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 travailler avec vos données.
Assistance IA avec Gemini dans BigQuery
Gemini dans BigQuery fournit une assistance IA pour vous aider à effectuer les opérations suivantes:
- Explorer et comprendre vos données grâce aux insights Les insights sur les données offrent un moyen automatisé et intuitif d'identifier 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 relever les défis 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. Vous pouvez utiliser le langage naturel avec Gemini dans BigQuery pour rechercher, joindre et interroger des composants de table, visualiser les résultats et collaborer facilement avec d'autres utilisateurs tout au long du processus. Pour en savoir plus, consultez Analyser avec le canevas de données.
- Bénéficiez d'une analyse des 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:
- Aide au code SQL
- Aide au code Python
- Préparer les données pour l'analyse La préparation des données dans BigQuery vous fournit des recommandations de transformation générées par IA en fonction du contexte pour nettoyer les données à des fins d'analyse. Pour en savoir plus, consultez la section Préparer des données avec Gemini.
- Personnalisez vos traductions SQL à l'aide de règles de traduction. (Preview) Créez des règles de traduction optimisées 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.
Sans votre autorisation expresse, Gemini pour Google Cloud n'utilise pas vos requêtes ni ses réponses comme des données destinées à l'entraînement de ses modèles. Pour en savoir plus sur la manière dont Google utilise vos données, consultez Utilisation de vos données par Gemini pour Google Cloud .
Découvrez comment et quand Gemini pour Google Cloud utilise vos données. Comme il s'agit d'une technologie encore à un stade précoce, 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 Gemini pour Google Cloud et l'IA responsable.
Tarifs
Pour en savoir plus sur les tarifs de Gemini, consultez la page Tarifs de Gemini 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 générer des 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'une table ou d'une requête afin d'explorer des composants de données en langage naturel et de partager vos canevas.
- Pour générer du code SQL ou Python à l'aide du langage naturel, ou pour recevoir des suggestions avec la saisie semi-automatique lorsque vous saisissez du texte, utilisez l'outil de génération de code 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.
Configurer Gemini dans BigQuery
Pour connaître la procédure de configuration détaillée, consultez la page Configurer Gemini dans BigQuery.
Comment Gemini dans BigQuery utilise vos données
Afin de fournir des résultats précis, Gemini dans BigQuery doit accéder à vos données et métadonnées client dans BigQuery pour les fonctionnalités améliorées. L'activation de Gemini dans BigQuery accorde à Gemini l'autorisation d'accéder à ces données, y compris à l'historique de vos tables et requêtes. Gemini dans BigQuery n'utilise pas vos données pour entraîner ni affiner ses modèles. Pour en savoir plus sur la manière dont Gemini utilise vos données, consultez la section Utilisation de vos données par Gemini pour Google Cloud .
Voici les fonctionnalités améliorées de Gemini dans BigQuery:
- Outil de génération SQL
- Requête permettant de générer des requêtes SQL
- Exécuter une requête SQL
- Expliquer une requête SQL
- Générer du code Python
- Complétion de code Python
- Canevas de données
- Préparation des données
- Les insights sur les données
Étape suivante
- Découvrez les dernières améliorations et corrections dans les notes de version.
- Découvrez comment configurer Gemini dans BigQuery.
- Découvrez comment écrire des requêtes avec l'aide de Gemini.
- En savoir plus sur la conformitéGoogle Cloud