Google utilizza la tecnologia AI per tradurre i contenuti nella tua lingua preferita. Le traduzioni generate dall'AI potrebbero contenere errori.

Analizzare con il data canvas BigQuery

Questo documento descrive come utilizzare il canvas di dati per l'analisi dei dati. Puoi anche gestire i metadati del data canvas utilizzando Knowledge Catalog.

Il data canvas BigQuery, una funzionalità di Gemini in BigQuery, ti consente di trovare, trasformare, sottoporre a query e visualizzare i dati utilizzando prompt in linguaggio naturale e un'interfaccia grafica per i workflow di analisi.

Per i workflow di analisi, il data canvas BigQuery utilizza un grafo diretto aciclico (DAG), che fornisce una visualizzazione grafica del workflow. In data canvas BigQuery, puoi eseguire l'iterazione dei risultati delle query e lavorare con più rami di indagine in un unico posto.

Il data canvas BigQuery è progettato per accelerare le attività di analisi e aiutare i professionisti dei dati, come data analyst, data engineer e altri, nel loro percorso dai dati agli insight. Non richiede conoscenze tecniche di strumenti specifici, ma solo una familiarità di base con la lettura e la scrittura di SQL. Il data canvas BigQuery funziona con i metadati di Knowledge Catalog per identificare le tabelle appropriate in base al linguaggio naturale.

Il data canvas BigQuery non è destinato all'utilizzo diretto da parte degli utenti aziendali.

Il canvas di dati BigQuery utilizza Gemini in BigQuery per trovare i dati, creare SQL, generare grafici e creare riepiloghi dei dati.

Scopri come e quando Gemini per Google Cloud utilizza i tuoi dati.

Funzionalità

Il data canvas BigQuery ti consente di:

Utilizza la ricerca in linguaggio naturale con i metadati di Knowledge Catalog per trovare asset come tabelle, viste o viste materializzate.
Utilizza il linguaggio naturale per query SQL di base come le seguenti:
- Query che contengono clausole FROM, funzioni matematiche, array e struct.
- Operazioni JOIN per due tabelle.
Crea visualizzazioni personalizzate utilizzando il linguaggio naturale per descrivere ciò che vuoi.
Automatizza gli insight sui dati.

Limitazioni

I comandi in linguaggio naturale potrebbero non funzionare correttamente con:
- BigQuery ML
- Apache Spark
- Tabelle di oggetti
- BigLake
- INFORMATION_SCHEMA visualizzazioni
- JSON
- Campi nidificati e ripetuti
- Funzioni e tipi di dati complessi come DATETIME e TIMEZONE
Le visualizzazioni dei dati non funzionano con i grafici geomappa.

Best practice per la creazione di prompt

Con le giuste tecniche di prompt, puoi generare query SQL complesse. I seguenti suggerimenti aiutano il data canvas BigQuery a perfezionare i prompt in linguaggio naturale per aumentare l'accuratezza delle query:

Scrivi con chiarezza. Formula la tua richiesta in modo chiaro ed evita di essere vago.
Poni domande dirette. Per ottenere la risposta più precisa, poni una domanda alla volta e mantieni i prompt concisi. Se inizialmente hai fornito un prompt con più di una domanda, suddividi ogni parte distinta della domanda in modo che sia chiara per Gemini.
Fornisci istruzioni mirate ed esplicite. Enfatizza i termini chiave nei prompt.
Specifica l'ordine delle operazioni. Fornisci istruzioni in modo chiaro e ordinato. Suddividi le attività in passaggi piccoli e mirati.
Perfeziona ed esegui l'iterazione. Prova diverse frasi e approcci per vedere cosa produce i risultati migliori.

Per saperne di più, consulta Best practice per il prompting per il data canvas BigQuery.

Prima di iniziare

Assicurati che Gemini in BigQuery sia abilitato per il tuo progetto Google Cloud . In genere, questo passaggio viene eseguito da un amministratore.
Assicurati di disporre delle autorizzazioni Identity and Access Management (IAM) necessarie per utilizzare il data canvas BigQuery.
Per gestire i metadati del canvas di dati in Knowledge Catalog, assicurati che l'API Dataplex sia abilitata nel tuo progetto Google Cloud .

Ruoli obbligatori

Per ottenere le autorizzazioni necessarie per utilizzare il data canvas BigQuery, chiedi all'amministratore di concederti i seguenti ruoli IAM nel progetto:

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

Per saperne di più sulla concessione dei ruoli, consulta Gestisci l'accesso a progetti, cartelle e organizzazioni.

Potresti anche riuscire a ottenere le autorizzazioni richieste tramite i ruoli personalizzati o altri ruoli predefiniti.

Per saperne di più sui ruoli e sulle autorizzazioni IAM in BigQuery, consulta Introduzione a IAM.

Per gestire i metadati del canvas di dati in Knowledge Catalog, assicurati di disporre dei ruoli di Knowledge Catalog richiesti e dell'autorizzazione dataform.repositories.get.

Considerazioni sulla sicurezza per i data canvas

Poiché gli asset di codice in BigQuery sono basati su Dataform, devi considerare le seguenti implicazioni di sicurezza per gli utenti con accesso a questi asset:

La visibilità degli asset di codice è regolata dalle autorizzazioni Dataform a livello di progetto. Gli utenti con l'autorizzazione dataform.repositories.list, inclusa nei ruoli BigQuery standard come BigQuery Job User, BigQuery Studio User e BigQuery User, possono visualizzare tutti gli asset di codice nel riquadro Explorer del progetto Google Cloud , indipendentemente dal fatto che abbiano creato questi asset o che siano stati condivisi con loro. Per limitare la visibilità, puoi creare ruoli personalizzati che escludono l'autorizzazione dataform.repositories.list.
Tutti i secret condivisi con l'agente di servizio Dataform possono essere potenzialmente accessibili agli utenti che possono modificare questi asset. Per proteggere le tue credenziali, limita l'accesso in creazione e modifica agli utenti attendibili e limita i secret accessibili all'agente di servizio Dataform. Per saperne di più, consulta Accesso ai secret durante l'installazione del pacchetto.

