‫Google משתמשת בטכנולוגיית AI כדי לתרגם תוכן לשפה המועדפת עליך. בתרגומים כאלו עשויות להיות שגיאות.

ניתוח באמצעות קנבס נתונים ב-BigQuery

מאמרי עזרה זה מתאר איך להשתמש בקנבס נתונים לניתוח נתונים. אתם יכולים גם לנהל את המטא-נתונים של קנבס נתונים באמצעות Knowledge Catalog.

בעזרת כלי ה-AI ‏"קנבס נתונים ב-BigQuery" (חלק מ-Gemini ב-BigQuery) אתם יכולים למצוא נתונים, לשנות אותם, להריץ עליהם שאילתות ולהציג אותם באופן חזותי. כל זה קורה באמצעות הנחיות בשפה טבעית וממשק גרפי לתהליכי עבודה של ניתוח נתונים.

בתהליכי עבודה של ניתוח, קנבס נתונים ב-BigQuery משתמש בגרף אציקלי מכוון (DAG), שמציג תצוגה גרפית של תהליך העבודה. בקנבס נתונים ב-BigQuery, אפשר לחזור על תוצאות השאילתה ולעבוד עם כמה ענפים של שאילתות במקום אחד.

הכלי "קנבס נתונים ב-BigQuery" נועד להאיץ את משימות הניתוח ולעזור לאנשי מקצוע בתחום הנתונים, כמו מנתחי נתונים, מהנדסי מערכות מידע ואחרים, להפיק תובנות מהנתונים. לא נדרש ידע טכני בכלים ספציפיים, אלא רק היכרות בסיסית עם קריאה וכתיבה של SQL. קנבס הנתונים ב-BigQuery פועל עם מטא-נתונים של Knowledge Catalog כדי לזהות טבלאות מתאימות על סמך שפה טבעית.

קנבס הנתונים ב-BigQuery לא מיועד לשימוש ישיר של משתמשים עסקיים.

קנבס נתונים ב-BigQuery משתמש ב-Gemini ב-BigQuery כדי למצוא את הנתונים, ליצור SQL, ליצור תרשימים וליצור סיכומי נתונים.

איך Gemini for Google Cloud ‎ משתמש בנתונים שלכם, ובאילו מקרים.

יכולות

קנבס נתונים ב-BigQuery מאפשר לכם:

להשתמש בחיפוש בשפה טבעית עם מטא-נתונים של Knowledge Catalog כדי למצוא נכסים כמו טבלאות, תצוגות או תצוגות מהותיות.
אפשר להשתמש בשפה טבעית לשאילתות SQL בסיסיות כמו אלה:
- שאילתות שמכילות משפטי FROM, פונקציות מתמטיות, מערכים ומבנים.
- ‫JOIN פעולות לשתי טבלאות.
אתם יכולים ליצור תצוגות חזותיות בהתאמה אישית באמצעות שפה טבעית כדי לתאר את מה שאתם רוצים.
אוטומציה של תובנות מנתונים.

מגבלות

יכול להיות שפקודות בשפה טבעית לא יפעלו כמו שצריך במקרים הבאים:
- BigQuery ML
- Apache Spark
- טבלאות אובייקטים
- BigLake
- ‫INFORMATION_SCHEMA צפיות
- JSON
- שדות בתוך שדות ושדות חוזרים
- פונקציות וסוגי נתונים מורכבים כמו DATETIME ו-TIMEZONE
תרשימים להמחשת נתונים לא פועלים עם תרשימי מפות גיאוגרפיות.

שיטות מומלצות לכתיבת הנחיות

בעזרת טכניקות הנחיה נכונות, אתם יכולים ליצור שאילתות SQL מורכבות. ההצעות הבאות יעזרו לקנבס נתונים ב-BigQuery לשפר את הפרומפטים בשפה טבעית כדי להגדיל את הדיוק של השאילתות:

כתיבה ברורה. חשוב לנסח את הבקשה בצורה ברורה ולא להשתמש בניסוחים מעורפלים.
לשאול שאלות ישירות. כדי לקבל תשובה מדויקת ככל האפשר, כדאי לשאול שאלה אחת בכל פעם ולנסח את ההנחיות בצורה תמציתית. אם נתת הנחיה עם יותר משאלה אחת, תפרט כל חלק נפרד של השאלה כדי שיהיה ברור ל-Gemini.
תנו הוראות ממוקדות ומפורשות. הדגישו מונחי מפתח בהנחיות.
מציינים את סדר הפעולות. תנו הוראות ברורות ומסודרות. כדאי לחלק את המשימות לשלבים קטנים וממוקדים.
משפרים ומבצעים איטרציות. נסו ביטויים וגישות שונות כדי לראות מה מניב את התוצאות הכי טובות.

מידע נוסף זמין במאמר שיטות מומלצות להנדסת פרומפטים בקנבס נתונים ב-BigQuery.

לפני שמתחילים

מוודאים ש-Gemini ב-BigQuery מופעל בפרויקט Google Cloud . בדרך כלל האדמין מבצע את השלב הזה.
כדאי לוודא שיש לכם את ההרשאות הנדרשות לניהול זהויות והרשאות גישה (IAM) כדי להשתמש בקנבס נתונים ב-BigQuery.
כדי לנהל את המטא-נתונים של קנבס הנתונים ב-Knowledge Catalog, ודאו ש-Dataplex API מופעל בפרויקט ב- Google Cloud .

התפקידים הנדרשים

כדי לקבל את ההרשאות שדרושות לשימוש בקנבס הנתונים ב-BigQuery, בקשו מהאדמין להקצות לכם את תפקידי ה-IAM הבאים בפרויקט:

BigQuery Studio User (roles/bigquery.studioUser)
‫Gemini ל-Google Cloud User (roles/cloudaicompanion.user)

להסבר על מתן תפקידים, ראו איך מנהלים את הגישה ברמת הפרויקט, התיקייה והארגון.

יכול להיות שאפשר לקבל את ההרשאות הנדרשות גם באמצעות תפקידים בהתאמה אישית או תפקידים מוגדרים מראש.

במאמר מבוא ל-IAM מוסבר בהרחבה על התפקידים וההרשאות ב-IAM ב-BigQuery.

כדי לנהל את המטא-נתונים של קנבס נתונים ב-Knowledge Catalog, אתם צריכים לוודא שיש לכם את התפקידים הנדרשים ב-Knowledge Catalog ואת ההרשאה dataform.repositories.get.

