zoom agar Muat: Menyesuaikan zoom secara otomatis untuk menampilkan semua konten di kanvas.
Zoom to Selection: Menyesuaikan zoom secara otomatis untuk berfokus pada node yang dipilih.
Perbesar: Memperbesar tampilan kanvas. Anda juga dapat memperbesar dengan menahan Control dan menggunakan roda mouse untuk men-scroll.
Perkecil: Memperkecil tampilan kanvas. Anda juga dapat memperkecil dengan menahan Control dan menggunakan roda mouse untuk men-scroll.
Layar penuh: Memasuki mode layar penuh untuk kanvas.
Rapikan kanvas: Secara otomatis mengatur node di kanvas Anda.
Refresh canvas: Menjalankan semua node yang dapat dieksekusi dengan satu tombol.
Tindakan lainnya: Membuka opsi tambahan, seperti menghapus kanvas.

Contoh berikut menunjukkan berbagai cara untuk menggunakan kanvas data BigQuery dalam alur kerja analisis.

Setelan Canvas

Panel Setelan kanvas menyediakan opsi berikut:

Location: lokasi pemrosesan untuk kanvas data Anda. Untuk mengetahui detailnya, lihat Menentukan lokasi.
Parameter kueri: tambahkan parameter untuk digunakan dalam kueri SQL untuk kanvas data Anda.
Pengelolaan resource: mengelola prioritas tugas kueri, caching, dan setelan tugas.
Pengelolaan kanvas: mengontrol tampilan output kueri di kanvas data Anda.
Opsi lanjutan: pilih Google-owned and Google-managed encryption key atau Kunci enkripsi yang dikelola pelanggan (CMEK), dan tetapkan byte maksimum yang ditagih untuk kueri Anda.

Untuk mengubah setelan kanvas data, ikuti langkah-langkah berikut:

Buka halaman BigQuery.

Buka BigQuery
Di panel kiri, klik Explorer.
Luaskan nama project Anda, lalu klik Data canvases.
Di halaman Kanvas data, klik link untuk kanvas yang ingin Anda perbarui.
Klik Setelan Canvas.
Di bagian Lokasi, pilih dari opsi berikut:
1. Pilih Automatic location selection untuk mengizinkan BigQuery menentukan lokasi pemrosesan secara otomatis berdasarkan resource yang Anda kueri.
2. Atau, untuk merutekan tugas secara manual, lakukan hal berikut:
  1. Batalkan pilihan Automatic location selection, lalu pilih Location type, baik Region maupun Multi-region.
  2. Di kolom region, tentukan region, atau di kolom multi-region, tentukan multi-region.
  3. Atau, untuk Reservation, pilih pemesanan yang akan digunakan untuk tugas kanvas.
Di bagian Parameter kueri, pilih salah satu opsi berikut:
1. Klik Add parameter untuk menentukan parameter standar yang akan digunakan di seluruh kueri SQL di kanvas Anda.
2. Masukkan nama, jenis, dan nilai untuk parameter.
Catatan: Parameter kueri di konsol Google Cloud hanya mendukung jenis primitif. Untuk jenis yang kompleks seperti ARRAY, STRUCT, dan JSON, gunakan alat command line bq atau BigQuery API.
Di bagian Resource management, pilih salah satu opsi berikut:
1. Untuk Job priority, pilih apakah akan menjalankan kueri kanvas menggunakan prioritas Interactive atau Batch.
2. Untuk Cache preference, pilih Use cached results agar BigQuery menampilkan hasil kueri yang di-cache sebelumnya. Menggunakan hasil yang di-cache dapat mengurangi biaya dan meningkatkan performa.
3. Untuk Job timeout, masukkan waktu eksekusi tugas maksimum dalam milidetik. Jika batas waktu ini terlampaui, BigQuery akan mencoba menghentikan tugas.
Di bagian Canvas management, batalkan pilihan Omit node output when saving this canvas untuk meng-cache hasil kueri dengan status kanvas. Tindakan ini hanya menyimpan struktur dan kueri kanvas.
Luaskan bagian Advanced options, lalu pilih dari opsi berikut:
1. Untuk Encryption, pilih Google-managed keys atau pilih Cloud KMS key, lalu masukkan jenis dan nilai kunci yang dikelola pelanggan.
2. Untuk Maximum bytes billed, masukkan batas byte yang ditagih untuk kueri Anda. Jika kueri melampaui batas ini, kueri akan gagal tanpa menimbulkan biaya. Jika opsi ini tidak ditentukan, jumlah byte maksimum yang ditagih akan ditetapkan ke default project.
Setelah melakukan perubahan, klik Simpan untuk menerapkan setelan ke kanvas data Anda.