Per saperne di più, consulta Considerazioni sulla sicurezza per le autorizzazioni di Dataform.

Tipi di nodo

Un canvas è una raccolta di uno o più nodi. I nodi possono essere collegati in qualsiasi ordine. Il data canvas BigQuery ha i seguenti tipi di nodi:

Testo
Cerca
Tabella
SQL
Nodo di destinazione
Visualizzazione
Insight

Nodo di testo

Nel data canvas BigQuery, un nodo di testo ti consente di aggiungere contenuti di testo RTF al canvas. È utile per aggiungere spiegazioni, note o istruzioni al canvas, in modo che tu e gli altri possiate comprendere più facilmente il contesto e lo scopo dell'analisi. Puoi inserire qualsiasi contenuto testuale nell'editor di nodi di testo, incluso Markdown per la formattazione. Questa funzionalità ti consente di creare blocchi di testo visivamente accattivanti e informativi.

Dal nodo di testo, puoi:

Elimina il nodo.
Esegui il debug del nodo.
Duplica il nodo.

Nodo di ricerca

In data canvas BigQuery, un nodo di ricerca ti consente di trovare e incorporare asset di dati nel canvas. Funge da ponte tra le query in linguaggio naturale o le ricerche per parole chiave e i dati effettivi con cui vuoi lavorare.

Fornisci una query di ricerca, in linguaggio naturale o utilizzando parole chiave. Il nodo di ricerca esegue ricerche negli asset di dati. Sfrutta i metadati di Knowledge Catalog per una maggiore consapevolezza del contesto. Il data canvas BigQuery suggerisce anche tabelle, query e query salvate utilizzate di recente.

Il nodo di ricerca restituisce un elenco di asset di dati pertinenti che corrispondono alla query. Tiene conto dei nomi delle colonne e delle descrizioni delle tabelle. Puoi quindi selezionare gli asset che vuoi aggiungere al canvas dei dati come nodi della tabella, dove puoi analizzare e visualizzare ulteriormente i dati.

Dal nodo di ricerca, puoi:

Elimina il nodo.
Esegui il debug del nodo.
Duplica il nodo.

Nodo tabella

Nel data canvas BigQuery, un nodo tabella rappresenta una tabella specifica che hai incorporato nel workflow di analisi. Rappresenta i dati con cui stai lavorando e ti consente di interagire direttamente con questi.

Un nodo tabella mostra informazioni sulla tabella, ad esempio il nome, lo schema e un'anteprima dei dati. Puoi interagire con la tabella visualizzando dettagli come lo schema, i dettagli e un'anteprima della tabella.

Dal nodo della tabella puoi:

Elimina il nodo.
Esegui il debug del nodo.
Duplica il nodo.
Esegui il nodo.
Esegui il nodo e il nodo successivo.

All'interno del data canvas, puoi:

Esegui una query sui risultati in un nuovo nodo SQL.
Unire i risultati a un'altra tabella.

Nodo SQL

In data canvas BigQuery, un nodo SQL ti consente di eseguire query SQL personalizzate direttamente all'interno del canvas. Puoi scrivere il codice SQL direttamente nell'editor dei nodi SQL o utilizzare un prompt in linguaggio naturale per generare l'SQL.

Il nodo SQL esegue la query SQL fornita sulle origini dati specificate. Il nodo SQL produce una tabella dei risultati, che può essere collegata ad altri nodi nel canvas per ulteriori analisi o visualizzazioni. Gli output dell'esecuzione di un nodo SQL, noti come risultato della query, possono anche essere resi persistenti nella propria tabella tramite un nodo di destinazione.

Dopo l'esecuzione della query, puoi esportarla come query pianificata, esportare i risultati della query o condividere il canvas, in modo simile all'esecuzione di una query interattiva.

Dal nodo SQL, puoi:

Esporta l'istruzione SQL come query pianificata.
Elimina il nodo.
Esegui il debug del nodo.
Duplica il nodo.
Esegui il nodo.
Esegui il nodo e il nodo successivo.

All'interno del data canvas, puoi:

Esegui una query sui risultati in un nuovo nodo SQL.
Salva i risultati in una tabella.
Visualizza i risultati in un nodo di visualizzazione.
Genera insight sui risultati in un nodo di insight.
Unire i risultati a un'altra tabella.

Nodo di destinazione

Nel data canvas BigQuery, un nodo di destinazione è un nodo secondario di un nodo SQL che rende persistente il risultato di un'esecuzione SQL in una tabella dedicata. Puoi salvare la tabella in un set di dati nuovo o esistente oppure come tabella nuova o esistente in un set di dati. Dopo aver creato una tabella di destinazione, utilizza il pulsante di attivazione/disattivazione SQL per mantenere la tabella aggiornata in tempo reale quando il nodo SQL padre viene rieseguito.

Un nodo di destinazione può diventare un nodo tabella quando viene scollegato dal nodo padre e il contenuto della tabella non è interessato da modifiche upstream nel nodo SQL padre.

