ניתוח נתונים באמצעות Gemini CLI
באמצעות Gemini CLI עם תוספים ייעודיים של BigQuery, אתם יכולים לקיים אינטראקציה עם הנתונים בטרמינל באמצעות הנחיות בשפה טבעית. כשמביאים את העזרה מבוססת ה-AI ישירות לשורת הפקודה, אפשר לנתח טבלאות אישיות וציבוריות ולהפיק תובנות בלי לעבור לסביבה אחרת.
התוספים האלה מספקים כלים נפוצים לניתוח נתונים וקבלת תובנות. כדי ליצור כלים משלכם, קראו את המאמר שימוש ב-BigQuery עם MCP, Gemini CLI וסוכנים אחרים.
מידע על Gemini CLI ותוספים
Gemini CLI הוא סוכן AI בממשק שיחה בקוד פתוח מבית Google, שמאיץ את תהליכי הפיתוח ועוזר בכתיבת קוד, בניפוי באגים, בניתוח נתונים וביצירת תוכן. הוא מציע חוויה מבוססת-סוכן לאינטראקציה עם שירותי Data Cloud, כמו BigQuery, ומסדי נתונים פופולריים אחרים ומסדי נתונים בקוד פתוח של Google Cloud .
למידע נוסף על Gemini CLI, קראו את המסמכים של Gemini CLI.
איך תוספים פועלים
התוספים מרחיבים את היכולות של Gemini CLI, ומאפשרים לו להתחבר לשירותים ספציפיים של Google Cloud ולכלים אחרים, ולשלוט בהם. התוספים מספקים ל-Gemini הקשר והבנה של ה-API, ומאפשרים אינטראקציה בשיחה. אפשר לטעון את התוספים מכתובות URL של GitHub, מספריות מקומיות או ממרשמים. התוספים האלה מציעים כלים, פקודות דרך שורת הפקודות והנחיות. הם נפרדים מתוספים של סביבת פיתוח משולבת (IDE), כמו Gemini Code Assist, שמשתלבים באמצעות MCP Toolbox.
מידע על התוספים של BigQuery
ב-BigQuery יש את התוספים הבאים לעבודה עם נתונים ב-BigQuery דרך Gemini CLI:
- תוסף BigQuery Data Analytics
- אתם יכולים להשתמש בתוסף הזה כדי למצוא נתונים, לקבל מידע נוסף על טבלאות ב-BigQuery וקבוצות נתונים, ולשאול שאלות בשפה טבעית על קבוצות הנתונים שלכם. אתם יכולים גם ליצור תחזיות או להריץ ניתוח מדדים עיקריים באמצעות כלים מתקדמים מובנים. הכלים בתוסף הזה עוזרים ל-Gemini CLI לכתוב שאילתות SQL על סמך השאלות שלכם בשפה טבעית, ואז להריץ את השאילתות כדי לספק תשובות לשאלות שלכם.
- תוסף BigQuery Conversational Analytics
- התוסף הזה מאפשר לקבל תובנות מתקדמות מהנתונים ב-BigQuery באמצעות סוכן ניתוח נתונים בצד השרת שמתארח מראש. הכלים בתוסף הזה עוזרים ל-Gemini CLI לשלוח את השאלה שלכם בשפה טבעית לסוכן מובנה ומארח, ולהגיב עם תובנות מעמיקות יותר מהנתונים שלכם.