Contoh alur kerja: Menemukan, membuat kueri, dan memvisualisasikan data

Dalam contoh ini, Anda akan menggunakan perintah bahasa alami di BigQuery data canvas untuk menemukan data, membuat kueri, dan mengedit kueri. Kemudian, Anda membuat diagram.

Perintah 1: Temukan data

Di konsol Google Cloud , buka halaman BigQuery.

Buka BigQuery
Di editor kueri, di samping Kueri SQL, klik Create new, pilih AI and knowledge, lalu klik Data canvas.
Klik Search for data.
Klik filter_list Edit filter penelusuran, lalu di panel Filter penelusuran, klik tombol Set data publik BigQuery ke posisi aktif.
Di kolom perintah Bahasa alami, masukkan perintah bahasa alami berikut:
```
Chicago taxi trips
```
BigQuery data canvas menghasilkan daftar tabel potensial berdasarkan metadata Knowledge Catalog. Anda dapat memilih beberapa tabel.
Pilih tabel bigquery-public-data.chicago_taxi_trips.taxi_trips, lalu klik Tambahkan ke kanvas.

Node tabel untuk taxi_trips ditambahkan ke BigQuery data canvas. Untuk melihat informasi skema, melihat detail tabel, atau melihat pratinjau data, pilih berbagai tab di node tabel.

Perintah 2: Buat kueri SQL di tabel yang dipilih

Untuk membuat kueri SQL untuk tabel bigquery-public-data.chicago_taxi_trips.taxi_trips, lakukan hal berikut:

Di kanvas data, klik Kueri.

Di kolom perintah bahasa alami, masukkan perintah berikut:

Get me the 100 longest trips

BigQuery data canvas menghasilkan kueri SQL yang mirip dengan berikut ini:

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;

Perintah 3: Edit kueri

Untuk mengedit kueri yang Anda buat, Anda dapat mengedit kueri secara manual, atau mengubah perintah bahasa alami dan membuat ulang kueri. Dalam contoh ini, Anda menggunakan perintah bahasa alami untuk mengedit kueri agar hanya memilih perjalanan saat pelanggan membayar dengan uang tunai.

Di kolom perintah bahasa alami, masukkan perintah berikut:

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

BigQuery data canvas menghasilkan kueri SQL yang mirip dengan berikut ini:

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;

Dalam contoh sebelumnya, PROJECT_ID adalah ID project Google Cloud Anda.

Untuk melihat hasil kueri, klik Run.

Membuat diagram

Di data canvas, klik Visualize.
Klik Buat diagram batang.

BigQuery data canvas membuat diagram batang yang menunjukkan jarak perjalanan terbanyak berdasarkan ID perjalanan. Selain menyediakan diagram, BigQuery data canvas meringkas beberapa detail utama data yang mendukung visualisasi.
Opsional: Lakukan satu atau beberapa hal berikut:
- Untuk mengubah diagram, klik Edit, lalu edit diagram di panel Edit visualisasi.
- Untuk membagikan BigQuery data canvas, klik Share, lalu klik Share Link untuk menyalin link BigQuery data canvas.
- Untuk mengosongkan data canvas, pilih More actions, lalu pilih Clear canvas. Langkah ini akan menghasilkan kanvas kosong.

Contoh alur kerja: Gabungkan tabel

Dalam contoh ini, Anda akan menggunakan perintah bahasa alami di BigQuery data canvas untuk menemukan data dan menggabungkan tabel. Kemudian, Anda akan mengekspor kueri sebagai notebook.