Dal nodo di destinazione, puoi:

Scollega il nodo dal nodo padre per renderlo un nodo di tabella autonomo.
Esegui una query sulla tabella in un nuovo nodo SQL.
Unire i risultati a un'altra tabella.

Nodo di visualizzazione

Nel data canvas BigQuery, un nodo di visualizzazione consente di visualizzare i dati in modo visivo, semplificando la comprensione di tendenze, pattern e insight. Offre una varietà di tipi di grafici tra cui scegliere, consentendoti di selezionare e personalizzare la visualizzazione migliore per i tuoi dati.

Un nodo di visualizzazione accetta come input una tabella, che può essere il risultato di una query SQL o di un nodo di tabella. In base al tipo di grafico selezionato e ai dati nella tabella di input, il nodo di visualizzazione genera un grafico. Puoi selezionare Grafico automatico per consentire a BigQuery di selezionare il tipo di grafico migliore per i tuoi dati. Il nodo di visualizzazione mostra quindi il grafico generato.

Il nodo di visualizzazione ti consente di personalizzare il grafico, ad esempio modificando i colori, le etichette e le origini dati. Puoi anche esportare il grafico come file PNG.

Visualizza i dati utilizzando i seguenti tipi di grafici:

Grafico a barre
Mappa termica
Grafico lineare
Grafico a torta
Grafico a dispersione

Dal nodo di visualizzazione puoi:

Esporta il grafico come file PNG.
Esegui il debug del nodo.
Duplica il nodo.
Esegui il nodo.
Esegui il nodo e il nodo successivo.

All'interno del data canvas, puoi:

Genera insight generati sui risultati in un nodo di approfondimento.
Modifica la visualizzazione.

Nodo degli insight

Nel canvas di dati BigQuery, un nodo di approfondimenti ti consente di generare approfondimenti e riepiloghi dai dati all'interno del canvas di dati. In questo modo puoi individuare pattern, valutare la qualità dei dati ed eseguire analisi statistiche sul canvas. Identifica tendenze, modelli, anomalie e correlazioni all'interno dei dati, oltre a generare riepiloghi concisi e chiari dei risultati dell'analisi dei dati.

Per saperne di più sugli insight sui dati, consulta Genera insight sui dati in BigQuery.

Dal nodo degli approfondimenti puoi:

Elimina il nodo.
Duplica il nodo.
Esegui il nodo.

Utilizzare il data canvas BigQuery

Puoi utilizzare il data canvas BigQuery nella console Google Cloud , in una query o in una tabella.

Vai alla pagina BigQuery.

Vai a BigQuery
Nell'editor di query, accanto a Query SQL, fai clic su Crea nuovo, seleziona AI e conoscenza e poi fai clic su data canvas.
Nel campo del prompt Linguaggio naturale, inserisci un prompt in linguaggio naturale.

Ad esempio, se inserisci Find me tables related to trees, data canvas BigQuery restituisce un elenco di possibili tabelle, inclusi set di dati pubblici come bigquery-public-data.usfs_fia.plot_tree o bigquery-public-data.new_york_trees.tree_species.
Seleziona una tabella.

Un nodo della tabella selezionata viene aggiunto al data canvas BigQuery. Per visualizzare le informazioni sullo schema, i dettagli della tabella o l'anteprima dei dati, seleziona le varie schede nel nodo della tabella.
(Facoltativo) Dopo aver salvato il data canvas, utilizza la seguente barra degli strumenti per visualizzare i dettagli del data canvas o la cronologia delle versioni, aggiungere nuovi commenti o rispondere a un commento esistente o ottenere un link a quest'ultimo:

La funzionalità della barra degli strumenti Commenti è in anteprima. Per fornire un feedback o richiedere assistenza per questa funzionalità, invia un'email all'indirizzo bqui-workspace-pod@google.com.

Controlli canvas

La barra degli strumenti del data canvas fornisce i seguenti controlli per aggiungere nodi e gestire la visualizzazione del canvas:

Barra degli strumenti del data canvas.

Cerca: aggiunge un nodo di ricerca al canvas.
SQL: aggiunge un nodo SQL al canvas.
Testo: aggiunge un nodo Markdown o di testo per i commenti.
Controlli di zoom: ti consentono di impostare un livello di zoom specifico.
Adatta: regola automaticamente lo zoom per mostrare tutti i contenuti sul canvas.
Zoom sulla selezione: regola automaticamente lo zoom per concentrarsi sul nodo selezionato.
Aumenta lo zoom: aumenta lo zoom del canvas. Puoi anche aumentare lo zoom tenendo premuto Ctrl e utilizzando la rotellina del mouse per scorrere.
Riduci zoom: riduce la visualizzazione del canvas. Puoi anche diminuire lo zoom tenendo premuto Control e utilizzando la rotellina del mouse per scorrere.
Schermo intero: attiva la modalità a schermo intero per il canvas.
Ordina canvas: dispone automaticamente i nodi sul canvas.
Aggiorna canvas: esegue tutti i nodi eseguibili con un solo pulsante.
Altre azioni: apre opzioni aggiuntive, ad esempio la cancellazione del canvas.

I seguenti esempi mostrano diversi modi per utilizzare il data canvas BigQuery nei flussi di lavoro di analisi.

Impostazioni canvas

Il riquadro Impostazioni canvas offre le seguenti opzioni:

Località: la località di elaborazione del canvas di dati. Per maggiori dettagli, vedi Specifica le località.
Parametri di query: aggiungi parametri da utilizzare nelle query SQL per il data canvas.
Gestione delle risorse: gestisci la priorità dei job di query, la memorizzazione nella cache e le impostazioni dei job.
Gestione del canvas: controlla la visualizzazione dell'output delle query sul data canvas.
Opzioni avanzate: seleziona una Google-owned and Google-managed encryption key o una chiave di crittografia gestita dal cliente (CMEK) e imposta il numero massimo di byte fatturati per le query.

