このページは Cloud Translation API によって翻訳されました。

BigQuery データキャンバスで分析する

BigQuery Studio データキャンバス（Gemini in BigQuery の機能）を使用すると、自然言語プロンプトと分析ワークフローのグラフィックインターフェースを使用して、データを検索、変換、クエリ、可視化できます。

分析ワークフローの場合、BigQuery データキャンバスは有向非巡回グラフ（DAG）を使用します。これにより、ワークフローのグラフィックビューが提供されます。BigQuery データキャンバスでは、クエリ結果に基づいて繰り返し処理を行うことができます。また、1 か所で複数の問い合わせ分岐を処理できます。

BigQuery データキャンバスは、分析タスクを高速化し、データアナリスト、データエンジニアなどのデータプロフェッショナルがデータから分析情報を導出するプロセスを支援するように設計されています。特定のツールに関する技術的な知識は必要ありません。SQL の読み取りと書き込みに関する基本的な知識があれば十分です。BigQuery データキャンバスは、Dataplex メタデータと連携し、自然言語に基づいて適切なテーブルを識別します。

BigQuery データキャンバスは、ビジネスユーザーが直接使用することを目的としたものではありません。

BigQuery データキャンバスは、BigQuery の Gemini を使用して、データの検索、SQL の作成、グラフの生成、データの要約を行います。

Gemini for Google Cloud がデータを使用する方法とタイミングについての説明をご確認ください。

機能

BigQuery データキャンバスでは、次のことができます。

Dataplex メタデータで自然言語クエリまたはキーワード検索構文を使用して、テーブル、ビュー、マテリアライズドビューなどのアセットを検索します。
次のような基本的な SQL クエリには自然言語を使用します。
- FROM 句、数学関数、配列、構造体を含むクエリ。
- 2 つのテーブルの JOIN オペレーション。
次のグラフタイプを使用してデータを可視化します。
- 棒グラフ
- ヒートマップ
- 折れ線グラフ
- 円グラフ
- 散布図
自然言語を使用して目的を説明することで、カスタムビジュアリゼーションを作成できます。
データ分析情報の自動化。

制限事項

自然言語コマンドは、以下の操作では適切に機能しない場合があります。
- BigQuery ML
- Apache Spark
- オブジェクトテーブル
- BigLake
- INFORMATION_SCHEMA 個のビュー
- JSON
- ネストされたフィールドと繰り返しフィールド
- 複雑な関数とデータ型（DATETIME、TIMEZONE など）
Geomap グラフではデータの可視化は機能しません。

プロンプトのベストプラクティス

適切なプロンプト手法を使用すると、複雑な SQL クエリを生成できます。次の候補は、BigQuery データキャンバスで自然言語プロンプトを絞り込み、クエリの精度を高めるのに役立ちます。

わかりやすく書く。リクエストは明確に記述し、あいまいな表現は避けましょう。
直接的な質問をする。最も正確な回答を得るには、一度に 1 つの質問をし、プロンプトを簡潔にします。必要に応じて、BigQuery データキャンバスでプロンプトを別のノードに分割します。
焦点を絞った明示的な指示を提供する。プロンプトでキーワードを強調します。
演算の順序を指定する。手順を明確かつ順序立てて提供します。タスクを小さく、集中できるステップに分割します。
改善して繰り返す。さまざまなフレーズやアプローチを試して、最良の結果が得られるものを探します。

詳細については、BigQuery データキャンバスのプロンプト記述に関するベストプラクティスをご覧ください。

始める前に

Google Cloud プロジェクトで Gemini in BigQuery が有効になっていることを確認します。通常、このステップは管理者が行います。
BigQuery データキャンバスを使用するには、必要な Identity and Access Management（IAM）権限があることを確認します。

必要なロール

BigQuery データキャンバスを使用するために必要な権限を取得するには、プロジェクトに対する次の IAM ロールを付与するよう管理者に依頼します。

BigQuery Studio ユーザー（roles/bigquery.studioUser）
Gemini for Google Cloud ユーザー（roles/cloudaicompanion.user）

ロールの付与については、プロジェクト、フォルダ、組織へのアクセス権の管理をご覧ください。

必要な権限は、カスタムロールや他の事前定義ロールから取得することもできます。

BigQuery における IAM ロールと権限の詳細については、IAM の概要をご覧ください。

BigQuery データキャンバスを使用する

BigQuery データキャンバスは、Google Cloud コンソール、クエリ、テーブルで使用できます。

[BigQuery] ページに移動します。

BigQuery に移動
クエリエディタで、[ SQL クエリ] の横にある [ 新規作成]、[データキャンバス] の順にクリックします。
[自然言語] プロンプトフィールドに、自然言語プロンプトを入力します。