Perintah 1: Menemukan data

Di kolom perintah bahasa alami, masukkan perintah berikut:
```
Information about trees
```
BigQuery data canvas menyarankan beberapa tabel yang memiliki informasi tentang pohon.
Untuk contoh ini, pilih tabel bigquery-public-data.new_york_trees.tree_census_1995, lalu klik Add to canvas.

Tabel akan ditampilkan di kanvas.

Perintah 2: Gabungkan tabel berdasarkan alamatnya

Di kanvas data, klik Gabungkan.

BigQuery data canvas menyarankan tabel untuk digabungkan.
Untuk membuka kolom perintah bahasa alami baru, klik Search for tables.
Di kolom perintah bahasa alami, masukkan perintah berikut:
```
Information about trees
```
Pilih tabel bigquery-public-data.new_york_trees.tree_census_2005, lalu klik Add to canvas.

Tabel ditampilkan di kanvas.
Di kanvas data, klik Join.
Di bagian On this canvas, centang kotak Table cell, lalu klik OK.

Di kolom perintah bahasa alami, masukkan perintah berikut:

Join on address

BigQuery data canvas menyarankan kueri SQL untuk menggabungkan kedua tabel ini berdasarkan alamatnya:

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;

Untuk menjalankan kueri dan melihat hasilnya, klik Run.

Mengekspor kueri sebagai notebook

Dengan BigQuery data canvas, Anda dapat mengekspor kueri sebagai notebook.

Di data canvas, klik Export as notebook.
Di panel Save Notebook, masukkan nama untuk notebook dan region tempat Anda ingin menyimpannya.
Klik Simpan. Notebook berhasil dibuat.
Opsional: Untuk melihat notebook yang dibuat, klik Buka.

Contoh alur kerja: Mengedit diagram menggunakan perintah

Dalam contoh ini, Anda akan menggunakan perintah bahasa alami di BigQuery data canvas untuk menemukan, mengkueri, dan memfilter data, lalu mengedit detail visualisasi.

Perintah 1: Menemukan data

Untuk menemukan data tentang nama-nama di Amerika Serikat, masukkan perintah berikut:
```
Find data about USA names
```
BigQuery data canvas akan membuat daftar tabel.
Untuk contoh ini, pilih tabel bigquery-public-data.usa_names.usa_1910_current, lalu klik Tambahkan ke kanvas.

Perintah 2: Buat kueri data

Untuk mengkueri data, di kanvas data, klik Query, lalu masukkan perintah berikut:
```
Summarize this data
```
BigQuery data canvas menghasilkan kueri yang mirip dengan berikut ini:
```
SELECT
  state,
  gender,
  year,
  name,
  number
FROM
  `bigquery-public-data.usa_names.usa_1910_current`
```
Klik Run. Hasil kueri akan ditampilkan.

Perintah 3: Memfilter data

Di data canvas, klik Query these results.
Untuk memfilter data, di kolom perintah SQL, masukkan perintah berikut:
```
Get me the top 10 most popular names in 1980
```
BigQuery data canvas menghasilkan kueri yang mirip dengan berikut ini:
```
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;
```
Saat menjalankan kueri, Anda akan mendapatkan tabel berisi sepuluh nama paling umum dari anak-anak yang lahir pada tahun 1980.

Membuat dan mengedit diagram

Di data canvas, klik Visualize.

BigQuery data canvas menyarankan beberapa opsi visualisasi, termasuk diagram batang, diagram lingkaran, grafik garis, dan visualisasi kustom.
Untuk contoh ini, klik Buat diagram batang.

Kanvas data BigQuery membuat diagram batang yang mirip dengan berikut ini:

Selain menyediakan diagram, BigQuery data canvas merangkum beberapa detail utama data yang mendukung visualisasi. Anda dapat mengubah diagram dengan mengklik Detail visualisasi dan mengedit diagram di panel samping.

Perintah 4: Mengedit detail visualisasi

Di kolom perintah Visualization, masukkan perintah berikut:
```
Create a bar chart sorted high to low, with a gradient
```
BigQuery data canvas akan membuat diagram batang yang mirip dengan berikut ini:
Opsional: Untuk membuat perubahan lebih lanjut, klik Edit.