שיקולי אבטחה לגבי קנבס נתונים

נכסי הקוד ב-BigQuery מופעלים על ידי Dataform, ולכן חשוב להביא בחשבון את ההשלכות הבאות על האבטחה של משתמשים שיש להם גישה לנכסים האלה:

ההרשאות ברמת הפרויקט ב-Dataform קובעות את הרשאות הגישה לנכסי הקוד. משתמשים עם ההרשאה dataform.repositories.list – שכלולה בתפקידים סטנדרטיים ב-BigQuery כמו BigQuery Job User,‏ BigQuery Studio User ו-BigQuery User – יכולים לראות את כל נכסי הקוד בחלונית Explorer של הפרויקט ב- Google Cloud , גם אם הם לא יצרו את הנכסים האלה או שהנכסים האלה לא שותפו איתם. כדי להגביל את החשיפה, אתם יכולים ליצור תפקידים בהתאמה אישית שלא כוללים את ההרשאה dataform.repositories.list.
יכול להיות שמשתמשים שיש להם הרשאת עריכה בנכסים האלה יוכלו לגשת לסודות ששותפו עם סוכן השירות של Dataform. כדי לאבטח את פרטי הכניסה, צריך להגביל את הגישה ליצירה ולעריכה למשתמשים מהימנים, ולהגביל את הגישה של סוכן השירות של Dataform לסודות. מידע נוסף זמין במאמר גישה לסודות במהלך התקנת חבילות.

מידע נוסף זמין במאמר בנושא שיקולי אבטחה לגבי הרשאות ב-Dataform.

סוגי הצמתים

קנבס הוא אוסף של צומת אחד או יותר. אפשר לחבר את הצמתים בכל סדר. קנבס הנתונים ב-BigQuery כולל את סוגי הצמתים הבאים:

טקסט
חיפוש
טבלה
SQL
צומת היעד
המחשה
תובנות

צומת טקסט

ב-קנבס נתונים ב-BigQuery, צומת טקסט מאפשר להוסיף תוכן בפורמט טקסט עשיר לקנבס. הוא שימושי להוספת הסברים, הערות או הוראות ללוח, כדי שיהיה קל יותר לכם ולאחרים להבין את ההקשר והמטרה של הניתוח. אתם יכולים להזין כל תוכן טקסט שתרצו בעורך צומת הטקסט, כולל Markdown לעיצוב. היכולת הזו מאפשרת לכם ליצור בלוקים של טקסט מושך ויזואלית ואינפורמטיבי.

מצומת הטקסט אפשר לבצע את הפעולות הבאות:

מוחקים את הצומת.
מנפים באגים בצומת.
משכפלים את הצומת.

חיפוש צומת

במרחב העבודה לנתונים ב-BigQuery, צומת חיפוש מאפשר לכם למצוא נכסי נתונים ולשלב אותם במרחב העבודה. הוא משמש כגשר בין השאילתות בשפה טבעית או החיפושים לפי מילות מפתח לבין הנתונים שאתם רוצים לעבוד איתם.

אתם מזינים שאילתת חיפוש, בשפה טבעית או באמצעות מילות מפתח. צומת החיפוש מחפש בנכסי הנתונים. הוא משתמש במטא-נתונים של Knowledge Catalog כדי לשפר את המודעות להקשר. בנוסף, בקנבס הנתונים ב-BigQuery מוצגות הצעות לטבלאות, לשאילתות ולשאילתות שמורות שהיו בשימוש לאחרונה.

צומת החיפוש מחזיר רשימה של נכסי נתונים רלוונטיים שתואמים לשאילתה. הוא מתחשב בשמות העמודות ובתיאורי הטבלאות. לאחר מכן תוכלו לבחור את הנכסים שאתם רוצים להוסיף לקנבס הנתונים כצמתי טבלה, שבהם תוכלו לנתח את הנתונים ולהציג אותם בצורה ויזואלית.

בצומת החיפוש, אתם יכולים לבצע את הפעולות הבאות:

מוחקים את הצומת.
מנפים באגים בצומת.
משכפלים את הצומת.

צומת טבלה

ב-קנבס נתונים ב-BigQuery, צומת טבלה מייצג טבלה ספציפית ששילבתם בתהליך העבודה של הניתוח. היא מייצגת את הנתונים שאתם עובדים איתם ומאפשרת לכם ליצור איתם אינטראקציה ישירה.

צומת של טבלה מציג מידע על הטבלה, כמו השם, הסכימה ותצוגה מקדימה של הנתונים. אתם יכולים לבצע פעולות בטבלה, כמו להציג את הסכימה, הפרטים והתצוגה המקדימה של הטבלה.

מצומת הטבלה אפשר לבצע את הפעולות הבאות:

מוחקים את הצומת.
מנפים באגים בצומת.
משכפלים את הצומת.
מריצים את הצומת.
מריצים את הצומת ואת הצומת הבא.

ב-Data Canvas אפשר לבצע את הפעולות הבאות:

מריצים שאילתה על התוצאות בצומת SQL חדש.
צירוף התוצאות לטבלה אחרת.

צומת SQL

ב-BigQuery, צומת SQL מאפשר להריץ שאילתות SQL בהתאמה אישית ישירות בתוך קנבס הנתונים. אתם יכולים לכתוב קוד SQL ישירות בעורך הצמתים של SQL, או להשתמש בהנחיה בשפה טבעית כדי ליצור את ה-SQL.

צומת ה-SQL מריץ את שאילתת ה-SQL שצוינה על מקורות הנתונים שצוינו. הצומת של SQL יוצר טבלת תוצאות, שאפשר לקשר לצמתים אחרים בלוח הציור כדי לבצע ניתוח או המחשה חזותית נוספים. הפלט מההרצה של צומת SQL, שנקרא תוצאת השאילתה, יכול גם להישמר בטבלה משלו באמצעות צומת יעד.

אחרי שהשאילתה רצה, אתם יכולים לייצא אותה כשאילתה מתוזמנת, לייצא את תוצאות השאילתה או לשתף את ה-canvas, בדומה להרצת שאילתה אינטראקטיבית.

מצומת ה-SQL אפשר לבצע את הפעולות הבאות:

מייצאים את הצהרת ה-SQL כשאילתה מתוזמנת.
מוחקים את הצומת.
מנפים באגים בצומת.
משכפלים את הצומת.
מריצים את הצומת.
מריצים את הצומת ואת הצומת הבא.

ב-Data Canvas אפשר לבצע את הפעולות הבאות:

מריצים שאילתה על התוצאות בצומת SQL חדש.
שומרים את התוצאות בטבלה.
הצגה חזותית של התוצאות בצומת של הצגה חזותית.
יצירת תובנות לגבי התוצאות בצומת תובנות.
צירוף התוצאות לטבלה אחרת.

צומת היעד

בקנבס הנתונים ב-BigQuery, צומת יעד הוא צומת צאצא של צומת SQL ששומר את התוצאה של הרצת SQL בטבלה ייעודית. אפשר לשמור את הטבלה במערך נתונים חדש או קיים, או כטבלה חדשה או קיימת במערך נתונים. אחרי שיוצרים טבלת יעד, משתמשים בלחצן הדו-מצבי של SQL כדי שהטבלה תתעדכן בזמן אמת כשמבצעים מחדש את צומת ה-SQL הראשי.

צומת יעד יכול להפוך לצומת טבלה כשהוא מנותק מההורה שלו, והתוכן של הטבלה לא מושפע משינויים במעלה הזרם בצומת ה-SQL ההורה.