כלי ניתוח נתונים ב-BigQuery
תוסף ניתוח הנתונים של BigQuery כולל את הכלים הבאים:
| קטגוריה | כלי | דוגמה לפרומפט בשפה טבעית |
|---|---|---|
| מידע על מערכי נתונים וטבלאות | get_dataset_info |
קבלת מידע על מערך הנתונים bigquery-public-data.pypi |
get_table_info |
קבלת מידע על הטבלה bigquery-public-data.pypi.file_downloads | |
list_dataset_ids |
הצגת רשימה של כל מערכי הנתונים של ML בפרויקט bigquery-public-data | |
list_table_ids |
הצגת כל הטבלאות במערך הנתונים bigquery-public-data.pypi | |
| חיפוש | search_catalog |
חיפוש טבלאות שקשורות להורדות של PyPi |
| הרצת SQL | execute_sql |
Using bigquery-public-data.pypi.file_downloads, show me the top 10 downloaded pypi packages this month |
| חיזוי של סדרות זמנים | forecast |
Using bigquery-public-data.pypi.file_downloads, forecast the downloads for the last four months of 2025 for package urllib3 |
| ניתוח מדדים עיקריים | analyze_contribution |
ניתוח התרומה של המדינה להכנסות בטבלה bigquery-public-data.google_analytics_sample.ga_sessions_20170801 |
כלי ניתוח נתונים בממשק שיחה
תוסף הניתוח באמצעות שיחה כולל את הכלים הבאים:
| קטגוריה | כלי | דוגמה לפרומפט בשפה טבעית |
|---|---|---|
| חיפוש | search_catalog |
חיפוש טבלאות שקשורות להורדות של PyPi |
| ניתוח נתונים בממשק שיחה | ask_data_insights |
בעזרת הכלי ask_data_insights והטבלאות ב-bigquery-public-data.google_analytics_sample, תגיד לי באילו ערוצים כדאי לי להתמקד ולמה |
לפני שמתחילים
לפני שמתחילים, צריך:
- גישה לפרויקט אחד לפחות ב- Google Cloud .
בתוסף Data Analytics, מפעילים את ממשקי ה-API הבאים:
- BigQuery
- כדי להשתמש בכלי
search_catalog: Knowledge Catalog
כדי להשתמש בתוסף לניתוח נתונים בממשק שיחה, צריך להפעיל את ממשקי ה-API הבאים:
- BigQuery
- Knowledge Catalog
- כדי להשתמש בכלי
ask_data_insights: Gemini for Google Cloud API, Gemini ו-Data Analytics API עם Gemini
התפקידים הנדרשים
כדי לקבל את ההרשאות שדרושות לשימוש בתוספים של BigQuery עם Gemini CLI, בקשו מהאדמין להקצות לכם את תפקידי ה-IAM הבאים במשאבים של מנהל המשאבים (פרויקטים, תיקיות וארגונים) או במשאבים ברמה נמוכה יותר, כמו מערכי נתונים:
-
הרצת שאילתות BigQuery בפרויקט ב- Google Cloud :
משתמש BigQuery (
roles/bigquery.user) -
כדי לקבל מטא-נתונים של טבלאות ומערכי נתונים ב-BigQuery, משתמשים בכלי המטא-נתונים הבסיסיים:
BigQuery Metadata Viewer (
roles/bigquery.metadataViewer) -
שימוש בתוסף לניתוח שיחות:
משתמש Gemini ל-Google Cloud (
roles/cloudaicompanion.user)
להסבר על מתן תפקידים, ראו איך מנהלים את הגישה ברמת הפרויקט, התיקייה והארגון.
יכול להיות שאפשר לקבל את ההרשאות הנדרשות גם באמצעות תפקידים בהתאמה אישית או תפקידים מוגדרים מראש.
התקנת התוספים של BigQuery
מתקינים את התוספים של BigQuery ומשתמשים בהם כדי לחקור ולנתח את הנתונים.
מגדירים את משתני הסביבה כדי להתחבר לפרויקט ב-BigQuery:
export BIGQUERY_PROJECT="PROJECT_ID"מחליפים את
PROJECT_IDבמזהה הפרויקט ב- Google Cloud.אפשר גם להגדיר את משתני הסביבה האופציונליים הבאים:
BIGQUERY_LOCATION: המיקום של קבוצת הנתונים, לדוגמה:export BIGQUERY_LOCATION="us"-
BIGQUERY_USE_CLIENT_OAUTH: אם להשתמש ב-OAuth בצד הלקוח, לדוגמה:export BIGQUERY_USE_CLIENT_OAUTH=true
מתקינים את התוסף BigQuery Data Analytics או את התוסף Conversational Analytics באמצעות הפקודה
gemini extension install:אופציונלי: מתקינים את התוסף BigQuery Data Analytics:
gemini extensions install https://github.com/gemini-cli-extensions/bigquery-data-analyticsאופציונלי: מתקינים את התוסף BigQuery conversational analytics:
gemini extensions install https://github.com/gemini-cli-extensions/bigquery-conversational-analytics
מפעילים את Gemini CLI במצב אינטראקטיבי כדי לחקור ולנתח את הנתונים:
geminiממשק ה-CLI טוען באופן אוטומטי את התוסף של BigQuery ואת הכלים שלו, שבהם אתם יכולים להשתמש כדי לבצע פעולות בנתונים.
