Panoramica degli insight sui dati

Puoi utilizzare gli insight sui dati per esplorare dati non familiari tramite descrizioni, grafici delle relazioni e query SQL generati dall'AI. Questa funzionalità di Gemini in BigQuery analizza i metadati per aiutarti a comprendere rapidamente le strutture e i contenuti dei dati. Questi insight ti consentono di iniziare l'analisi senza una configurazione manuale estesa.

Prima di iniziare

Gli insight sui dati vengono generati utilizzando Gemini in BigQuery. Per iniziare a generare insight, devi prima configurare Gemini in BigQuery.

Tipi di insight sui dati

Puoi generare insight sui dati a livello di tabella o di set di dati:

  • Per le tabelle: Gemini genera domande in linguaggio naturale e i relativi equivalenti SQL per aiutarti a comprendere i dati all'interno di una singola tabella. Tramite gli insight sulle tabelle, puoi rilevare pattern di dati, anomalie, outlier o problemi di qualità all'interno di una tabella. Gemini genera anche descrizioni di tabelle e colonne.

  • Per i set di dati e gli spazi dei nomi Apache Iceberg: Gemini genera un grafico interattivo delle relazioni che mostra le relazioni tra tabelle e le query SQL tra tabelle per aiutarti a capire come sono correlate le tabelle in un set di dati. Tramite i grafici delle relazioni, puoi scoprire come vengono derivati i dati, il che può aiutarti a risolvere problemi di qualità, coerenza o ridondanza. Tramite le query tra tabelle, puoi trovare relazioni più ampie. Ad esempio, puoi calcolare le entrate per segmento di clienti sfruttando i dati di una tabella delle vendite e di una tabella dei clienti.

    Poiché gli spazi dei nomi Iceberg sono rappresentati in modo nativo come set di dati in BigQuery, puoi generare gli stessi insight a livello di set di dati direttamente sugli spazi dei nomi Iceberg.

Per approfondire, puoi fare domande aggiuntive in Data Canvas.

Insight tabella

Gli insight sulle tabelle ti aiutano a comprendere i contenuti, la qualità e i pattern all'interno di una singola tabella BigQuery. Ad esempio, generando query che eseguono analisi statistiche, puoi utilizzare gli insight sulle tabelle per rilevare pattern, anomalie e outlier dei dati. Gli insight sulle tabelle possono anche aiutarti a rilevare problemi di qualità, soprattutto quando sono disponibili scansioni di profilazione dei dati per una tabella. Quando generi insight per una tabella, Gemini fornisce la descrizione della tabella, le descrizioni delle colonne e l'output della scansione del profilo in base ai metadati della tabella. Sono disponibili le seguenti opzioni:

  • Genera query: suggerisce domande in linguaggio naturale e fornisce le query SQL corrispondenti per rispondere. In questo modo puoi individuare pattern, valutare la qualità dei dati ed eseguire analisi statistiche senza scrivere codice SQL da zero.
  • Genera descrizioni: genera descrizioni per la tabella e le relative colonne. Gemini utilizza l'output della scansione di profilazione (se disponibile) per basare le descrizioni generate. Puoi rivedere, modificare e pubblicare queste descrizioni in Knowledge Catalog per migliorare la rilevabilità e la documentazione dei dati.

Insight sul set di dati

Gli insight sui set di dati ti aiutano a comprendere le relazioni e i percorsi di join tra più tabelle all'interno di un set di dati BigQuery (o di uno spazio dei nomi Iceberg rappresentato come set di dati), fornendo una visione olistica dei contenuti. Quando generi insight per un set di dati o uno spazio dei nomi, Gemini fornisce quanto segue:

  • Descrizione del set di dati: fornisce un riepilogo del set di dati generato con l'AI.
  • Relazioni: mostra una mappa visiva e interattiva che mostra le relazioni tra le tabelle all'interno del set di dati. Puoi passare il mouse sopra i collegamenti per visualizzare i dettagli delle relazioni, ad esempio le chiavi di join.
  • Tabella delle relazioni: presenta una visualizzazione tabulare delle relazioni tra le tabelle, incluse le chiavi esterne e i join dedotti. Le relazioni possono essere definite dallo schema (dai vincoli di chiave primaria ed esterna), basate sull'utilizzo (dai log delle query) o dedotte da Gemini in base ai nomi e alle descrizioni di tabelle e colonne.
  • Suggerimenti per le query: offre query SQL di esempio che mostrano come unire i dati di tabelle diverse, in base alle relazioni identificate.