בצומת היעד, אתם יכולים לבצע את הפעולות הבאות:

מנתקים את הצומת מההורה כדי להפוך אותו לצומת טבלה עצמאי.
מריצים שאילתה על הטבלה בצומת SQL חדש.
מצרפים את התוצאות לטבלה אחרת.

צומת של תרשים להמחשה

בקנבס נתונים ב-BigQuery, צומת של תרשים מאפשר להציג נתונים באופן חזותי, וכך להבין בקלות רבה יותר טרנדים, דפוסים ותובנות. יש מגוון סוגי תרשימים שאפשר לבחור מתוכם, כך שתוכלו לבחור ולהתאים אישית את ההמחשה הטובה ביותר לנתונים שלכם.

צומת תצוגה חזותית מקבל טבלה כקלט, שיכולה להיות תוצאה של שאילתת SQL או צומת טבלה. על סמך סוג התרשים שנבחר והנתונים בטבלת הקלט, נוצר תרשים בצומת התצוגה החזותית. אתם יכולים לבחור באפשרות Auto-Chart כדי לאפשר ל-BigQuery לבחור את סוג התרשים שהכי מתאים לנתונים שלכם. בצומת ההמחשה מוצג התרשים שנוצר.

צומת ההמחשה מאפשר לכם להתאים אישית את התרשים, כולל שינוי הצבעים, התוויות ומקורות הנתונים. אפשר גם לייצא את התרשים כקובץ PNG.

להמחיש נתונים באמצעות סוגי הגרפיקה הבאים:

תרשים עמודות
מפת חום
תרשים קווי
תרשים עוגה
תרשים פיזור

מצומת התצוגה החזותית אפשר לבצע את הפעולות הבאות:

מייצאים את התרשים כקובץ PNG.
מנפים באגים בצומת.
משכפלים את הצומת.
מריצים את הצומת.
מריצים את הצומת ואת הצומת הבא.

בקנבס הנתונים, אפשר לבצע את הפעולות הבאות:

יצירת תובנות לגבי התוצאות בצומת תובנות.
עורכים את התצוגה החזותית.

צומת תובנות

ב-BigQuery data canvas, צומת תובנות מאפשר לכם ליצור תובנות וסיכומים מהנתונים שב-data canvas. כך אפשר לזהות דפוסים, להעריך את איכות הנתונים ולבצע ניתוח סטטיסטי ב-Canvas. הוא מזהה מגמות, דפוסים, חריגות ומתאמים בנתונים, ויוצר סיכומים תמציתיים וברורים של תוצאות ניתוח הנתונים.

איך יוצרים תובנות מנתונים ב-BigQuery

בצומת התובנות אפשר לבצע את הפעולות הבאות:

מוחקים את הצומת.
משכפלים את הצומת.
מריצים את הצומת.

שימוש בקנבס הנתונים ב-BigQuery

אפשר להשתמש בקנבס נתונים ב-BigQuery במסוף Google Cloud , בשאילתה או בטבלה.

נכנסים לדף BigQuery.

כניסה ל-BigQuery
בעורך השאילתות, ליד שאילתת SQL, לוחצים על Create new, בוחרים באפשרות AI and knowledge ואז לוחצים על קנבס נתונים.
בשדה ההנחיה Natural language, מזינים הנחיה בשפה טבעית.

לדוגמה, אם מזינים Find me tables related to trees, קנבס נתונים ב-BigQuery מחזיר רשימה של טבלאות אפשריות, כולל מערכי נתונים ציבוריים כמו bigquery-public-data.usfs_fia.plot_tree או bigquery-public-data.new_york_trees.tree_species.
בוחרים טבלה.

צומת טבלה של הטבלה שנבחרה נוסף לקנבס הנתונים ב-BigQuery. כדי לראות את פרטי הסכימה, פרטי הטבלה או תצוגה מקדימה של הנתונים, בוחרים בכרטיסיות השונות בצומת הטבלה.
אופציונלי: אחרי ששומרים את קנבס הנתונים, אפשר להשתמש בסרגל הכלים הבא כדי לראות את הפרטים של קנבס הנתונים או את היסטוריית הגרסאות, להוסיף תגובות חדשות, להגיב לתגובה קיימת או לקבל קישור אליה:

התכונה Comments בסרגל הכלים נמצאת בגרסת Preview. כדי לשלוח משוב או לבקש תמיכה בתכונה הזו, שלחו אימייל לכתובת bqui-workspace-pod@google.com.

אמצעי הבקרה של אזור העריכה

סרגל הכלים של קנבס הנתונים מספק את אמצעי הבקרה הבאים להוספת צמתים ולניהול התצוגה של קנבס הנתונים:

סרגל הכלים של קנבס הנתונים.

חיפוש: מוסיף לקנבס צומת חיפוש.
‫SQL: הוספת צומת SQL לאזור העריכה.
‫Text: הוספת צומת Markdown או צומת טקסט לתגובות.
אמצעי בקרה לשינוי מרחק התצוגה: מאפשרים להגדיר רמת זום ספציפית.
התאמת הזום: הזום מותאם אוטומטית כדי להציג את כל התוכן באזור הציור.
זום לאזור הנבחר: הזום משתנה אוטומטית כדי להתמקד בצומת שנבחר.
הגדלת התצוגה: מגדילה את התצוגה של אזור העריכה. אפשר גם להגדיל את התצוגה על ידי לחיצה על Control וגלילה באמצעות גלגל העכבר.
התרחקות: מקטינה את התצוגה של אזור העריכה. אפשר גם להקטין את התצוגה על ידי לחיצה על Control וגלילה באמצעות גלגל העכבר.
מסך מלא: מעבר למצב מסך מלא של אזור העריכה.
סידור אזור העריכה: סידור אוטומטי של הצמתים באזור העריכה.
רענון הסצנה: הפעלת כל הצמתים שניתנים להפעלה בלחיצה על כפתור אחד.
פעולות נוספות: פתיחת אפשרויות נוספות, כמו ניקוי אזור הציור.

הדוגמאות הבאות מדגימות דרכים שונות לשימוש בקנבס נתונים ב-BigQuery בתהליכי עבודה של ניתוח נתונים.

הגדרות לוח הציור

בחלונית Canvas settings יש את האפשרויות הבאות:

מיקום: המיקום שבו מעובדים הנתונים שלכם ב-Canvas. פרטים נוספים מופיעים במאמר בנושא ציון מיקומים.
פרמטרים של שאילתה: מוסיפים פרמטרים לשימוש בשאילתות SQL בקנבס הנתונים.
ניהול משאבים: ניהול העדיפות של עבודות שאילתה, שמירת נתונים במטמון והגדרות של עבודות.
ניהול קנבס הנתונים: שליטה בתצוגה של פלט השאילתה בקנבס הנתונים.
Advanced options: בוחרים באפשרות Google-owned and Google-managed encryption key או באפשרות Customer-managed encryption key (CMEK), ומגדירים את מספר הבייטים המקסימלי לחיוב בשאילתות.