Per modificare le impostazioni del data canvas, segui questi passaggi:

Vai alla pagina BigQuery.

Vai a BigQuery
Nel riquadro a sinistra, fai clic su Explorer.
Espandi il nome del progetto e fai clic su data canvas.
Nella pagina Data canvas, fai clic sul link del canvas che vuoi aggiornare.
Fai clic su Impostazioni canvas.
Nella sezione Località, scegli una delle seguenti opzioni:
1. Seleziona Selezione automatica della località per consentire a BigQuery di determinare automaticamente la località di elaborazione in base alle risorse su cui stai eseguendo query.
2. In alternativa, per instradare manualmente i job, segui questi passaggi:
  1. Deseleziona Selezione automatica della località e poi seleziona un Tipo di località, ovvero Regione o Multiregione.
  2. Nel campo della regione, specifica la regione o, nel campo delle multi-regioni, specifica le multi-regioni.
  3. Facoltativamente, per Prenotazione, scegli una prenotazione da utilizzare per i job Canvas.
Nella sezione Parametri di query, scegli una delle seguenti opzioni:
1. Fai clic su Aggiungi Aggiungi parametro per definire i parametri standard da utilizzare in tutte le query SQL nel canvas.
2. Inserisci un nome, un tipo e un valore per il parametro.
Nota: i parametri di query nella console Google Cloud supportano solo tipi primitivi. Per i tipi complessi come ARRAY, STRUCT e JSON, utilizza lo strumento a riga di comando bq o l'API BigQuery.
Nella sezione Gestione risorse, scegli una delle seguenti opzioni:
1. Per Priorità job, scegli se eseguire le query canvas utilizzando la priorità Interattiva o Batch.
2. In Preferenza cache, seleziona Utilizza risultati memorizzati nella cache per consentire a BigQuery di restituire i risultati delle query memorizzati nella cache in precedenza. L'utilizzo dei risultati memorizzati nella cache può ridurre i costi e migliorare le prestazioni.
3. Per Timeout del job, inserisci un tempo massimo di esecuzione del job in millisecondi. Se questo limite di tempo viene superato, BigQuery tenta di arrestare il job.
Nella sezione Gestione del canvas, deseleziona Ometti l'output del nodo durante il salvataggio di questo canvas per memorizzare nella cache i risultati della query con lo stato del canvas. In questo modo, vengono salvate solo la struttura e le query del canvas.
Espandi la sezione Opzioni avanzate e scegli tra le seguenti opzioni:
1. Per Crittografia, scegli Chiavi gestite da Google o Chiave Cloud KMS e inserisci il tipo e il valore della chiave gestita dal cliente.
2. In Numero massimo di byte fatturati, inserisci un limite per i byte fatturati per le tue query. Se una query supera questo limite, non va a buon fine senza comportare addebiti. Se questa opzione non è specificata, i byte fatturati massimi vengono impostati sul valore predefinito del progetto.
Dopo aver apportato le modifiche, fai clic su Salva per applicare le impostazioni al canvas dei dati.

Esempio di workflow: trova, esegui query e visualizza i dati

In questo esempio, utilizzi prompt in linguaggio naturale nel data canvas BigQuery per trovare dati, generare una query e modificarla. Poi, crea un grafico.

Prompt 1: trova i dati

Nella console Google Cloud , vai alla pagina BigQuery.

Vai a BigQuery
Nell'editor di query, accanto a Query SQL, fai clic su Crea nuova, seleziona AI e conoscenze, quindi fai clic su Data Canvas.
Fai clic su Cerca i dati.
Fai clic su filter_list Modifica i filtri di ricerca, quindi, nel riquadro Filtra ricerca, fai clic sul pulsante di attivazione/disattivazione Set di dati pubblici BigQuery per attivarlo.
Nel campo del prompt Linguaggio naturale, inserisci il seguente prompt in linguaggio naturale:
```
Chicago taxi trips
```
Il data canvas BigQuery genera un elenco di potenziali tabelle in base ai metadati di Knowledge Catalog. Puoi selezionare più tabelle.
Seleziona la tabella bigquery-public-data.chicago_taxi_trips.taxi_trips, quindi fai clic su Aggiungi al canvas.

Al data canvas BigQuery viene aggiunto un nodo tabella per taxi_trips. Per visualizzare le informazioni sullo schema, i dettagli della tabella o l'anteprima dei dati, seleziona le varie schede nel nodo della tabella.

Prompt 2: genera una query SQL nella tabella selezionata

Per generare una query SQL per la tabella bigquery-public-data.chicago_taxi_trips.taxi_trips, segui questi passaggi:

Nel data canvas, fai clic su Query.

Nel campo del prompt Linguaggio naturale, inserisci quanto segue:

Get me the 100 longest trips

Il data canvas BigQuery genera una query SQL simile alla seguente:

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;

Prompt 3: modifica la query

Per modificare la query che hai generato, puoi modificarla manualmente oppure puoi cambiare il prompt in linguaggio naturale e rigenerare la query. In questo esempio, utilizzi un prompt in linguaggio naturale per modificare la query in modo da selezionare solo i viaggi in cui il cliente ha pagato in contanti.

Nel campo del prompt Linguaggio naturale, inserisci quanto segue:

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

Data canvas BigQuery genera una query SQL simile alla seguente:

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;

Nell'esempio precedente, PROJECT_ID è l'ID del tuo progetto Google Cloud .