Panel Edit visualization akan ditampilkan. Anda dapat mengedit detail seperti judul diagram, nama sumbu x, dan nama sumbu y. Selain itu, jika mengklik tab JSON Editor, Anda dapat langsung mengedit diagram berdasarkan nilai JSON.

Bekerja dengan asisten Gemini

Anda dapat menggunakan pengalaman chat yang didukung Gemini untuk menggunakan BigQuery data canvas. Asisten chat dapat membuat node berdasarkan permintaan Anda, menjalankan kueri, dan membuat visualisasi. Anda dapat memilih tabel yang akan digunakan asisten, dan Anda dapat menambahkan petunjuk kepada asisten untuk mengarahkan perilakunya. Asisten ini berfungsi dengan kanvas data baru atau yang sudah ada.

Untuk menggunakan asisten Gemini, lakukan hal berikut:

Untuk membuka asisten, di kanvas data, klik spark Open Data Canvas Assistant.
Di kolom Ask a data question, masukkan perintah bahasa alami—misalnya, salah satu dari berikut ini:
- 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.
Respons menyertakan node atau node berdasarkan permintaan. Misalnya, jika Anda meminta asisten untuk membuat diagram data, asisten akan membuat node visualisasi di kanvas data.

Saat mengklik kolom Ajukan pertanyaan data, Anda juga dapat melakukan hal berikut:
- Untuk menambahkan data, klik Setelan.
- Untuk menambahkan petunjuk, klik Setelan.
Untuk terus menggunakan asisten, tambahkan perintah bahasa alami tambahan.

Anda dapat terus membuat perintah bahasa alami saat menggunakan kanvas data.

Tambahkan data

Saat menggunakan antarmuka percakapan Gemini, Anda dapat menambahkan data agar asisten mengetahui set data mana yang harus dijadikan referensi. Asisten akan meminta Anda memilih tabel sebelum menjalankan perintah apa pun. Saat menelusuri data dalam asisten, Anda dapat membatasi cakupan data yang dapat ditelusuri ke semua project, project berbintang, atau project saat ini. Anda juga dapat memutuskan apakah akan menyertakan set data publik dalam penelusuran Anda.

Untuk menambahkan data ke asisten Gemini, lakukan hal berikut:

Untuk membuka asisten, di kanvas data, klik spark Buka Asisten Kanvas Data.
Klik Setelan, lalu klik Tambahkan Data.
Opsional: Untuk memperluas hasil penelusuran agar menyertakan set data publik, klik tombol Set data publik ke posisi aktif.
Opsional: Untuk mengubah cakupan hasil penelusuran ke project lain, pilih opsi project yang sesuai dari menu Scope.
Centang kotak untuk setiap tabel yang ingin Anda tambahkan ke asisten.
1. Untuk menelusuri tabel yang tidak disarankan oleh asisten, klik Search for tables.
2. Di kolom perintah Natural language, masukkan perintah yang menjelaskan tabel yang Anda cari, lalu tekan Enter.
3. Centang kotak untuk setiap tabel yang ingin Anda tambahkan ke asisten, lalu klik Ok.
Tutup panel Canvas assistant settings.

Asisten mendasarkan analisisnya pada data yang Anda pilih.

Tambahkan petunjuk

Saat menggunakan antarmuka percakapan Gemini, Anda dapat menambahkan petunjuk agar asisten mengetahui cara berperilaku. Petunjuk ini diterapkan ke semua perintah dalam kanvas data. Contoh potensi petunjuk mencakup hal-hal berikut:

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

Untuk menambahkan petunjuk ke asisten, lakukan hal berikut:

Untuk membuka asisten, di kanvas data, klik spark Buka Asisten Kanvas Data.
Klik Setelan.
Di kolom Petunjuk, tambahkan daftar petunjuk Anda untuk asisten, lalu tutup panel Setelan asisten kanvas.

Asisten mengingat petunjuk dan menerapkannya pada perintah mendatang.