Esempio di insight sui dati della tabella

Considera una tabella denominata telco_churn con colonne come CustomerID, Tenure, InternetService, Contract, MonthlyCharges e Churn. La tabella seguente descrive lo schema della tabella.

Nome campo Tipo
CustomerID STRING
Gender STRING
Tenure INT64
InternetService STRING
StreamingTV STRING
OnlineBackup STRING
Contract STRING
TechSupport STRING
PaymentMethod STRING
MonthlyCharges FLOAT64
Churn BOOL

Insight sui dati genera le seguenti query di esempio per questa tabella:

  • Identifica i clienti che hanno sottoscritto tutti i servizi premium e sono clienti da più di 50 mesi.

    SELECT
  CustomerID,
  Contract,
  Tenure
FROM
  agentville_datasets.telco_churn
WHERE
  OnlineBackup = 'Yes'
  AND TechSupport = 'Yes'
  AND StreamingTV = 'Yes'
  AND Tenure > 50;

  • Identifica il servizio internet con il maggior numero di clienti che hanno abbandonato.

    SELECT
  InternetService,
  COUNT(DISTINCT CustomerID) AS customers
FROM
  agentville_datasets.telco_churn
WHERE
  Churn = TRUE
GROUP BY
  InternetService
ORDER BY
  customers DESC
LIMIT 1;

Esempio di insight sui dati del set di dati

Considera un set di dati contenente le tabelle order_items e inventory_items. Gli insight sul set di dati possono dedurre che order_items.inventory_item_id è correlato a inventory_items.id.

In base a queste relazioni, Gemini potrebbe generare la seguente query tra tabelle:

Identifica le prime 5 categorie di prodotto con il prezzo di vendita medio più alto e il costo medio corrispondente.

SELECT
  ii.product_category,
  AVG(oi.sale_price) AS avg_sale_price,
  AVG(ii.cost) AS avg_cost
FROM
  `ecommerce_data.order_items` AS oi
JOIN
  `ecommerce_data.inventory_items` AS ii
ON oi.inventory_item_id = ii.id
GROUP BY
  ii.product_category
ORDER BY
  avg_sale_price DESC
LIMIT 5;

Flussi di lavoro degli insight sui dati

Questa sezione descrive i flussi di lavoro chiave che i diversi ruoli utente possono eseguire utilizzando la funzionalità di insight sui dati in BigQuery.

Workflows per i consumer di dati

Questi flussi di lavoro si concentrano sulle attività per data analyst, business analyst e altri utenti che devono trovare, comprendere e analizzare i dati.

  • Comprendere una tabella BigQuery: comprendere rapidamente lo schema, i contenuti e i potenziali utilizzi di una tabella specifica. Dopo aver selezionato una tabella in BigQuery Studio, puoi eseguire le seguenti attività:

    • Esamina le descrizioni di tabelle e colonne generate automaticamente.

    • Esamina le domande in linguaggio naturale suggerite e le query SQL equivalenti per comprendere le sfumature dei dati.

    • Adatta ed esegui le query suggerite per iniziare l'analisi.

    Per saperne di più sulla generazione e sulla visualizzazione degli insight sulle tabelle, consulta Genera insight sulle tabelle.

  • Esplora un intero set di dati o spazio dei nomi: scopri le relazioni tra le tabelle all'interno di un set di dati (o uno spazio dei nomi Iceberg rappresentato come set di dati) e comprendi la sua struttura complessiva. Dopo aver selezionato un set di dati in BigQuery Studio, puoi eseguire le seguenti attività:

    • Genera e visualizza insight sui set di dati.

    • Utilizza il grafico interattivo delle relazioni per visualizzare le connessioni tra le tabelle.

    • Analizza la tabella delle relazioni per le chiavi di join e i tipi di connessione (definiti dallo schema, basati sull'utilizzo, dedotti dall'LLM).

    • Utilizza le query SQL suggerite tra tabelle per eseguire query su più tabelle in modo efficace.