Per visualizzare i risultati della query, fai clic su Esegui.

Creare un grafico

Nel data canvas, fai clic su Visualizza.
Fai clic su Crea grafico a barre.

Il data canvas BigQuery crea un grafico a barre che mostra il maggior numero di miglia per ID corsa. Oltre a fornire un grafico, il data canvas BigQuery riassume alcuni dei dettagli chiave dei dati alla base della visualizzazione.
(Facoltativo) Esegui una o più delle seguenti operazioni:
- Per modificare il grafico, fai clic su Modifica e poi modifica il grafico nel riquadro Modifica visualizzazione.
- Per condividere il data canvas, fai clic su Condividi, quindi su Condividi link per copiare il link al data canvas BigQuery.
- Per ripulire il canvas dei dati, seleziona Altre azioni, quindi seleziona Cancella canvas. Questo passaggio genera una tela vuota.

Esempio di workflow: unisci tabelle

In questo esempio, utilizzi prompt in linguaggio naturale nel data canvas BigQuery per trovare dati e unire tabelle. Quindi, esporti una query come notebook.

Prompt 1: trova i dati

Nel campo del prompt Linguaggio naturale, inserisci il seguente prompt:
```
Information about trees
```
Il data canvas BigQuery suggerisce diverse tabelle contenenti informazioni sugli alberi.
Per questo esempio, seleziona la tabella bigquery-public-data.new_york_trees.tree_census_1995 e poi fai clic su Aggiungi al canvas.

La tabella viene visualizzata nel canvas.

Prompt 2: unisci le tabelle in base all'indirizzo

Nel data canvas, fai clic su Unione.

Il data canvas BigQuery suggerisce le tabelle da unire.
Per aprire un nuovo campo di prompt Linguaggio naturale, fai clic su Cerca tabelle.
Nel campo del prompt Linguaggio naturale, inserisci il seguente prompt:
```
Information about trees
```
Seleziona la tabella bigquery-public-data.new_york_trees.tree_census_2005, quindi fai clic su Aggiungi al canvas.

La tabella viene visualizzata nel canvas.
Nel data canvas, fai clic su Unisci.
Nella sezione In questo canvas, seleziona la casella di controllo Cella della tabella, quindi fai clic su Ok.

Nel campo del prompt Linguaggio naturale, inserisci il seguente prompt:

Join on address

Il data canvas BigQuery suggerisce la query SQL per unire queste due tabelle in base al loro indirizzo:

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;

Per eseguire la query e visualizzare i risultati, fai clic su Esegui.

Esporta la query come notebook

Data canvas BigQuery ti consente di esportare le query come notebook.

Nel data canvas, fai clic su Esporta come notebook.
Nel riquadro Salva notebook, inserisci il nome del notebook e la regione in cui vuoi salvarlo.
Fai clic su Salva. Il notebook è stato creato correttamente.
(Facoltativo) Per visualizzare il notebook creato, fai clic su Apri.

Esempio di workflow: modifica un grafico utilizzando un prompt

In questo esempio, utilizzi i prompt in linguaggio naturale nel data canvas BigQuery per trovare, eseguire query e filtrare i dati, quindi modificare i dettagli della visualizzazione.

Prompt 1: trova i dati

Per trovare dati sui nomi negli Stati Uniti, inserisci il seguente prompt:
```
Find data about USA names
```
Il data canvas BigQuery genera un elenco di tabelle.
Per questo esempio, seleziona la tabella bigquery-public-data.usa_names.usa_1910_current e poi fai clic su Aggiungi al canvas.

Prompt 2: esegui query sui dati

Per eseguire una query sui dati, nel data canvas fai clic su Query e poi inserisci il seguente prompt:
```
Summarize this data
```
Il data canvas BigQuery genera una query simile alla seguente:
```
SELECT
  state,
  gender,
  year,
  name,
  number
FROM
  `bigquery-public-data.usa_names.usa_1910_current`
```
Fai clic su Esegui. Vengono visualizzati i risultati della query.

Prompt 3: filtra i dati

Nel data canvas, fai clic su Esegui query su questi risultati.

Per filtrare i dati, nel campo del prompt SQL, inserisci il seguente prompt:

Get me the top 10 most popular names in 1980

Il data canvas BigQuery genera una query simile alla seguente:

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;

Quando esegui la query, ottieni una tabella con i dieci nomi più comuni di bambini nati nel 1980.

Crea e modifica un grafico

Nel data canvas, fai clic su Visualizza.

Il data canvas BigQuery suggerisce diverse opzioni di visualizzazione, tra cui un grafico a barre, un grafico a torta, un grafico a linee e una visualizzazione personalizzata.
Per questo esempio, fai clic su Crea grafico a barre.

Il data canvas BigQuery crea un grafico a barre simile al seguente:

Oltre a fornire un grafico, il data canvas BigQuery riassume alcuni dei dettagli chiave dei dati alla base della visualizzazione. Puoi modificare il grafico facendo clic su Dettagli visualizzazione e modificando il grafico nel riquadro laterale.

Prompt 4: modifica i dettagli della visualizzazione

Nel campo del prompt Visualizzazione, inserisci quanto segue:
```
Create a bar chart sorted high to low, with a gradient
```
Il data canvas BigQuery crea un grafico a barre simile al seguente:
(Facoltativo) Per apportare ulteriori modifiche, fai clic su Modifica.

Viene visualizzato il riquadro Modifica visualizzazione. Puoi modificare dettagli come il titolo del grafico, il nome dell'asse X e il nome dell'asse Y. Inoltre, se fai clic sulla scheda Editor JSON, puoi modificare direttamente il grafico in base ai valori JSON.