כדי לשנות את ההגדרות של קנבס הנתונים:

עוברים לדף BigQuery.

כניסה ל-BigQuery
בחלונית הימנית, לוחצים על כלי הניתוחים.
מרחיבים את שם הפרויקט ולוחצים על קנבס נתונים.
בדף קנבסי נתונים, לוחצים על הקישור לקנבס שרוצים לעדכן.
לוחצים על הגדרות Canvas.
בקטע מיקום, בוחרים אחת מהאפשרויות הבאות:
1. בוחרים באפשרות המיקום ייבחר אוטומטית כדי לאפשר ל-BigQuery לקבוע באופן אוטומטי את מיקום העיבוד על סמך המשאבים שאתם שולחים לגביהם שאילתות.
2. לחלופין, כדי לנתב את המשימות באופן ידני:
  1. מבטלים את הבחירה באפשרות Automatic location selection ובוחרים Location type, או Region או Multi-region.
  2. בשדה האזור, מציינים את האזור, ובשדה של מספר אזורים מציינים את מספר האזורים.
  3. אפשר גם לבחור הזמנה לשימוש במשימות של אזור העריכה.
בקטע פרמטרים של שאילתה, בוחרים אחת מהאפשרויות הבאות:
1. לוחצים על סמל ההוספה הוספת פרמטר כדי להגדיר פרמטרים רגילים לשימוש בשאילתות ה-SQL באזור העריכה.
2. מזינים שם, סוג וערך לפרמטר.
הערה: פרמטרים של שאילתה במסוף Google Cloud תומכים רק בסוגים פרימיטיביים. לסוגים מורכבים כמו ARRAY,‏ STRUCT ו-JSON, צריך להשתמש בכלי שורת הפקודה bq או ב-BigQuery API.
בקטע ניהול משאבים, בוחרים באחת מהאפשרויות הבאות:
1. בשדה Job priority, בוחרים אם להריץ את השאילתות ב-Canvas בעדיפות Interactive או Batch.
2. בקטע Cache preference (העדפות מטמון), בוחרים באפשרות Use cached results (שימוש בתוצאות שנשמרו במטמון) כדי לאפשר ל-BigQuery להחזיר תוצאות של שאילתות שנשמרו במטמון בעבר. שימוש בתוצאות שנשמרו במטמון יכול להפחית את העלויות ולשפר את הביצועים.
3. בשדה Job timeout, מזינים את משך הזמן המקסימלי לביצוע המשימה באלפיות השנייה. אם חורגים ממגבלת הזמן הזו, BigQuery מנסה לעצור את המשימה.
בקטע ניהול הקנבס, מבטלים את הסימון של האפשרות השמטת פלט של צומת בשמירת הקנבס הזה כדי לשמור במטמון את תוצאות השאילתה עם מצב הקנבס. הפעולה הזו שומרת רק את המבנה והשאילתות של ה-Canvas.
מרחיבים את הקטע אפשרויות מתקדמות ובוחרים אחת מהאפשרויות הבאות:
1. בקטע Encryption, בוחרים באפשרות Google-managed keys או באפשרות Cloud KMS key, ומזינים את הסוג והערך של המפתח בניהול הלקוח.
2. בשדה Maximum bytes billed, מזינים את מגבלת הבייטים לחיוב בשאילתות. אם שאילתה חורגת מהמגבלה הזו, היא נכשלת ולא יחויב עליה תשלום. אם לא מציינים את האפשרות הזו, מספר הבייטים המקסימלי לחיוב מוגדר לברירת המחדל של הפרויקט.
אחרי שמבצעים את השינויים, לוחצים על שמירה כדי להחיל את ההגדרות על אזור הציור של הנתונים.

תהליך עבודה לדוגמה: חיפוש נתונים, שליחת שאילתות והמחשה חזותית של נתונים

בדוגמה הזו, תשתמשו בהנחיות בשפה טבעית בקנבס נתונים ב-BigQuery כדי למצוא נתונים, ליצור שאילתה ולערוך אותה. אחר כך יוצרים תרשים.

הנחיה 1: חיפוש נתונים

נכנסים לדף BigQuery במסוף Google Cloud .

כניסה ל-BigQuery
בעורך השאילתות, ליד שאילתת SQL, לוחצים על Create new, בוחרים באפשרות AI and knowledge ואז לוחצים על קנבס נתונים.
לוחצים על חיפוש נתונים.
לוחצים על filter_list Edit search filters, ובחלונית Filter search מעבירים את המתג BigQuery public datasets למצב מופעל.
בשדה הפרומפט שפה טבעית, מזינים את הפרומפט הבא בשפה טבעית:
```
Chicago taxi trips
```
‫קנבס נתונים ב-BigQuery יוצר רשימה של טבלאות פוטנציאליות על סמך המטא-נתונים של Knowledge Catalog. אפשר לבחור כמה טבלאות.
בוחרים טבלה אחת (bigquery-public-data.chicago_taxi_trips.taxi_trips) ולוחצים על Add to canvas.

צומת טבלה של taxi_trips נוסף לקנבס הנתונים ב-BigQuery. כדי לראות את פרטי הסכימה, פרטי הטבלה או תצוגה מקדימה של הנתונים, בוחרים בכרטיסיות השונות בצומת הטבלה.

הנחיה 2: יצירת שאילתת SQL בטבלה שנבחרה

כדי ליצור שאילתת SQL לטבלה bigquery-public-data.chicago_taxi_trips.taxi_trips:

בקנבס הנתונים, לוחצים על שאילתה.

בשדה הפרומפט שפה טבעית, מזינים את הטקסט הבא:

Get me the 100 longest trips

קנבס הנתונים ב-BigQuery יוצר שאילתת SQL שדומה לזו:

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;

פרומפט 3: עריכת השאילתה

כדי לערוך את השאילתה שיצרתם, אתם יכולים לערוך אותה באופן ידני או לשנות את ההנחיה בשפה טבעית וליצור מחדש את השאילתה. בדוגמה הזו, משתמשים בהנחיה בשפה טבעית כדי לערוך את השאילתה כך שתבחר רק נסיעות שבהן הלקוח שילם במזומן.

בשדה ההנחיה שפה טבעית, מזינים את הטקסט הבא:

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

קנבס הנתונים ב-BigQuery יוצר שאילתת SQL שדומה לזו:

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;

בדוגמה שלמעלה, PROJECT_ID הוא המזהה של הפרויקט ב- Google Cloud .

כדי לראות את תוצאות השאילתה, לוחצים על Run.

יצירת תרשים

ב-קנבס נתונים, לוחצים על Visualize.
לוחצים על Create bar chart (יצירת תרשים עמודות).