たとえば、Find me tables related to trees と入力すると、BigQuery データキャンバスから、bigquery-public-data.usfs_fia.plot_tree や bigquery-public-data.new_york_trees.tree_species などの一般公開データセットを含む、使用可能なテーブルのリストが返されます。
テーブルを選択してください。

選択したテーブルのテーブルノードが BigQuery データキャンバスに追加されます。スキーマ情報の表示、テーブルの詳細の表示、データのプレビューを行うには、テーブルノードにある各種タブを選択します。

サンプルワークフローを試す

このセクションでは、分析ワークフローで BigQuery データキャンバスを使用するさまざまな方法について説明します。

ワークフローの例: データの検索、クエリ、可視化

この例では、BigQuery データキャンバスの自然言語プロンプトを使用して、データを検索し、クエリを生成してクエリを編集します。次に、グラフを作成します。

プロンプト 1: データを見つける

Google Cloud コンソールで [BigQuery] ページに移動します。

BigQuery に移動
クエリエディタで、[ SQL クエリ] の横にある [ 新規作成]、[データキャンバス] の順にクリックします。
[自然言語] プロンプトフィールドに、次の自然言語プロンプトを入力します。
```
Chicago taxi trips
```
BigQuery データキャンバスは、Dataplex メタデータに基づいて、使用可能なテーブルのリストを生成します。複数のテーブルを選択できます。
bigquery-public-data.chicago_taxi_trips.taxi_trips テーブルを選択し、[キャンバスに追加] をクリックします。

taxi_trips のテーブルノードが BigQuery データキャンバスに追加されます。スキーマ情報の表示、テーブルの詳細の表示、データのプレビューを行うには、テーブルノードにある各種タブを選択します。

プロンプト 2: 選択したテーブルで SQL クエリを生成する

bigquery-public-data.chicago_taxi_trips.taxi_trips テーブルの SQL クエリを生成するには、次の操作を行います。

データキャンバスで [クエリ] をクリックします。

[自然言語] プロンプトフィールドに次のように入力します。

Get me the 100 longest trips

BigQuery データキャンバスは、次のような SQL クエリを生成します。

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;

プロンプト 3: クエリを編集する

生成したクエリを編集するには、クエリを手動で編集するか、自然言語プロンプトを変更してクエリを再作成します。この例では、自然言語プロンプトを使用してクエリを編集し、顧客が現金で支払ったルートのみを選択します。

[自然言語] プロンプトフィールドに次のように入力します。

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

BigQuery データキャンバスは、次のような SQL クエリを生成します。

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;

上の例で、PROJECT_ID は Google Cloud プロジェクトの ID です。

クエリの結果を表示するには、[実行] をクリックします。

グラフを作成する

データキャンバスで [可視化] をクリックします。
[棒グラフの作成] をクリックします。

BigQuery データキャンバスで、ルート ID ごとに最も移動距離の長いルートを表示する棒グラフを作成します。BigQuery データキャンバスでは、グラフだけでなく、可視化の基となるデータの主な情報が要約されます。
省略可: 次のいずれかを行います。
- グラフを変更するには、[編集] をクリックし、[ビジュアリゼーションを編集] ペインでグラフを編集します。
- データキャンバスを共有するには、[共有] をクリックし、[リンクを共有] をクリックして、BigQuery データキャンバスのリンクをコピーします。
- データキャンバスをクリーンアップするには、 [その他の操作]、 [キャンバスを消去] の順に選択します。このステップを完了すると、空白のキャンバスが表示されます。

ワークフローの例: テーブルを結合する

この例では、BigQuery データキャンバスの自然言語プロンプトを使用して、データを検索し、テーブルを結合します。次に、クエリをノートブックとしてエクスポートします。

プロンプト 1: データを見つける

[自然言語] プロンプトフィールドに、次のプロンプトを入力します。
```
Information about trees
```
BigQuery データキャンバスには、ツリーに関する情報を含むテーブルがいくつか表示されます。
この例では、bigquery-public-data.new_york_trees.tree_census_1995 テーブルを選択して [キャンバスに追加] をクリックします。

表がキャンバスに表示されます。

プロンプト 2: 住所でテーブルを結合する

データキャンバスで [結合] をクリックします。

BigQuery データキャンバスに、結合するテーブルの候補が表示されます。
新しい自然言語プロンプトフィールドを開くには、[テーブルを検索] をクリックします。
[自然言語] プロンプトフィールドに、次のプロンプトを入力します。
```
Information about trees
```
bigquery-public-data.new_york_trees.tree_census_2005 テーブルを選択し、[キャンバスに追加] をクリックします。

