Présentation de Gemini dans BigQuery

Ce document explique comment Gemini dans BigQuery, qui fait partie de la suite de produits Gemini pour Google Cloud, fournit une assistance optimisée par l'IA pour vous aider à exploiter vos données.

Assistance IA avec Gemini dans BigQuery

Gemini dans BigQuery fournit une assistance basée sur l'IA pour vous aider à effectuer les opérations suivantes:

  • Explorez et comprenez vos données grâce aux insights. Les insights sur les données, généralement disponibles (GA), sont un moyen automatisé et intuitif de découvrir des tendances et d'effectuer des analyses statistiques à l'aide de requêtes pertinentes générées à partir des métadonnées de vos tables. Cette fonctionnalité est particulièrement utile pour résoudre les problèmes de démarrage à froid de l'exploration précoce des données. Pour en savoir plus, consultez la section Générer des insights sur les données dans BigQuery.
  • Découvrez, transformez, interrogez et visualisez des données avec le canevas de données BigQuery. (GA) En utilisant le langage naturel, vous pouvez rechercher, joindre et interroger des composants de table, visualiser les résultats et collaborer facilement avec d'autres personnes tout au long du processus. Pour en savoir plus, consultez la section Analyser avec le canevas de données.
  • Bénéficiez d'une analyse de données assistée en SQL et Python. Vous pouvez utiliser Gemini dans BigQuery pour générer ou suggérer du code en SQL ou en Python, et pour expliquer une requête SQL existante. Vous pouvez également utiliser des requêtes en langage naturel pour commencer l'analyse des données. Pour savoir comment générer, compléter et résumer du code, consultez la documentation suivante :
  • Préparer les données pour l'analyse (Preview) La préparation des données dans BigQuery vous fournit des recommandations de transformation générées par IA et adaptées au contexte pour nettoyer les données à des fins d'analyse. Pour en savoir plus, consultez la section Préparer des données avec Gemini.
  • Optimisez votre infrastructure de données avec des recommandations de partitionnement, de clustering et de vues matérialisées. Vous pouvez laisser BigQuery surveiller vos charges de travail SQL afin d'identifier les opportunités d'amélioration des performances et de réduction des coûts. Pour en savoir plus, consultez la documentation suivante :
  • Autotune et dépannage des charges de travail Apache Spark sans serveur (Preview) L'ajustement automatique peut optimiser automatiquement les tâches Spark en appliquant des paramètres de configuration à une charge de travail Spark récurrente en fonction des bonnes pratiques et d'une analyse des exécutions de charges de travail précédentes. Le dépannage avancé avec Gemini dans BigQuery peut expliquer et signaler les erreurs de tâche, et peut proposer des recommandations pratiques pour résoudre les tâches lentes ou qui ont échoué. Pour en savoir plus, consultez les pages Autoréglage des charges de travail Spark et Dépannage avancé.
  • Personnalisez vos traductions SQL à l'aide de règles de traduction. (Preview) Créez des règles de traduction améliorées par Gemini pour personnaliser vos traductions SQL lorsque vous utilisez le traducteur SQL interactif. Vous pouvez décrire les modifications apportées au résultat de la traduction SQL à l'aide d'invites en langage naturel ou spécifier des modèles SQL à rechercher et à remplacer. Pour en savoir plus, consultez la section Créer une règle de traduction.
Les grands modèles de langage (LLM) Gemini utilisés par Gemini dans BigQuery sont entraînés sur des ensembles de données de code public, de matériel spécifique à Google Cloud et d'autres informations techniques pertinentes, en plus des ensembles de données utilisés pour entraîner les modèles de base Gemini. Les modèles sont entraînés pour que les réponses Gemini dans BigQuery soient aussi utiles que possible pour les utilisateurs de Gemini dans BigQuery.

Découvrez comment et quand Gemini pour Google Cloud utilise vos données. En tant que nouvelle technologie, il se peut que les produits Gemini pour Google Cloud génèrent des résultats qui semblent plausibles, mais qui sont en fait incorrects. Nous vous recommandons de valider toutes les sorties des produits Gemini pour Google Cloud avant de les utiliser. Pour en savoir plus, consultez la section Gemini pour Google Cloud et l'IA responsable.

Tarifs

Consultez les Tarifs de Gemini pour Google Cloud.

Quotas et limites

Pour connaître les quotas et les limites qui s'appliquent à Gemini dans BigQuery, consultez la page Quotas et limites de Gemini pour Google Cloud.

Où interagir avec Gemini dans BigQuery

Une fois que vous avez configuré Gemini dans BigQuery, vous pouvez l'utiliser dans BigQuery pour effectuer les opérations suivantes dans BigQuery Studio:

  • Pour utiliser les insights sur les données, accédez à l'onglet Insights d'une entrée de table. Vous pourrez y identifier des tendances, évaluer la qualité et exécuter des analyses statistiques sur vos données BigQuery.
  • Pour utiliser un canevas de données, créez-en un ou utilisez-en un à partir d'un tableau ou d'une requête afin d'explorer des composants de données avec le langage naturel et de partager vos canevas.
  • Pour générer du code SQL ou Python à l'aide du langage naturel, ou recevoir des suggestions avec la saisie semi-automatique lorsque vous saisissez du texte, utilisez l'outil de génération SQL pour vos requêtes SQL ou votre code Python. Gemini dans BigQuery peut également expliquer votre code SQL en langage naturel.
  • Pour préparer les données à l'analyse, dans la liste Créer, sélectionnez Préparation des données. Pour en savoir plus, consultez la section Ouvrir l'éditeur de préparation des données dans BigQuery.
  • Pour afficher des recommandations concernant le partitionnement, le clustering et les vues matérialisées, cliquez sur Recommandations dans la barre d'outils de la console Google Cloud.

Auto-ajuster et résoudre les problèmes des tâches Spark

L'auto-tuning peut vous aider à optimiser vos charges de travail Spark pour améliorer les performances et la résilience. Au lieu de configurer manuellement les paramètres, Gemini dans BigQuery peut appliquer les bonnes pratiques aux charges de travail récurrentes, puis vous aider à comprendre et à surveiller votre réglage automatique. Le dépannage avancé fournit des réponses en langage naturel à la question "Qu'est-ce qui a été configuré automatiquement ?", "Que se passe-t-il ?" et "Que puis-je faire ?"

Configurer Gemini dans BigQuery

Pour connaître la procédure de configuration détaillée, consultez la page Configurer Gemini dans BigQuery.

Étape suivante