קנבס נתונים ב-BigQuery יוצר תרשים עמודות שמציג את מספר המיילים הגבוה ביותר לפי מזהה נסיעה. בנוסף לתרשים, קנבס הנתונים ב-BigQuery מסכם כמה מהפרטים העיקריים של הנתונים שעליהם מבוססת התצוגה החזותית.
אופציונלי: מבצעים אחת או יותר מהפעולות הבאות:
- כדי לשנות את התרשים, לוחצים על עריכה ואז עורכים את התרשים בחלונית עריכת אמצעי ההמחשה.
- כדי לשתף את קנבס הנתונים, לוחצים על Share ואז על Share Link כדי להעתיק את הקישור לקנבס הנתונים ב-BigQuery.
- כדי לנקות את לוח הנתונים, בוחרים באפשרות פעולות נוספות ואז באפשרות ניקוי לוח הציור . התוצאה של השלב הזה היא בד ציור ריק.

דוגמה לתהליך עבודה: צירוף טבלאות

בדוגמה הזו, משתמשים בפרומפטים בשפה טבעית בקנבס נתונים ב-BigQuery כדי למצוא נתונים ולצרף טבלאות. לאחר מכן, מייצאים שאילתה כ-notebook.

הנחיה 1: איתור נתונים

בשדה הפרומפט שפה טבעית, מזינים את הפרומפט הבא:
```
Information about trees
```
קנבס נתונים ב-BigQuery מציע כמה טבלאות עם מידע על עצים.
בדוגמה הזו, בוחרים את הטבלה bigquery-public-data.new_york_trees.tree_census_1995 ולוחצים על הוספה לאזור העריכה.

הטבלה מוצגת באזור העריכה.

הנחיה 2: Join the tables on their address

ב-קנבס נתונים, לוחצים על Join.

קנבס הנתונים ב-BigQuery מציע טבלאות שאפשר לצרף.
כדי לפתוח שדה חדש להנחיה בשפה טבעית, לוחצים על Search for tables.
בשדה ההנחיה שפה טבעית, מזינים את ההנחיה הבאה:
```
Information about trees
```
בוחרים את הטבלה bigquery-public-data.new_york_trees.tree_census_2005 ולוחצים על Add to canvas.

הטבלה מוצגת באזור העריכה.
ב-קנבס נתונים, לוחצים על Join.
בקטע On this canvas (במרחב העריכה הזה), מסמנים את תיבת הסימון Table cell (תא בטבלה) ואז לוחצים על OK (אישור).
בשדה ההנחיה שפה טבעית, מזינים את ההנחיה הבאה:
```
Join on address
```
קנבס הנתונים ב-BigQuery מציע את שאילתת ה-SQL כדי לאחד את שתי הטבלאות האלה לפי הכתובת שלהן:
```
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;
```
כדי להריץ את השאילתה ולראות את התוצאות, לוחצים על Run.

ייצוא שאילתה כנוטבוק

קנבס נתונים ב-BigQuery מאפשר לכם לייצא את השאילתות שלכם כמחברת.

ב-קנבס נתונים, לוחצים על ייצוא כ-notebook.
בחלונית Save Notebook, מזינים את שם ה-notebook ואת האזור שבו רוצים לשמור אותו.
לוחצים על Save. המחברת נוצרה בהצלחה.
אופציונלי: כדי לראות את הנוטבוק שנוצר, לוחצים על פתיחה.

דוגמה לתהליך עבודה: עריכת תרשים באמצעות הנחיה

בדוגמה הזו, תשתמשו בפרומפטים בשפה טבעית בקנבס נתונים ב-BigQuery כדי למצוא נתונים, להריץ עליהם שאילתות ולסנן אותם, ואז לערוך את פרטי התרשים להמחשה.

הנחיה 1: חיפוש נתונים

כדי למצוא נתונים על שמות בארה"ב, מזינים את ההנחיה הבאה:
```
Find data about USA names
```
קנבס הנתונים ב-BigQuery יוצר רשימה של טבלאות.
בדוגמה הזו, בוחרים את הטבלה bigquery-public-data.usa_names.usa_1910_current ולוחצים על Add to canvas.

הנחיה 2: שליחת שאילתה על הנתונים

כדי לשלוח שאילתה על הנתונים, לוחצים על שאילתה ב-קנבס נתונים ומזינים את ההנחיה הבאה:
```
Summarize this data
```
קנבס הנתונים ב-BigQuery יוצר שאילתה שדומה לזו:
```
SELECT
  state,
  gender,
  year,
  name,
  number
FROM
  `bigquery-public-data.usa_names.usa_1910_current`
```
לוחצים על Run. תוצאות השאילתה מוצגות.

הנחיה 3: סינון הנתונים

בקנבס הנתונים, לוחצים על Query these results (שאילתה על התוצאות האלה).
כדי לסנן את הנתונים, בשדה ההנחיה SQL מזינים את ההנחיה הבאה:
```
Get me the top 10 most popular names in 1980
```
קנבס הנתונים ב-BigQuery יוצר שאילתה שדומה לזו:
```
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;
```
כשמריצים את השאילתה, מקבלים טבלה עם עשרת השמות הנפוצים ביותר של ילדים שנולדו בשנת 1980.

יצירה ועריכה של תרשים

ב-קנבס נתונים, לוחצים על Visualize.

קנבס נתונים ב-BigQuery מציע כמה אפשרויות להמחשה חזותית, כולל תרשים עמודות, תרשים עוגה, תרשים קו והמחשה חזותית בהתאמה אישית.
בדוגמה הזו, לוחצים על יצירת תרשים עמודות.

קנבס הנתונים ב-BigQuery יוצר תרשים עמודות שדומה לתרשים הבא:

בנוסף לתרשים, קנבס הנתונים ב-BigQuery מסכם חלק מהפרטים העיקריים של הנתונים שמאחורי הוויזואליזציה. כדי לשנות את התרשים, לוחצים על Visualization details ועורכים את התרשים בחלונית הצדדית.

הנחיה 4: עריכת פרטי ההמחשה

בשדה ההנחיה Visualization, מזינים את הטקסט הבא:
```
Create a bar chart sorted high to low, with a gradient
```
קנבס הנתונים ב-BigQuery יוצר תרשים עמודות שדומה לתרשים הבא:
אופציונלי: כדי לבצע שינויים נוספים, לוחצים על עריכה.

החלונית Edit visualization מוצגת. אתם יכולים לערוך פרטים כמו כותרת התרשים, שם ציר ה-X ושם ציר ה-Y. בנוסף, אם לוחצים על הכרטיסייה JSON Editor, אפשר לערוך את התרשים ישירות על סמך ערכי ה-JSON.

איך עובדים עם Gemini Assistant

אתם יכולים להשתמש בממשק צ'אט מבוסס-Gemini כדי לעבוד עם קנבס נתונים ב-BigQuery. העוזר הדיגיטלי בצ'אט יכול ליצור צמתים על סמך הבקשות שלכם, להריץ שאילתות וליצור ויזואליזציות. אתם יכולים לבחור טבלאות שהעוזר יעבוד איתן, ולהוסיף הוראות לעוזר כדי לכוון את ההתנהגות שלו. ה-Assistant עובד עם קנבסי נתונים חדשים או קיימים.