Praktik terbaik asisten Gemini

Untuk mendapatkan hasil terbaik saat menggunakan asisten BigQuery data canvas, ikuti praktik terbaik berikut:

Buat perintah yang spesifik dan tidak ambigu. Nyatakan dengan jelas apa yang ingin Anda hitung, analisis, atau visualisasikan. Misalnya, alih-alih Analyze trip data, ucapkan Calculate the average trip duration for trips starting in council district eight.
Pastikan konteks data akurat. Asisten hanya dapat bekerja dengan data yang Anda berikan. Pastikan semua tabel dan kolom yang relevan telah ditambahkan ke kanvas.
Mulai dengan sederhana, lalu lakukan iterasi. Mulailah dengan pertanyaan sederhana untuk memastikan asisten memahami struktur dan data dasar. Misalnya, ucapkan Show total trips by subscriber_type terlebih dahulu, lalu ucapkan Show total trips by subscriber_type and break down the result by council_district.
Uraikan pertanyaan kompleks. Untuk proses multi-langkah, pertimbangkan untuk menyusun perintah Anda dengan jelas menggunakan bagian-bagian yang berbeda, atau menggunakan perintah terpisah untuk setiap langkah utama. Misalnya, ucapkan 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.
Nyatakan penghitungan dengan jelas. Tentukan penghitungan yang dipilih, seperti SUM, MAX, atau AVERAGE. Misalnya, ucapkan Find the MAX trip duration per bike_id.
Gunakan petunjuk sistem untuk konteks dan preferensi persisten. Gunakan petunjuk sistem untuk menyatakan aturan informasi, dan preferensi yang berlaku di semua perintah.
Tinjau kanvas. Selalu tinjau node yang dibuat untuk memverifikasi bahwa logika sesuai dengan permintaan Anda dan hasilnya akurat.
Eksperimen. Coba berbagai frasa, tingkat detail, dan struktur perintah untuk mempelajari cara asisten merespons data dan kebutuhan analisis spesifik Anda.
Nama kolom referensi. Jika memungkinkan, gunakan nama kolom yang sebenarnya dari data yang Anda pilih. Misalnya, alih-alih Show trips by subscriber type, katakan Show the count of trips grouped by subscriber_type and start_station_name.

Contoh alur kerja: Bekerja dengan asisten Gemini

Dalam contoh ini, Anda menggunakan perintah bahasa alami dengan asisten Gemini untuk menemukan, mengkueri, dan memvisualisasikan data.

Di konsol Google Cloud , buka halaman BigQuery.

Buka BigQuery
Di editor kueri, di samping Kueri SQL, klik Create new, pilih AI and knowledge, lalu klik Data canvas.
Klik Search for data.
Klik filter_list Edit filter penelusuran, lalu di panel Filter penelusuran, klik tombol Set data publik BigQuery ke posisi aktif.
Di kolom perintah Bahasa alami, masukkan perintah bahasa alami berikut:
```
bikeshare
```
BigQuery data canvas membuat daftar tabel potensial berdasarkan metadata Knowledge Catalog. Anda dapat memilih beberapa tabel.
Pilih bigquery-public-data.austin_bikeshare.bikeshare_stations tabel dan bigquery-public-data.austin_bikeshare.bikeshare_trips, lalu klik Tambahkan ke kanvas.

Node tabel untuk setiap tabel yang dipilih akan ditambahkan ke BigQuery data canvas. Untuk melihat informasi skema, melihat detail tabel, atau melihat pratinjau data, pilih berbagai tab di node tabel.
Untuk membuka asisten, di kanvas data, klik spark Open Data Canvas Assistant.
Klik Setelan.

Di kolom Instructions, tambahkan petunjuk berikut untuk asisten:

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

Tutup panel Canvas assistant settings.
Di kolom Ask a data question, masukkan perintah bahasa alami berikut:
```
Show the number of trips by council district and subscriber type
```
Anda dapat terus memasukkan perintah di kolom Ajukan pertanyaan data. Masukkan perintah bahasa alami berikut:
```
What are most popular stations among the top 5 subscriber types
```
Masukkan perintah terakhir:
```
What station is least used to start and end a trip
```
Setelah Anda mengajukan semua perintah yang relevan, kanvas Anda akan diisi dengan node kueri dan visualisasi yang relevan sesuai dengan perintah dan petunjuk yang Anda berikan kepada asisten. Terus masukkan perintah atau ubah perintah yang ada untuk mendapatkan hasil yang Anda cari.

