このドキュメントでは、Gemini for Google Cloud プロダクト スイートの一部である Gemini in BigQuery が、AI を活用したアシスタンスでデータの処理を支援する方法について説明します。
Gemini in BigQuery を使用した AI アシスタンス
Gemini in BigQuery は、次の作業を支援する AI アシスタンスを提供します。
- データ インサイトを使用してデータを探索し、理解する。一般提供（GA）データ インサイトは、テーブルのメタデータから生成された有益なクエリを使用して、パターンの発見と統計分析を自動かつ直感的に行うことができます。この機能は特に初期のデータ探索におけるコールド スタートの課題に対処するのに役立ちます。 詳細については、BigQuery でデータ インサイトを生成するをご覧ください。
- BigQuery データ キャンバスを使用して、データを検出、変換、クエリ、可視化します。（一般提供）自然言語を使用して、テーブル アセットの検索、結合、クエリ、結果の可視化、プロセス全体での他のユーザーとのシームレスなコラボレーションを実行できます。詳細については、データ キャンバスで分析するをご覧ください。
- SQL と Python のデータ分析を支援する。Gemini in BigQuery を使用すると、SQL または Python でコードを生成または提案し、既存の SQL クエリを説明できます。自然言語クエリを使用してデータ分析を開始することもできます。生成方法については、次のドキュメントを参照してください。
- SQL 生成ツールを使用する（一般提供）
- SQL クエリを生成するプロンプト（一般提供）
- Gemini Cloud Assist を使用して SQL クエリを生成する（プレビュー）
- SQL クエリを完成させる（プレビュー）
- SQL クエリを説明する（一般提供）
- コード生成ツールを使用して Python コードを生成する（一般提供）
- Gemini Cloud Assist を使用して Python コードを生成する（プレビュー）
- Python コード補完（一般提供）
- 分析用データを準備する。（プレビュー版）BigQuery のデータ準備では、分析用にデータをクレンジングするためのコンテキスト対応の AI 生成変換推奨事項が提供されます。詳細については、Gemini でデータを準備するをご覧ください。
- パーティショニング、クラスタリング、マテリアライズド ビューの推奨事項をご覧ください。BigQuery で SQL ワークロードをモニタリングして、パフォーマンスの向上と費用の削減の機会を探すことができます。詳細については、以下のドキュメントをご覧ください。
- パーティションとクラスタの推奨事項を管理する（一般提供）
- マテリアライズド ビューの推奨事項を管理する（プレビュー）
- サーバーレス Apache Spark ワークロードのトラブルシューティング。（プレビュー）Gemini in BigQuery による高度なトラブルシューティングにより、ジョブエラーを説明して表面化し、遅いジョブや失敗したジョブを修正するための実行可能な推奨事項を提示できます。詳細については、高度なトラブルシューティングをご覧ください。
- 変換ルールを使用して SQL 変換をカスタマイズします。インタラクティブ SQL トランスレータを使用するときに、Gemini 拡張変換ルールを作成して SQL 変換をカスタマイズします。自然言語プロンプトを使用して SQL 変換出力の変更を記述したり、検索と置換を行う SQL パターンを指定したりできます。詳細については、変換ルールを作成するをご覧ください。
Gemini for Google Cloud がデータを使用する方法とタイミングに関する説明をご覧ください。Gemini for Google Cloud プロダクトは初期段階のテクノロジーであるため、もっともらしく見えても事実に反する出力を生成する場合があります。Gemini for Google Cloud からの出力は、使用する前に検証することをおすすめします。詳細については、Gemini for Google Cloud と責任ある AI をご覧ください。
料金
Gemini の料金をご覧ください。 Google Cloud
割り当てと上限
Gemini in BigQuery に適用される割り当てと上限については、Gemini の割り当てと上限 Google Cloud をご覧ください。
Gemini in BigQuery を操作する場所
Gemini in BigQuery を設定すると、Gemini in BigQuery を使用して BigQuery Studio で次のことができます。
- データ分析情報を生成するには、テーブル エントリの [分析情報] タブに移動します。ここでは、BigQuery データ全体でパターンの特定、品質の評価、統計の実行を行うことができます。
- データ キャンバスを使用するには、テーブルまたはクエリからデータ キャンバスを作成するか、データ キャンバスを使用して、自然言語でデータアセットを探索し、キャンバスを共有します。
- 自然言語を使用して SQL や Python コードを生成する場合や、入力にオートコンプリートで候補を表示するには、SQL クエリまたは Python コード用のSQL 生成 ツールを使用します。Gemini in BigQuery では SQL コードを自然言語で説明することもできます。
- 分析用にデータを準備するには、[新規作成] リストで [データ準備] を選択します。詳細については、BigQuery でデータ準備エディタを開くをご覧ください。
- パーティショニング、クラスタリングおよびマテリアライズド ビューに関する推奨事項を表示するには、Google Cloud コンソールのツールバーの [推奨事項]をクリックします。
Spark ジョブのトラブルシューティングを行う
高度なトラブルシューティングでは、「今何が起きているのでしょうか」、「それに対して何ができますか？」に対する自然言語の回答が提供されます。
Gemini in BigQuery を設定する
設定手順の詳細については、Gemini in BigQuery を設定するをご覧ください。
Gemini in BigQuery がデータを使用する方法
正確な結果を提供するために、Gemini in BigQuery は拡張機能のために BigQuery 内の顧客データとメタデータの両方にアクセスする必要があります。BigQuery で Gemini を有効にすると、テーブルやクエリ履歴などのデータにアクセスする権限が Gemini に付与されます。Gemini in BigQuery は、モデルのトレーニングやファインチューニングにデータを使用しません。Gemini によるデータの使用方法の詳細については、Gemini for Google Cloud によるデータの使用方法をご覧ください。
Gemini in BigQuery の拡張機能は次のとおりです。
- SQL 生成ツール
- SQL クエリを生成するプロンプト
- SQL クエリを完成させる
- SQL クエリについて説明する
- Python コードを生成する
- Python コードの補完
- データ キャンバス
- データの準備
- データ分析情報
次のステップ
- Gemini in BigQuery を設定する方法を学習する。
- Gemini アシスタンスを使用してクエリを作成する方法を学習する。
- 詳しくは、Google Cloud コンプライアンスをご覧ください。