כדי לעבוד עם העוזר הדיגיטלי של Gemini:

כדי לפתוח את העוזר, בקנבס הנתונים לוחצים על spark פתיחת העוזר של קנבס הנתונים.
בשדה Ask a data question, מזינים הנחיה בשפה טבעית, למשל:
- 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.
התשובה כוללת צומת או צמתים על סמך הבקשה. לדוגמה, אם מבקשים מה-Assistant ליצור תרשים של הנתונים, היא יוצרת צומת של תצוגה חזותית ב-קנבס נתונים.

כשלוחצים על השדה שאלת שאלה לגבי נתונים, אפשר גם לבצע את הפעולות הבאות:
- כדי להוסיף נתונים, לוחצים על הגדרות.
- כדי להוסיף הוראות, לוחצים על הגדרות.
כדי להמשיך לעבוד עם העוזר הדיגיטלי, מוסיפים עוד הנחיות בשפה טבעית.

אתם יכולים להמשיך ליצור פרומפטים בשפה טבעית בזמן שאתם עובדים עם קנבס הנתונים.

הוספת נתונים

כשעובדים עם ממשק הצ'אט של Gemini, אפשר להוסיף נתונים כדי שהעוזר הדיגיטלי יידע לאיזה מערך נתונים להתייחס. ה-Assistant מבקש מכם לבחור טבלה לפני שאתם מריצים הנחיות. כשמחפשים נתונים בעזרת העוזר הדיגיטלי, אפשר להגביל את היקף הנתונים שניתן לחפש בהם לכל הפרויקטים, לפרויקטים המסומנים בכוכב או לפרויקט הנוכחי. אתם יכולים גם להחליט אם לכלול במחקר מערכי נתונים ציבוריים.

כדי להוסיף נתונים ל-Gemini, פועלים לפי השלבים הבאים:

כדי לפתוח את ה-Assistant, על קנבס הנתונים, לוחצים על spark פתיחת Data Canvas Assistant.
לוחצים על הגדרות ואז על הוספת נתונים.
אופציונלי: כדי להרחיב את תוצאות החיפוש כך שיכללו מערכי נתונים שגלויים לכולם, מעבירים את המתג Public datasets למצב מופעל.
אופציונלי: כדי לשנות את היקף תוצאות החיפוש לפרויקטים אחרים, בוחרים את אפשרות הפרויקט המתאימה בתפריט Scope.
מסמנים את התיבה לצד כל אחת מהטבלאות שרוצים להוסיף לעוזר.
1. כדי לחפש טבלאות שלא הוצעו על ידי העוזר הדיגיטלי, לוחצים על Search for tables.
2. בשדה הפרומפט שפה טבעית, מזינים פרומפט שמתאר את הטבלה שמחפשים ולוחצים על Enter.
3. מסמנים את התיבה לצד כל אחת מהטבלאות שרוצים להוסיף לעוזר הדיגיטלי ולוחצים על Ok.
סוגרים את החלונית הגדרות העזרה בלוח הציור.

הניתוח של Assistant מבוסס על הנתונים שתבחרו.

הוספת הוראות

כשעובדים עם ממשק הצ'אט של Gemini, אפשר להוסיף הוראות כדי שהעוזר הדיגיטלי ידע איך להתנהג. ההוראות האלה חלות על כל הפרומפטים ב-קנבס נתונים. דוגמאות להוראות אפשריות:

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

כדי להוסיף הוראות לעוזר הדיגיטלי:

כדי לפתוח את העוזר האישי, בקנבס הנתונים, לוחצים על סמל הניצוץ פתיחת Data Canvas Assistant.
לוחצים על הגדרות.
בשדה Instructions, מוסיפים רשימה של הוראות ל-Assistant וסוגרים את החלונית Canvas assistant settings.

העוזר הדיגיטלי זוכר את ההוראות ומחיל אותן על הנחיות עתידיות.

שיטות מומלצות לשימוש ב-Gemini Assistant

כדי לקבל את התוצאות הטובות ביותר כשעובדים עם קנבס נתונים ב-BigQuery, כדאי לפעול לפי השיטות המומלצות הבאות:

התיאור צריך להיות ספציפי וחד-משמעי. ציינו בבירור מה אתם רוצים לחשב, לנתח או להמחיש. לדוגמה, במקום Analyze trip data, אומרים Calculate the average trip duration for trips starting in council district eight.
חשוב לוודא שהקשר של הנתונים מדויק. העוזר הדיגיטלי יכול לעבוד רק עם הנתונים שאתם מספקים. מוודאים שכל הטבלאות והעמודות הרלוונטיות נוספו לאזור העריכה.
מתחילים בקטן, ואז משפרים. התחילו בשאלה פשוטה כדי לוודא שהעוזר הדיגיטלי מבין את המבנה הבסיסי ואת הנתונים. לדוגמה, קודם אומרים Show total trips by subscriber_type ואז אומרים Show total trips by subscriber_type and break down the result by council_district.
לפצל שאלות מורכבות. בתהליכים עם כמה שלבים, כדאי לנסח את ההנחיה בצורה ברורה עם חלקים נפרדים, או להשתמש בהנחיות נפרדות לכל שלב עיקרי. לדוגמה, אומרים 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.
הציגו בבירור את החישובים. מציינים את החישוב הרצוי, למשל SUM,‏ MAX או AVERAGE. לדוגמה, אפשר להגיד Find the MAX trip duration per bike_id.
שימוש בהוראות מערכת להקשר ולהעדפות קבועות. אפשר להשתמש בהוראות מערכת כדי לציין כללי מידע והעדפות שחלים על כל הפרומפטים.
בודקים את הסצנה. חשוב תמיד לבדוק את הצמתים שנוצרו כדי לוודא שהלוגיקה תואמת לבקשה ולתוצאות.
ניסוי. נסו ניסוחים שונים, רמות פירוט שונות ומבני הנחיות שונים כדי ללמוד איך העוזר הדיגיטלי מגיב לנתונים הספציפיים ולצרכים האנליטיים שלכם.
שמות העמודות להפניה. כשאפשר, משתמשים בשמות העמודות בפועל מהנתונים שנבחרו. לדוגמה, במקום Show trips by subscriber type, אפשר להגיד Show the count of trips grouped by subscriber_type and start_station_name.

דוגמה לתהליך עבודה: עבודה עם Gemini כעוזר אישי

בדוגמה הזו, אתם משתמשים בהנחיות בשפה טבעית עם Gemini כדי למצוא נתונים, לשלוח שאילתות ולהמחיש נתונים.

נכנסים לדף BigQuery במסוף Google Cloud .