Lihat semua data canvas

Untuk melihat daftar semua kanvas data dalam project Anda, lakukan hal berikut:

Di konsol Google Cloud , buka halaman BigQuery.

Buka BigQuery
Di panel kiri, klik Explorer:

Jika Anda tidak melihat panel kiri, klik Luaskan panel kiri untuk membuka panel.
Di panel Explorer, klik View actions di samping Data canvases, lalu lakukan salah satu tindakan berikut:

Untuk membuka daftar di tab saat ini, klik Tampilkan semua.
Untuk membuka daftar di tab baru, klik Tampilkan semua di > Tab baru.
Untuk membuka daftar di tab terpisah, klik Tampilkan semua di > Tab terpisah.

Melihat metadata data canvas

Untuk melihat metadata kanvas data, lakukan hal berikut:

Di konsol Google Cloud , buka halaman BigQuery.

Buka BigQuery
Di panel kiri, klik Explorer:
Di panel Explorer, luaskan project Anda, lalu klik Data canvases.
Klik nama kanvas data yang ingin Anda lihat metadatanya.
Klik Details untuk melihat informasi tentang kanvas data, seperti region yang digunakan dan tanggal terakhir diubah.

Menggunakan versi data canvas

Anda dapat memilih untuk membuat kanvas data di dalam atau di luar repositori. Pembuatan versi kanvas data ditangani secara berbeda berdasarkan lokasi kanvas data.

Versi data canvas di repositori

Repositori adalah repositori Git yang berada di BigQuery atau dengan penyedia pihak ketiga. Anda dapat menggunakan ruang kerja di repositori untuk melakukan kontrol versi pada kanvas data. Untuk mengetahui informasi selengkapnya, lihat Menggunakan kontrol versi dengan file.

Pembuatan versi kanvas data di luar repositori

Anda dapat melihat, membandingkan, dan memulihkan versi kanvas data.

Melihat dan membandingkan versi kanvas data

Untuk melihat berbagai versi kanvas data dan membandingkannya dengan versi saat ini, lakukan hal berikut:

Di konsol Google Cloud , buka halaman BigQuery.

Buka BigQuery
Di panel kiri, klik Explorer:
Di panel Explorer, luaskan project Anda, lalu klik Data canvases.
Klik nama kanvas data yang ingin Anda lihat histori versinya.
Klik Histori versi untuk melihat daftar versi kanvas data dalam urutan menurun berdasarkan tanggal.
Klik Lihat tindakan di samping versi kanvas data, lalu klik Bandingkan. Panel perbandingan akan terbuka, yang membandingkan versi kanvas data yang Anda pilih dengan versi kanvas data saat ini.
Opsional: Untuk membandingkan versi sebagai bagian dari teks, bukan di panel terpisah, klik Bandingkan, lalu klik Inline.

Memulihkan versi data canvas

Memulihkan dari panel perbandingan memungkinkan Anda membandingkan versi kanvas data sebelumnya dengan versi saat ini sebelum memilih untuk memulihkannya atau tidak.

Di panel kiri, klik Explorer:
Di panel Explorer, luaskan project Anda, lalu klik Data canvases.
Klik nama kanvas data yang ingin Anda pulihkan ke versi sebelumnya.
Klik Histori versi.
Klik Lihat tindakan di samping versi data canvas yang ingin Anda pulihkan, lalu klik Bandingkan.

Panel perbandingan akan terbuka, yang membandingkan versi kanvas data yang Anda pilih dengan versi kanvas data terbaru.
Untuk memulihkan versi data canvas sebelumnya setelah perbandingan, klik Restore.
Klik Konfirmasi.

Mengelola metadata di Knowledge Catalog

Knowledge Catalog memungkinkan Anda melihat dan mengelola metadata untuk kanvas data. Kanvas data tersedia di Knowledge Catalog secara default, tanpa konfigurasi tambahan.

Anda dapat menggunakan Knowledge Catalog untuk mengelola kanvas data di semua lokasi BigQuery. Pengelolaan kanvas data di Knowledge Catalog tunduk pada kuota dan batas Knowledge Catalog serta harga Knowledge Catalog.