Lavora con un assistente Gemini

Puoi utilizzare un'esperienza di chat basata su Gemini per lavorare con il data canvas BigQuery. L'assistente per la chat può creare nodi in base alle tue richieste, eseguire query e creare visualizzazioni. Puoi scegliere le tabelle con cui l'assistente deve lavorare e puoi aggiungere istruzioni per indirizzare il suo comportamento. L'assistente funziona con i canvas di dati nuovi o esistenti.

Per lavorare con l'assistente Gemini, segui questi passaggi:

Per aprire l'assistente, nel canvas dei dati, fai clic su spark Apri assistente Data Canvas.
Nel campo Fai una domanda sui dati, inserisci un prompt in linguaggio naturale, ad esempio uno dei seguenti:
- 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.
La risposta include uno o più nodi in base alla richiesta. Ad esempio, se chiedi all'assistente di creare un grafico dei tuoi dati, viene creato un nodo di visualizzazione nel data canvas.

Quando fai clic sul campo Fai una domanda sui dati, puoi anche:
- Per aggiungere dati, fai clic su Impostazioni.
- Per aggiungere istruzioni, fai clic su Impostazioni.
Per continuare a lavorare con l'assistente, aggiungi altri prompt in linguaggio naturale.

Puoi continuare a creare prompt in linguaggio naturale mentre lavori con il data canvas.

Aggiungi dati

Quando lavori con l'interfaccia di chat di Gemini, puoi aggiungere dati in modo che l'assistente sappia a quale set di dati fare riferimento. L'assistente ti chiede di selezionare una tabella prima di eseguire qualsiasi prompt. Quando cerchi dati all'interno dell'assistente, puoi limitare l'ambito dei dati ricercabili a tutti i progetti, ai progetti contrassegnati come speciali o al progetto corrente. Puoi anche decidere se includere set di dati pubblici nella ricerca.

Per aggiungere dati all'assistente Gemini:

Per aprire l'assistente, nel canvas dei dati, fai clic su spark Apri assistente Data Canvas.
Fai clic su Impostazioni e poi su Aggiungi dati.
(Facoltativo) Per espandere i risultati di ricerca in modo da includere i set di dati pubblici, fai clic sul pulsante di attivazione/disattivazione Set di dati pubblici.
(Facoltativo) Per modificare l'ambito dei risultati di ricerca in modo da includere progetti diversi, seleziona l'opzione del progetto appropriata dal menu Ambito.
Seleziona la casella di controllo per ciascuna delle tabelle da aggiungere all'assistente.
1. Per cercare tabelle non suggerite dall'assistente, fai clic su Cerca tabelle.
2. Nel campo del prompt Linguaggio naturale, inserisci un prompt che descriva la tabella che stai cercando, quindi premi Invio.
3. Seleziona la casella di controllo per ogni tabella che vuoi aggiungere all'assistente, quindi fai clic su Ok.
Chiudi il riquadro Impostazioni dell'assistente Canvas.

L'assistente basa la sua analisi sui dati che scegli.

Aggiungi istruzioni

Quando lavori con l'interfaccia di chat con Gemini, puoi aggiungere istruzioni in modo che l'assistente sappia come comportarsi. Queste istruzioni vengono applicate a tutti i prompt all'interno del data canvas. Ecco alcuni esempi di potenziali istruzioni:

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

Per aggiungere istruzioni all'assistente:

Per aprire l'assistente, nel canvas dei dati, fai clic su spark Apri assistente Data Canvas.
Fai clic su Impostazioni.
Nel campo Istruzioni, aggiungi un elenco di istruzioni per l'assistente, quindi chiudi il riquadro Impostazioni dell'assistente di Canvas.

L'assistente ricorda le istruzioni e le applica ai prompt futuri.

Best practice per l'assistente Gemini

Per ottenere risultati ottimali quando utilizzi l'assistente del data canvas BigQuery, segui queste best practice:

Usa prompt specifici e non ambigui. Indica chiaramente cosa vuoi calcolare, analizzare o visualizzare. Ad esempio, invece di Analyze trip data, di' Calculate the average trip duration for trips starting in council district eight.
Garantisci un contesto dei dati accurato. L'assistente può lavorare solo con i dati che fornisci. Assicurati che tutte le tabelle e le colonne pertinenti siano state aggiunte al canvas.
Inizia con una configurazione semplice, poi ripeti. Inizia con una domanda semplice per assicurarti che l'assistente comprenda la struttura e i dati di base. Ad esempio, prima di' Show total trips by subscriber_type e poi Show total trips by subscriber_type and break down the result by council_district.
Scomponi le domande complesse. Per i processi in più passaggi, valuta la possibilità di formulare il prompt in modo chiaro con parti distinte o di utilizzare prompt separati per ogni passaggio principale. Ad esempio, di' 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.
Indica chiaramente i calcoli. Specifica il calcolo scelto, ad esempio SUM, MAX o AVERAGE. Ad esempio, di' Find the MAX trip duration per bike_id.
Utilizza le istruzioni di sistema per un contesto e preferenze persistenti. Utilizza le istruzioni di sistema per indicare informazioni, regole e preferenze che si applicano a tutti i prompt.
Rivedi il canvas. Esamina sempre i nodi generati per verificare che la logica sia in linea con la tua richiesta e che i risultati siano accurati.
Sperimenta. Prova diverse formulazioni, livelli di dettaglio e strutture dei prompt per scoprire come l'assistente risponde alle tue esigenze specifiche di dati e analisi.
Nomi delle colonne di riferimento. Quando possibile, utilizza i nomi effettivi delle colonne dei dati selezionati. Ad esempio, invece di Show trips by subscriber type, di' Show the count of trips grouped by subscriber_type and start_station_name.