כניסה ל-BigQuery
ב-עורך השאילתות, לצד שאילתת SQL, לוחצים על Create new, בוחרים באפשרות AI and knowledge ואז לוחצים על קנבס נתונים.
לוחצים על חיפוש נתונים.
לוחצים על filter_list Edit search filters, ובחלונית Filter search מעבירים את המתג BigQuery public datasets למצב מופעל.
בשדה הפרומפט שפה טבעית, מזינים את הפרומפט הבא בשפה טבעית:
```
bikeshare
```
‫קנבס נתונים ב-BigQuery יוצר רשימה של טבלאות פוטנציאליות על סמך המטא-נתונים של Knowledge Catalog. אפשר לבחור כמה טבלאות.
בוחרים בטבלה bigquery-public-data.austin_bikeshare.bikeshare_stations וב-bigquery-public-data.austin_bikeshare.bikeshare_trips, ואז לוחצים על הוספה לאזור העריכה.

צומת טבלה לכל אחת מהטבלאות שנבחרו נוסף לקנבס הנתונים ב-BigQuery. כדי לראות את פרטי הסכימה, פרטי הטבלה או תצוגה מקדימה של הנתונים, בוחרים בכרטיסיות השונות בצומת הטבלה.
כדי לפתוח את העוזר, בקנבס הנתונים לוחצים על spark פתיחת העוזר של קנבס הנתונים.
לוחצים על הגדרות.

בשדה Instructions, מוסיפים את ההוראות הבאות ל-Assistant:

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

סוגרים את החלונית הגדרות העזרה בלוח הציור.
בשדה שאלת נתונים, מזינים את ההנחיה הבאה בשפה טבעית:
```
Show the number of trips by council district and subscriber type
```
אתם יכולים להמשיך להזין הנחיות בשדה הזנת שאלה לגבי הנתונים. מזינים את ההנחיה הבאה בשפה טבעית:
```
What are most popular stations among the top 5 subscriber types
```
מזינים את ההנחיה הסופית:
```
What station is least used to start and end a trip
```
אחרי ששואלים את כל הפרומפטים הרלוונטיים, אזור העריכה מתמלא בצמתים של השאילתה והוויזואליזציה הרלוונטיים, בהתאם לפרומפטים ולהוראות שנתתם לעוזר. ממשיכים להזין פרומפטים או משנים פרומפטים קיימים כדי לקבל את התוצאות הרצויות.

הצגת כל קנבסי הנתונים

כדי לראות רשימה של כל קנבסי הנתונים בפרויקט:

נכנסים לדף BigQuery במסוף Google Cloud .

כניסה ל-BigQuery
בחלונית השמאלית, לוחצים על Explorer:

אם החלונית הימנית לא מוצגת, לוחצים על הרחבת החלונית הימנית כדי לפתוח אותה.
בחלונית Explorer, לוחצים על View actions לצד קנבסי נתונים, ואז מבצעים אחת מהפעולות הבאות:

כדי לפתוח את הרשימה בכרטיסייה הנוכחית, לוחצים על הצגת הכול.
כדי לפתוח את הרשימה בכרטיסייה חדשה, לוחצים על הצגת הכול ב> כרטיסייה חדשה.
כדי לפתוח את הרשימה בכרטיסייה מפוצלת, לוחצים על הצגת הכול ב> כרטיסייה מפוצלת.

הצגת מטא-נתונים של קנבס נתונים

כדי לראות את המטא-נתונים של קנבס נתונים:

נכנסים לדף BigQuery במסוף Google Cloud .

כניסה ל-BigQuery
בחלונית הימנית, לוחצים על כלי הניתוחים:
בחלונית Explorer, מרחיבים את הפרויקט ולוחצים על קנבסי נתונים.
לוחצים על השם של קנבס הנתונים שרוצים לראות את המטא-נתונים שלו.
לוחצים על פרטים כדי לראות מידע על קנבס הנתונים, כמו האזור שבו הוא נמצא והתאריך שבו הוא שונה לאחרונה.

איך עובדים עם גרסאות של קנבס נתונים

אתם יכולים ליצור את ה-data canvas בתוך מאגר או מחוץ לו. הטיפול בניהול הגרסאות של קנבס הנתונים שונה בהתאם למיקום של קנבס הנתונים.

ניהול גרסאות של קנבס נתונים במאגרים

מאגרים הם מאגרי Git שנמצאים ב-BigQuery או אצל ספק צד שלישי. אתם יכולים להשתמש בסביבות עבודה במאגרים כדי לנהל גרסאות של קנבסי נתונים. מידע נוסף זמין במאמר שימוש בניהול גרסאות בקובץ.

ניהול גרסאות של קנבס נתונים מחוץ למאגרים

אפשר להציג, להשוות ולשחזר גרסאות של קנבס נתונים.

הצגה והשוואה של גרסאות של קנבס נתונים

כדי לראות גרסאות שונות של קנבס נתונים ולהשוות אותן לגרסה הנוכחית:

נכנסים לדף BigQuery במסוף Google Cloud .

כניסה ל-BigQuery
בחלונית הימנית, לוחצים על כלי הניתוחים:
בחלונית Explorer, מרחיבים את הפרויקט ולוחצים על קנבסי נתונים.
לוחצים על השם של קנבס הנתונים שרוצים לראות את היסטוריית הגרסאות שלו.
לוחצים על היסטוריית גרסאות כדי לראות רשימה של גרסאות קנבס הנתונים בסדר יורד לפי תאריך.
לוחצים על הצגת פעולות ליד גרסה של קנבס נתונים ואז על השוואה. נפתח חלונית השוואה בין הגרסה שבחרתם לגרסה הנוכחית של קנבס הנתונים.
אופציונלי: כדי להשוות בין הגרסאות בשורה במקום בחלוניות נפרדות, לוחצים על השוואה ואז על בשורה.

שחזור גרסה של קנבס נתונים

שחזור מחלונית ההשוואה מאפשר להשוות בין הגרסה הקודמת של קנבס הנתונים לבין הגרסה הנוכחית לפני שבוחרים אם לשחזר אותה.

בחלונית השמאלית, לוחצים על Explorer:
בחלונית Explorer, מרחיבים את הפרויקט ולוחצים על קנבסי נתונים.
לוחצים על השם של קנבס הנתונים שרוצים לשחזר גרסה קודמת שלו.
לוחצים על היסטוריית גרסאות.
לצד הגרסה של קנבס הנתונים שרוצים לשחזר, לוחצים על הצגת פעולות ואז על השוואה.

נפתח חלונית השוואה בין הגרסה של קנבס הנתונים שבחרתם לבין הגרסה האחרונה של קנבס הנתונים.
כדי לשחזר את הגרסה הקודמת של קנבס נתונים אחרי ההשוואה, לוחצים על שחזור.
לוחצים על אישור.

ניהול מטא-נתונים ב-Knowledge Catalog

ב-Knowledge Catalog אתם יכולים לראות ולנהל את המטא-נתונים של קנבסי נתונים. קנבסי נתונים זמינים כברירת מחדל ב-Knowledge Catalog, ללא צורך בהגדרות נוספות.

אתם יכולים להשתמש ב-Knowledge Catalog כדי לנהל את קנבסי הנתונים בכל המיקומים של BigQuery. ניהול של קנבסי נתונים ב-Knowledge Catalog כפוף למכסות ולמגבלות של Knowledge Catalog ולתמחור של Knowledge Catalog.