表がキャンバスに表示されます。
データキャンバスで [結合] をクリックします。
[このキャンバス] セクションで [表セル] チェックボックスをオンにして、[OK] をクリックします。
[自然言語] プロンプトフィールドに、次のプロンプトを入力します。
```
Join on address
```
BigQuery データキャンバスで、これらの 2 つのテーブルをアドレスで結合する SQL クエリが提案されます。
```
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;
```
クエリを実行して結果を表示するには、[実行] をクリックします。

クエリをノートブックとしてエクスポートする

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

データキャンバスで [ノートブックとしてエクスポート] をクリックします。
[ノートブックを保存] ペインで、ノートブックの名前と保存先のリージョンを入力します。
[保存] をクリックします。ノートブックが正常に作成されます。
省略可: 作成したノートブックを確認するには、[開く] をクリックします。

ワークフローの例: プロンプトを使用してグラフを編集する

この例では、BigQuery データキャンバスの自然言語プロンプトを使用して、データを検索、クエリ、フィルタし、可視化の詳細を編集します。

プロンプト 1: データを見つける

米国の名前に関するデータを検索するには、次のプロンプトを入力します。
```
Find data about USA names
```
BigQuery データキャンバスがテーブルのリストを生成します。
この例では、bigquery-public-data.usa_names.usa_1910_current テーブルを選択して [キャンバスに追加] をクリックします。

プロンプト 2: データをクエリする

データをクエリするには、データキャンバスで [クエリ] をクリックし、次のプロンプトを入力します。
```
Summarize this data
```
BigQuery データキャンバスは、次のようなクエリを生成します。
```
SELECT
  state,
  gender,
  year,
  name,
  number
FROM
  `bigquery-public-data.usa_names.usa_1910_current`
```
[実行] をクリックします。クエリ結果が表示されます。

プロンプト 3: データをフィルタする

データキャンバスで [これらの結果に対してクエリを実行する] をクリックします。
データをフィルタするには、[SQL] プロンプトフィールドに次のプロンプトを入力します。
```
Get me the top 10 most popular names in 1980
```
BigQuery データキャンバスは、次のようなクエリを生成します。
```
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;
```
クエリを実行すると、1980 年に生まれた子供の最も一般的な名前を 10 個含むテーブルが返されます。

グラフを作成、編集する

データキャンバスで [可視化] をクリックします。

BigQuery データキャンバスに、棒グラフ、円グラフ、折れ線グラフ、カスタム可視化など、可視化オプションの候補が表示されます。
この例では、[棒グラフの作成] をクリックします。

BigQuery データキャンバスで、次のような棒グラフが作成されます。

BigQuery データキャンバスでは、グラフだけでなく、可視化の基となるデータの主な情報が要約されます。グラフを変更するには、[Visualization details] をクリックして、サイドパネルでグラフを編集します。

プロンプト 4: ビジュアリゼーションの詳細を編集する

[Visualization] プロンプトフィールドに次のように入力します。
```
Create a bar chart sorted high to low, with a gradient
```
BigQuery データキャンバスで、次のような棒グラフが作成されます。
省略可: 変更を加えるには、[編集] をクリックします。

[可視化を編集] ペインが表示されます。グラフのタイトル、X 軸の名前、Y 軸の名前などの詳細を編集できます。また、[JSON エディタ] タブをクリックすると、JSON 値に基づいてグラフを直接編集できます。

すべてのデータキャンバスを表示する

プロジェクト内のすべてのデータキャンバスのリストを表示するには、次の操作を行います。

Google Cloud コンソールで [BigQuery] ページに移動します。

BigQuery に移動
[エクスプローラ] ペインで、[データキャンバス] の横にある（アクションを表示）をクリックし、次のいずれかを行います。

現在のタブでリストを開くには、[すべて表示] をクリックします。
リストを新しいタブで開くには、[すべてを表示] > [新しいタブ] をクリックします。
分割タブでリストを開くには、[すべてを表示] > [タブを分割] をクリックします。

データキャンバスのメタデータを表示する

データキャンバスのメタデータを表示する手順は次のとおりです。

Google Cloud コンソールで [BigQuery] ページに移動します。

BigQuery に移動
[エクスプローラ] ペインで、プロジェクトと [データキャンバス] フォルダを開き、必要に応じて [共有データキャンバス] フォルダを開きます。メタデータを表示するデータキャンバスの名前をクリックします。
[概要] ペインで、使用されているリージョンや最終更新日など、データキャンバスに関する情報を確認します。