Workflow di esempio: lavorare con un assistente Gemini

In questo esempio, utilizzi prompt in linguaggio naturale con l'assistente Gemini per trovare, eseguire query e visualizzare i dati.

Nella console Google Cloud , vai alla pagina BigQuery.

Vai a BigQuery
Nell'editor di query, accanto a Query SQL, fai clic su Crea nuovo, seleziona AI e conoscenza e poi fai clic su data canvas.
Fai clic su Cerca i dati.
Fai clic su filter_list Modifica i filtri di ricerca, quindi, nel riquadro Filtra ricerca, fai clic sul pulsante di attivazione/disattivazione Set di dati pubblici BigQuery per attivarlo.
Nel campo del prompt Linguaggio naturale, inserisci il seguente prompt in linguaggio naturale:
```
bikeshare
```
Il data canvas BigQuery genera un elenco di potenziali tabelle in base ai metadati di Knowledge Catalog. Puoi selezionare più tabelle.
Seleziona la tabella bigquery-public-data.austin_bikeshare.bikeshare_stations e bigquery-public-data.austin_bikeshare.bikeshare_trips, quindi fai clic su Aggiungi al canvas.

Al data canvas BigQuery viene aggiunto un nodo tabella per ciascuna delle tabelle selezionate. Per visualizzare le informazioni sullo schema, i dettagli della tabella o l'anteprima dei dati, seleziona le varie schede nel nodo della tabella.
Per aprire l'assistente, nel canvas dei dati, fai clic su spark Apri assistente Data Canvas.
Fai clic su Impostazioni.

Nel campo Istruzioni, aggiungi le seguenti istruzioni per l'assistente:

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

Chiudi il riquadro Impostazioni dell'assistente Canvas.
Nel campo Fai una domanda sui dati, inserisci il seguente prompt in linguaggio naturale:
```
Show the number of trips by council district and subscriber type
```
Puoi continuare a inserire prompt nel campo Poni una domanda sui dati. Inserisci il seguente prompt in linguaggio naturale:
```
What are most popular stations among the top 5 subscriber types
```
Inserisci il prompt finale:
```
What station is least used to start and end a trip
```
Dopo aver posto tutti i prompt pertinenti, il canvas viene compilato con i nodi di query e visualizzazione pertinenti in base ai prompt e alle istruzioni che hai fornito all'assistente. Continua a inserire prompt o a modificare quelli esistenti per ottenere i risultati che stai cercando.

Visualizza tutti i data canvas

Per visualizzare un elenco di tutti i data canvas nel tuo progetto, segui questi passaggi:

Nella console Google Cloud , vai alla pagina BigQuery.

Vai a BigQuery
Nel riquadro a sinistra, fai clic su Spazio di esplorazione:

Se non vedi il riquadro a sinistra, fai clic su Espandi riquadro sinistro per aprirlo.
Nel riquadro Explorer, fai clic su Visualizza azioni accanto a Data canvas, quindi esegui una delle seguenti operazioni:

Per aprire l'elenco nella scheda corrente, fai clic su Mostra tutto.
Per aprire l'elenco in una nuova scheda, fai clic su Mostra tutto in > Nuova scheda.
Per aprire l'elenco in una scheda divisa, fai clic su Mostra tutto in > Scheda divisa.

Visualizza i metadati del data canvas

Per visualizzare i metadati del data canvas, segui questi passaggi:

Nella console Google Cloud , vai alla pagina BigQuery.

Vai a BigQuery
Nel riquadro a sinistra, fai clic su Spazio di esplorazione:
Nel riquadro Explorer, espandi il progetto e fai clic su data canvas.
Fai clic sul nome del data canvas per cui vuoi visualizzare i metadati.
Fai clic su Dettagli per visualizzare informazioni sul canvas di dati, ad esempio la regione che utilizza e la data dell'ultima modifica.

Utilizza le versioni del data canvas

Puoi scegliere di creare un data canvas all'interno o all'esterno di un repository. Il controllo delle versioni del data canvas viene gestito in modo diverso a seconda della posizione del data canvas.

Controllo delle versioni del data canvas nei repository

I repository sono repository Git che si trovano in BigQuery o presso un provider di terze parti. Puoi utilizzare gli spazi di lavoro nei repository per eseguire il controllo delle versioni sui data canvas. Per saperne di più, consulta Utilizza il controllo della versione con un file.

Controllo delle versioni del data canvas al di fuori dei repository

Puoi visualizzare, confrontare e ripristinare le versioni di un data canvas.

Visualizzare e confrontare le versioni del data canvas

Per visualizzare diverse versioni di un data canvas e confrontarle con quella attuale:

Nella console Google Cloud , vai alla pagina BigQuery.

Vai a BigQuery
Nel riquadro a sinistra, fai clic su Spazio di esplorazione:
Nel riquadro Explorer, espandi il progetto e fai clic su data canvas.
Fai clic sul nome del data canvas di cui vuoi visualizzare la cronologia delle versioni.
Fai clic su Cronologia delle versioni per visualizzare un elenco delle versioni del data canvas in ordine decrescente per data.
Fai clic su Visualizza azioni accanto a una versione del data canvas, quindi fai clic su Confronta. Si apre il riquadro di confronto, che confronta la versione del data canvas selezionata con quella corrente.
(Facoltativo) Per confrontare le versioni in linea anziché in riquadri separati, fai clic su Confronta e poi su In linea.