דוגמאות להנחיות לבדיקה וניתוח של הנתונים
מזינים הנחיות ב-Gemini CLI. אתם יכולים להשתמש בדוגמאות הבאות כדי להתחיל.
עיון בטבלאות וניתוח שלהן
ההנחיות לדוגמה הבאות מאפשרות לכם לחקור ולנתח את הטבלאות שלכם.
הנחיה לדוגמה למציאת טבלאות שקשורות להורדות של PyPi:
Find tables related to PyPi downloadsדוגמה לתשובה
Gemini CLI מחזיר רשימה של טבלאות קשורות:
✦ I found the following tables related to PyPi downloads: * file_downloads: projects/bigquery-public-data/datasets/pypi/tables/file_downloads * distribution_metadata: projects/bigquery-public-data/datasets/pypi/tables/distribution_metadataהנחיה לדוגמה להצגת עשר חבילות ה-PyPI שהורדו הכי הרבה החודש:
Using bigquery-public-data.pypi.file_downloads, show me the top 10 downloaded pypi packages this monthדוגמה לתשובה
Gemini CLI מחזיר את 10 החבילות המובילות:
✦ Here are the top 10 most downloaded PyPI packages this month: 1. boto3: 685,007,866 downloads 2. botocore: 531,034,851 downloads 3. urllib3: 512,611,825 downloads 4. requests: 464,595,806 downloads 5. typing-extensions: 459,505,780 downloads 6. certifi: 451,929,759 downloads 7. charset-normalizer: 428,716,731 downloads 8. idna: 409,262,986 downloads 9. grpcio-status: 402,535,938 downloads 10. aiobotocore: 399,650,559 downloads
קבלת תובנות מעמיקות יותר באמצעות הכלי ask_data_insights
הכלי ask_data_insights מפעיל סוכן ב-Conversational Analytics API של BigQuery כדי לענות על השאלות שלכם. הסוכן בצד השרת אוסף הקשר נוסף לגבי הנתונים ומציע תובנות נוספות.
הנחיה לדוגמה לקבלת תובנות לגבי ערוצים שכדאי להתמקד בהם:
Using ask_data_insights and using the tables under bigquery-public-data.google_analytics_sample, tell me the channels I should focus on and whyדוגמה לתשובה
Gemini CLI מחזיר המלצות על סמך הניתוח:
Based on the analysis of the Google Analytics sample data, here are the channels you should focus on and why: | Channel | Total Visits | Total Pageviews | Total Transactions | Total Revenue | | ---------------- | ------------ | --------------- | ------------------ | ------------- | | Referral | 104,838 | 707,597 | 5,543 | $651,429.91 | | Direct | 143,026 | 584,840 | 2,219 | $434,840.55 | | Organic Search | 381,561 | 1,569,218 | 3,581 | $326,380.51 | | Display | 6,262 | 34,202 | 152 | $78,337.46 | | Paid Search | 25,326 | 136,060 | 479 | $43,558.90 | | Social | 226,117 | 398,690 | 131 | $4,916.54 | | Affiliates | 16,403 | 47,417 | 9 | $597.38 | | (Other) | 120 | 442 | 1 | $9.99 | Recommendations: 1. Prioritize referral traffic: * Why: This is a highly valuable channel. It brings in the most revenue and has a high number of transactions, despite not having the highest number of visits. This indicates that traffic from referrals is highly qualified and converts well. * Action: Identify your top referring websites and build stronger relationships with them. Look for similar websites to partner with. 2. Nurture your direct traffic: * Why: Direct traffic is your second-highest revenue source. These are likely returning customers or people who know your brand well.
תמחור
אין עלות נוספת על שימוש בכלים של מטא-נתונים (כמו get_dataset_info, get_table_info, list_dataset_ids ו-list_table_ids) או על שימוש בכלי search_catalog.
כלים שמריצים שאילתות, כולל execute_sql, forecast ו-analyze_contribution, מחויבים לפי התמחור על פי דרישה של BigQuery או לפי התמחור מבוסס-הקיבולת של BigQuery, בהתאם להגדרות הפרויקט.
במהלך גרסת הבטא (לפני גרסה 1.0), הכלי ask_data_insights מוצע ללא עלות נוספת, אבל כל שאילתות BigQuery שהכלי הזה מפעיל מחויבות לפי התמחור הרגיל של BigQuery.