データキャンバスのバージョンを操作する

データキャンバスのバージョンを表示、比較、復元できます。

データキャンバスのバージョンを表示、比較する

データキャンバスの異なるバージョンを表示して、現在のバージョンと比較する手順は次のとおりです。

Google Cloud コンソールで [BigQuery] ページに移動します。

BigQuery に移動
[エクスプローラ] ペインで、プロジェクトと [データキャンバス] フォルダを開き、必要に応じて [共有データキャンバス] フォルダを開きます。アクティビティを表示するデータキャンバスの名前をクリックします。
[アクティビティ] タブをクリックすると、データキャンバスのバージョンが日付の降順で表示されます。
データキャンバスバージョンの横にある [アクションを表示] をクリックし、[比較] をクリックします。比較ペインが開き、選択したデータキャンバスのバージョンと現在のデータキャンバスのバージョンを比較します。
省略可: 個別のペインではなくインラインでバージョンを比較するには、[比較]、[インライン] の順にクリックします。

データキャンバスのバージョンを復元する

データキャンバスのバージョンを復元するには、次のいずれかのオプションを使用します。比較ペインから復元すると、復元するかどうかを選択する前に、データキャンバスの以前のバージョンを現在のバージョンと比較できます。

アクティビティペイン

[エクスプローラ] ペインで、プロジェクトと [データキャンバス] フォルダを開き、必要に応じて [共有データキャンバス] フォルダを開きます。以前のバージョンを復元するデータキャンバスの名前をクリックします。
[アクティビティ] ペインを選択します。
復元するデータキャンバスのバージョンの横にある（アクションを表示）をクリックし、[復元] をクリックします。
[確認] をクリックして、操作を確定します。

比較ペイン

[エクスプローラ] ペインで、プロジェクトと [データキャンバス] フォルダを開き、必要に応じて [共有データキャンバス] フォルダを開きます。以前のバージョンを復元するデータキャンバスの名前をクリックします。
[アクティビティ] ペインを選択します。
データキャンバスバージョンの横にある（アクションを表示）をクリックし、[比較] をクリックします。比較ペインが開き、選択したデータキャンバスのバージョンと最新のデータキャンバスのバージョンを比較します。
比較後に以前のデータキャンバスバージョンを復元する場合は、[復元] をクリックします。
[確認] をクリックして、操作を確定します。

料金

この機能の料金の詳細については、Gemini in BigQuery の料金の概要をご覧ください。

割り当てと上限

この機能の割り当てと上限については、Gemini in BigQuery の割り当てをご覧ください。

フィードバックを送信

Google にフィードバックを送信して、BigQuery データキャンバスの候補の改善にご協力ください。フィードバックを送信するには、次の操作を行います。

Google Cloud コンソールのツールバーで、[フィードバックを送信] をクリックします。
（省略可）DAG JSON 情報をコピーしてフィードバックに追加のコンテキストを提供するには、[ コピー] をクリックします。
フォームに記入してフィードバックを送信するには、[フォーム] をクリックします。

データ共有設定はプロジェクト全体に適用されます。これは、serviceusage.services.enable と serviceusage.services.list の IAM 権限を持つプロジェクト管理者のみ設定できます。Trusted Tester プログラムでのデータの使用について詳しくは、Google Cloud Trusted Tester プログラムの Gemini をご覧ください。

この機能に関するフィードバックを直接送信するには、datacanvas-feedback@google.com 宛てにメールをお送りください。

次のステップ

Gemini アシスタント機能を使用してクエリを作成する方法を学習する。
ノートブックの作成方法を学習する。

BigQuery データ キャンバスで分析する

機能

制限事項

プロンプトのベスト プラクティス

始める前に

必要なロール

BigQuery データ キャンバスを使用する

サンプル ワークフローを試す

ワークフローの例: データの検索、クエリ、可視化

プロンプト 1: データを見つける

プロンプト 2: 選択したテーブルで SQL クエリを生成する

プロンプト 3: クエリを編集する

グラフを作成する

ワークフローの例: テーブルを結合する

プロンプト 1: データを見つける

プロンプト 2: 住所でテーブルを結合する

クエリをノートブックとしてエクスポートする

ワークフローの例: プロンプトを使用してグラフを編集する

プロンプト 1: データを見つける

プロンプト 2: データをクエリする

プロンプト 3: データをフィルタする

グラフを作成、編集する

プロンプト 4: ビジュアリゼーションの詳細を編集する

すべてのデータ キャンバスを表示する

データ キャンバスのメタデータを表示する

データ キャンバスのバージョンを操作する

データ キャンバスのバージョンを表示、比較する

データ キャンバスのバージョンを復元する

アクティビティ ペイン

比較ペイン

料金

割り当てと上限

フィードバックを送信

次のステップ

BigQuery データキャンバスで分析する

プロンプトのベストプラクティス

BigQuery データキャンバスを使用する

サンプルワークフローを試す

すべてのデータキャンバスを表示する

データキャンバスのメタデータを表示する

データキャンバスのバージョンを操作する

データキャンバスのバージョンを表示、比較する

データキャンバスのバージョンを復元する

アクティビティペイン