    Per saperne di più sulla generazione e sulla visualizzazione degli insight sui set di dati, consulta Genera insight sui set di dati.

Workflows per i producer di dati

Questi workflow sono destinati a data engineer, analytics engineer e altri utenti che creano e gestiscono asset di dati.

  • Genera la documentazione dei dati di base: crea e gestisci automaticamente le descrizioni dei metadati essenziali. Puoi eseguire le seguenti attività:

    • Dopo la creazione o la modifica della tabella, attiva gli insight sui dati per generare descrizioni di tabelle e colonne. Puoi anche generare queste descrizioni su larga scala utilizzando l'API di generazione automatica dei metadati di Knowledge Catalog.

    • Rivedi e perfeziona il testo generato dall'AI per garantire l'accuratezza tecnica e la pertinenza aziendale.

    Per saperne di più sulla generazione di descrizioni di tabelle e colonne, consulta Genera insight sulle tabelle.

  • Migliorare la comprensione dei set di dati per gli utenti: semplifica la comprensione e l'utilizzo dei set di dati forniti da parte dei consumatori. Puoi eseguire le seguenti attività:

    • Genera insight sui set di dati principali, in particolare quelli con relazioni complesse.

    • Personalizza gli insight generati in base al contesto aziendale specifico della tua organizzazione fornendo istruzioni personalizzate che definiscono gli obiettivi chiave, le conoscenze del dominio e la terminologia. Ad esempio, puoi applicare convenzioni di denominazione, specificare definizioni aziendali o descrivere chiavi di join.

    • Assicurati che le scansioni di profilazione dei dati vengano eseguite sulle tabelle per fornire un contesto dettagliato per insight più accurati e utili.

    Per saperne di più, consulta Genera insight sul set di dati e Fonda gli insight sui risultati della profilazione dei dati.

Workflows per i data steward

Questi workflow supportano i data steward e i team di governance nel mantenere l'integrità e l'affidabilità dei dati.

  • Convalida e controlla i metadati generati dall'AI: assicurati che i metadati prodotti dagli insight sui dati siano accurati e affidabili. Puoi eseguire le seguenti attività:

    • Rivedi regolarmente le descrizioni e le relazioni generate dalla funzionalità di insight.

    • Fai un controllo incrociato delle relazioni dedotte nel grafico delle relazioni con i modelli di dati e la logica di business stabiliti.

    • Esamina e correggi le imprecisioni nei metadati generati dall'AI.

    Per saperne di più, consulta Genera insight sulle tabelle e Genera insight sui set di dati.

Prezzi

Per i dettagli sui prezzi di questa funzionalità, consulta Prezzi di Data Cloud Agent.

Quote e limiti

Per informazioni su quote e limiti per questa funzionalità, vedi Quote per Gemini in BigQuery.

Limitazioni

Gli insight sui dati presentano le seguenti limitazioni:

  • Gli insight sui dati sono disponibili per le tabelle BigQuery, le tabelle BigLake, le tabelle esterne, le viste e gli spazi dei nomi Iceberg.

  • Per i clienti multi-cloud, i dati di altri cloud non sono disponibili.

  • Gli insight sui dati non supportano i tipi di colonna GEO o JSON.

  • Le esecuzioni di Insights non garantiscono la presentazione delle query ogni volta. Per aumentare la probabilità di generare query più coinvolgenti, avvia nuovamente la pipeline di insight.

  • Per le tabelle con controllo dell'accesso a livello di colonna e autorizzazioni utente limitate, puoi generare insight se disponi dell'accesso in lettura a tutte le colonne della tabella. Per eseguire le query generate, devi disporre di autorizzazioni sufficienti.

  • Gemini genera descrizioni delle colonne per un massimo di 350 colonne in una tabella.

  • Per gli insight sui set di dati, non puoi modificare le relazioni nel grafico delle relazioni.

  • La generazione di nuovi insight sul set di dati sovrascrive gli insight precedenti per quel set di dati.

  • Gli insight sui set di dati non supportano i set di dati collegati.

Località

Puoi utilizzare gli insight sui dati in tutte le località BigQuery. Per scoprire dove Gemini in BigQuery elabora i tuoi dati, consulta Dove Gemini in BigQuery elabora i tuoi dati.

Passaggi successivi