Knowledge Catalog otomatis mengambil metadata berikut dari kanvas data:

Nama aset data
Induk aset data
Lokasi aset data
Jenis aset data
Project Google Cloud yang sesuai

Knowledge Catalog mencatat kanvas data sebagai entri dengan nilai entri berikut:

Grup entri sistem: Grup entri sistem untuk kanvas data adalah @dataform. Untuk melihat detail entri kanvas data di Knowledge Catalog, Anda harus melihat grup entri sistem dataform. Untuk mengetahui petunjuk tentang cara melihat daftar semua entri dalam grup entri, lihat Melihat detail grup entri dalam dokumentasi Knowledge Catalog.
Jenis entri sistem: Jenis entri sistem untuk kanvas data adalah dataform-code-asset. Untuk melihat detail kanvas data, Anda perlu melihat jenis entri sistem dataform-code-asset, memfilter hasilnya dengan filter berbasis aspek, dan menetapkan kolom type di dalam aspek dataform-code-asset ke DATA_CANVAS. Kemudian, pilih entri kanvas data yang dipilih. Untuk mengetahui petunjuk tentang cara melihat detail jenis entri yang dipilih, lihat Melihat detail jenis entri dalam dokumentasi Knowledge Catalog. Untuk mengetahui petunjuk tentang cara melihat detail entri yang dipilih, lihat Melihat detail entri dalam dokumentasi Knowledge Catalog.
Jenis aspek sistem: Jenis aspek sistem untuk kanvas data adalah dataform-code-asset. Untuk memberikan konteks tambahan pada kanvas data di Knowledge Catalog dengan memberi anotasi pada entri kanvas data dengan aspek, lihat jenis aspek dataform-code-asset, memfilter hasil dengan filter berbasis aspek, dan menetapkan kolom type di dalam aspek dataform-code-asset ke DATA_CANVAS. Untuk mengetahui petunjuk tentang cara menganotasi entri dengan aspek, lihat Mengelola aspek dan memperkaya metadata dalam dokumentasi Knowledge Catalog.
Jenis: Jenis untuk kanvas data adalah DATA_CANVAS. Jenis ini memungkinkan Anda memfilter kanvas data dalam jenis entri sistem dataform-code-asset dan jenis aspek dataform-code-asset menggunakan kueri aspect:dataplex-types.global.dataform-code-asset.type=DATA_CANVAS dalam filter berbasis aspek.

Untuk mengetahui petunjuk tentang cara menelusuri aset di Knowledge Catalog, lihat Menelusuri aset data di Knowledge Catalog dalam dokumentasi Knowledge Catalog.

Harga

Untuk mengetahui detail tentang harga fitur ini, lihat Ringkasan harga Gemini di BigQuery.

Lokasi

Anda dapat menggunakan BigQuery data canvas di semua lokasi BigQuery. Untuk mempelajari tempat Gemini di BigQuery memproses data Anda, lihat Tempat Gemini di BigQuery memproses data Anda.

Berikan masukan

Anda dapat membantu meningkatkan kualitas saran BigQuery data canvas dengan mengirimkan masukan ke Google. Untuk memberikan masukan, lakukan hal berikut:

Di toolbar BigQuery data canvas, klik Tindakan lainnya, lalu klik Kirim masukan.
Klik kategori yang sesuai dengan masukan Anda.
Di kolom Jelaskan masukan Anda (wajib), masukkan masukan Anda.
Opsional: Untuk memberikan screenshot kanvas data Anda ke BigQuery, klik screenshot_monitor Ambil screenshot.
Opsional: Untuk memberikan histori pembuatan Anda, pilih Izinkan Google mengumpulkan histori pembuatan saya dan mengirimkannya bersama masukan saya.
Klik Kirim.

Setelan berbagi data berlaku untuk seluruh project dan hanya dapat ditetapkan oleh administrator project yang memiliki izin IAM serviceusage.services.enable dan serviceusage.services.list.

Untuk memberikan masukan langsung tentang fitur ini, Anda juga dapat menghubungi datacanvas-feedback@google.com.

Langkah berikutnya

Pelajari cara menulis kueri dengan bantuan Gemini.
Pelajari cara membuat notebook.
Pelajari cara membuat kueri bahasa alami tentang data Anda dengan insight data.