Ripristina una versione del data canvas

Il ripristino dal riquadro di confronto ti consente di confrontare la versione precedente del canvas dei dati con la versione attuale prima di scegliere se ripristinarla.

Nel riquadro a sinistra, fai clic su Spazio di esplorazione:
Nel riquadro Explorer, espandi il progetto e fai clic su data canvas.
Fai clic sul nome del canvas dei dati di cui vuoi ripristinare una versione precedente.
Fai clic su Cronologia delle versioni.
Fai clic su Visualizza azioni accanto alla versione del canvas di dati che vuoi ripristinare, quindi fai clic su Confronta.

Si apre il riquadro di confronto, che confronta la versione del data canvas che hai selezionato con la versione più recente.
Per ripristinare la versione precedente del canvas di dati dopo il confronto, fai clic su Ripristina.
Fai clic su Conferma.

Gestisci i metadati in Knowledge Catalog

Knowledge Catalog consente di visualizzare e gestire i metadati per i data canvas. I data canvas sono disponibili in Knowledge Catalog per impostazione predefinita, senza configurazione aggiuntiva.

Puoi utilizzare Knowledge Catalog per gestire i data canvas in tutte le località di BigQuery. La gestione dei data canvas in Knowledge Catalog è soggetta a quote e limiti di Knowledge Catalog e ai prezzi di Knowledge Catalog.

Knowledge Catalog recupera automaticamente i seguenti metadati dai canvas di dati:

Nome dell'asset di dati
Asset di dati padre
Posizione dell'asset di dati
Tipo di asset di dati
Progetto Google Cloud componente corrispondente

Knowledge Catalog registra i data canvas come voci con i seguenti valori:

Gruppo di voci di sistema: Il gruppo di voci di sistema per i data canvas è @dataform. Per visualizzare i dettagli delle voci del data canvas in Knowledge Catalog, devi visualizzare il gruppo di voci di sistema dataform. Per istruzioni su come visualizzare un elenco di tutte le voci di un gruppo di voci, consulta Visualizza i dettagli di un gruppo di voci nella documentazione di Knowledge Catalog.
Tipo di voce di sistema: Il tipo di voce di sistema per i data canvas è dataform-code-asset. Per visualizzare i dettagli dei canvas di dati, devi visualizzare il tipo di voce di sistema dataform-code-asset, filtrare i risultati con un filtro basato sugli aspetti e impostare il campo type all'interno dell'aspetto dataform-code-asset su DATA_CANVAS. Poi, seleziona una voce del data canvas selezionato. Per istruzioni su come visualizzare i dettagli di un tipo di voce selezionato, consulta Visualizza i dettagli di un tipo di voce nella documentazione di Knowledge Catalog. Per istruzioni su come visualizzare i dettagli di una voce selezionata, consulta Visualizza i dettagli di una voce nella documentazione di Knowledge Catalog.
Tipo di aspetto del sistema: Il tipo di aspetto di sistema per i data canvas è dataform-code-asset. Per fornire un contesto aggiuntivo ai canvas di dati in Knowledge Catalog annotando le voci del canvas di dati con aspetti, visualizza il tipo di aspetto dataform-code-asset, filtra i risultati con un filtro basato sugli aspetti e imposta il campo type all'interno dell'aspetto dataform-code-asset su DATA_CANVAS. Per istruzioni su come annotare le voci con gli aspetti, consulta Gestire gli aspetti e arricchire i metadati nella documentazione di Knowledge Catalog.
Tipo: Il tipo per i canvas di dati è DATA_CANVAS. Questo tipo consente di filtrare i data canvas nel tipo di voce di sistema dataform-code-asset e nel tipo di aspetto dataform-code-asset utilizzando la query aspect:dataplex-types.global.dataform-code-asset.type=DATA_CANVAS in un filtro basato sugli aspetti.

Per istruzioni su come cercare asset in Knowledge Catalog, consulta Cerca asset di dati in Knowledge Catalog nella documentazione di Knowledge Catalog.

Prezzi

Per informazioni dettagliate sui prezzi di questa funzionalità, vedi Panoramica dei prezzi di Gemini in BigQuery.

Località

Puoi utilizzare il data canvas BigQuery in tutte le località BigQuery. Per scoprire dove Gemini in BigQuery elabora i tuoi dati, consulta Dove Gemini in BigQuery elabora i tuoi dati.

Invia il tuo feedback

Puoi contribuire a migliorare i suggerimenti del data canvas BigQuery inviando un feedback a Google. Per fornire un feedback:

Nella barra degli strumenti di data canvas BigQuery, fai clic su Altre azioni, quindi su Invia feedback.
Fai clic sulla categoria a cui si riferisce il tuo feedback.
Nel campo (Obbligatorio) Descrivi il tuo feedback, inserisci il tuo feedback.
(Facoltativo) Per fornire a BigQuery uno screenshot del tuo data canvas, fai clic su screenshot_monitor Acquisisci screenshot.
(Facoltativo) Per fornire la cronologia di generazione, seleziona Consenti a Google di acquisire la mia cronologia di generazione e di inviarla con il mio feedback.
Fai clic su Invia.

Le impostazioni di condivisione dei dati si applicano all'intero progetto e possono essere impostate solo da un amministratore del progetto con le autorizzazioni IAM serviceusage.services.enable e serviceusage.services.list.

Per fornire un feedback diretto su questa funzionalità, puoi anche contattare datacanvas-feedback@google.com.

Passaggi successivi

Scopri come scrivere query con l'assistenza di Gemini.
Scopri come creare notebook.
Scopri come generare query in linguaggio naturale sui tuoi dati con insight sui dati.