‫Knowledge Catalog מאחזר באופן אוטומטי את המטא-נתונים הבאים מקנבסי נתונים:

שם נכס הנתונים
הנכס הראשי של נכס הנתונים
המיקום של נכס הנתונים
סוג נכס הנתונים
פרויקט Google Cloud מתאים

Knowledge Catalog מתעד את קנבסי הנתונים כרשומות עם ערכי הרשומות הבאים:

קבוצת רשומות מערכת: קבוצת הרשומות של המערכת עבור קנבסי נתונים היא @dataform. כדי לראות פרטים של רשומות ב-קנבס נתונים ב-Knowledge Catalog, צריך להציג את קבוצת הרשומות של המערכת dataform. במאמר הצגת הפרטים של קבוצת רשומות שבמסמכי התיעוד של Knowledge Catalog מוסבר איך להציג רשימה של כל הרשומות בקבוצת רשומות.
סוג הרשומה במערכת: סוג הרשומה במערכת עבור קנבסי נתונים הוא dataform-code-asset. כדי לראות פרטים של קנבסי נתונים, צריך להציג את סוג הרשומה dataform-code-asset במערכת, לסנן את התוצאות באמצעות מסנן שמבוסס על היבט ולהגדיר את השדה type בהיבט dataform-code-asset לערך DATA_CANVAS. לאחר מכן, בוחרים רשומה בקנבס הנתונים שנבחר. במאמר הצגת פרטים של סוג רשומה שבמסמכי התיעוד של Knowledge Catalog מוסבר איך להציג פרטים של סוג רשומה שנבחר. במאמר הצגת פרטים של רשומה שבמסמכי התיעוד של Knowledge Catalog מוסבר איך להציג פרטים של רשומה שנבחרה.
סוג היבט המערכת: סוג ההיבט של המערכת עבור קנבסי נתונים הוא dataform-code-asset. כדי לספק הקשר נוסף לקנבסי נתונים ב-Knowledge Catalog, אפשר להוסיף הערות לרשומות של קנבסי נתונים באמצעות aspects. לשם כך, צריך להציג את סוג ה-aspect dataform-code-asset, לסנן את התוצאות באמצעות מסנן שמבוסס על aspects ולהגדיר את השדה type בתוך ה-aspect dataform-code-asset לערך DATA_CANVAS. הוראות להוספת הערות לרשומות עם היבטים מופיעות במאמר ניהול היבטים והעשרת מטא-נתונים במסמכי התיעוד של Knowledge Catalog.
סוג: הסוג של קנבס נתונים הוא DATA_CANVAS. הסוג הזה מאפשר לסנן קנבסי נתונים בסוג הרשומה dataform-code-asset ובסוג ההיבט dataform-code-asset של המערכת, באמצעות השאילתה aspect:dataplex-types.global.dataform-code-asset.type=DATA_CANVAS במסנן מבוסס-היבט.

במאמר חיפוש נכסי נתונים ב-Knowledge Catalog שבמסמכי התיעוד של Knowledge Catalog מוסבר איך לחפש נכסים ב-Knowledge Catalog.

תמחור

למידע נוסף על התמחור של התכונה הזו, קראו את סקירה כללית על התמחור של Gemini ב-BigQuery.

מיקומים

אפשר להשתמש בקנבס נתונים ב-BigQuery בכל המיקומים של BigQuery. מידע על המיקום שבו Gemini ב-BigQuery מעבד את הנתונים שלכם זמין במאמר המיקום שבו Gemini ב-BigQuery מעבד את הנתונים שלכם.

שליחת משוב

כדי לעזור לשפר את ההצעות של קנבס נתונים ב-BigQuery, אתם יכולים לשלוח משוב ל-Google. כדי לשלוח משוב:

בסרגל הכלים של קנבס הנתונים ב-BigQuery, לוחצים על More actions ואז על Submit feedback.
לוחצים על הקטגוריה שהמשוב רלוונטי אליה.
בשדה Describe your feedback (required) (תיאור המשוב שלך (חובה)), מזינים את המשוב.
אופציונלי: כדי לספק ל-BigQuery צילום מסך של קנבס נתונים, לוחצים על screenshot_monitor יצירת צילום מסך.
אופציונלי: כדי לספק את היסטוריית היצירה, בוחרים באפשרות אני רוצה לאפשר ל-Google לאסוף את היסטוריית היצירה שלי ולשלוח אותה עם המשוב שלי.
לוחצים על שליחה.

הגדרות שיתוף הנתונים חלות על הפרויקט כולו, ורק אדמין בפרויקט עם הרשאות IAM‏ serviceusage.services.enable וserviceusage.services.list יכול להגדיר אותן.

כדי לשלוח משוב ישיר על התכונה הזו, אתם יכולים גם לפנות לכתובת datacanvas-feedback@google.com.

ניתוח באמצעות קנבס נתונים ב-BigQuery

יכולות

מגבלות

שיטות מומלצות לכתיבת הנחיות

לפני שמתחילים

התפקידים הנדרשים

שיקולי אבטחה לגבי קנבס נתונים

סוגי הצמתים

צומת טקסט

חיפוש צומת

צומת טבלה

צומת SQL

צומת היעד

צומת של תרשים להמחשה

צומת תובנות

שימוש בקנבס הנתונים ב-BigQuery

אמצעי הבקרה של אזור העריכה

הגדרות לוח הציור

תהליך עבודה לדוגמה: חיפוש נתונים, שליחת שאילתות והמחשה חזותית של נתונים

הנחיה 1: חיפוש נתונים

הנחיה 2: יצירת שאילתת SQL בטבלה שנבחרה

פרומפט 3: עריכת השאילתה

יצירת תרשים

דוגמה לתהליך עבודה: צירוף טבלאות

הנחיה 1: איתור נתונים

הנחיה 2: Join the tables on their address

ייצוא שאילתה כנוטבוק

דוגמה לתהליך עבודה: עריכת תרשים באמצעות הנחיה

הנחיה 1: חיפוש נתונים

הנחיה 2: שליחת שאילתה על הנתונים

הנחיה 3: סינון הנתונים

יצירה ועריכה של תרשים

הנחיה 4: עריכת פרטי ההמחשה

איך עובדים עם Gemini Assistant

הוספת נתונים

הוספת הוראות

שיטות מומלצות לשימוש ב-Gemini Assistant

דוגמה לתהליך עבודה: עבודה עם Gemini כעוזר אישי

הצגת כל קנבסי הנתונים

הצגת מטא-נתונים של קנבס נתונים

איך עובדים עם גרסאות של קנבס נתונים

ניהול גרסאות של קנבס נתונים במאגרים

ניהול גרסאות של קנבס נתונים מחוץ למאגרים

הצגה והשוואה של גרסאות של קנבס נתונים

שחזור גרסה של קנבס נתונים

ניהול מטא-נתונים ב-Knowledge Catalog

תמחור

מיקומים

שליחת משוב

המאמרים הבאים