Speaker A
Jak pewnie wiecie, środowisko Google i narzędzia google'owe cały czas są stale rozwijane. AI też się stale rozwija i w związku z tym w różnych narzędziach pojawiają się coraz to nowe opcje.
Prezentacja nowej funkcji czatu AI w Google BigQuery umożliwiającej szybkie zapytania i analizę danych bez pisania SQL.
Key Takeaways
- Nowa funkcja czatu AI w BigQuery ułatwia szybkie zapytania do danych bez znajomości SQL.
- AI automatycznie generuje i wykonuje zapytania SQL na podstawie zadanych pytań.
- Korzystanie z tej funkcji generuje przetwarzanie danych, co może wiązać się z kosztami poza darmowym limitem.
- Funkcja dostarcza nie tylko odpowiedzi, ale też cenne insighty i propozycje dalszych pytań.
- To narzędzie jest idealne do szybkiej analizy danych bez konieczności integracji z innymi AI.
Summary
- Google BigQuery wprowadziło funkcję czatowania z danymi za pomocą AI.
- Użytkownik może zadawać pytania o dane, a AI generuje i wykonuje zapytania SQL automatycznie.
- AI ma dostęp do schematu tabeli i może wyciągać potrzebne informacje bezpośrednio z bazy.
- Przykładowe pytania to np. liczba klientów z Warszawy czy najpopularniejszy kanał pozyskiwania klientów.
- AI zwraca nie tylko wyniki, ale także dodatkowe insighty i sugestie pytań.
- Ważne jest, że każde zapytanie generuje przetwarzanie danych, co może wiązać się z kosztami powyżej darmowego limitu 1 TB.
- Funkcja jest idealna do szybkiego, prostego odpytania bazy bez konieczności pisania skomplikowanych zapytań SQL.
- Nie generuje dynamicznych dashboardów, ale dostarcza wartościowe i szybkie odpowiedzi.
- Dzięki integracji z BigQuery nie trzeba korzystać z zewnętrznych AI ani tworzyć dużych promptów.
- Zachęta do eksperymentowania i nauki z nową funkcją AI w BigQuery.
Chapters
- 00:00Wprowadzenie do rozwoju narzędzi Google i AI
- 00:17Nowa funkcja czatu w Google BigQuery
- 00:23Przykład zadawania pytań AI o dane
- 00:59Jak AI generuje i wykonuje zapytania SQL
- 01:48Koszty przetwarzania danych w BigQuery
- 02:36Prezentacja insightów i wyników AI
- 03:09Ograniczenia i zalety czatu AI w BigQuery
- 03:21Podsumowanie i zachęta do eksperymentów
Full Transcript — Download SRT & Markdown
Speaker A
I niedawno w Google BigQuery pojawiła się nowa funkcja w postaci czatowania z naszymi danymi.
Speaker A
Tak jak wcześniej pokazałem wam, jak pisać zapytania SQL, żeby dostać informacje w postaci tabeli, którą możemy sobie później wykorzystać, to mamy również tutaj opcję czatu, gdzie możemy zapytać po prostu AI o nasze dane, jeżeli mamy jakieś konkretne pytanie. I powiedzmy, zadamy sobie to samo pytanie,
Speaker A
które przed chwilą, na przykład: "Ilu klientów miałem z Warszawy?" Tutaj jest znak zapytania i klikam tutaj "wyślij". Działa to identycznie jak czat, którego mamy w Gemini, tylko on ma dostęp do naszej tabeli danych, ma dostęp do jej schematów, jak ona wygląda.
Speaker A
W związku z tym może z tej tabeli od razu wyciągnąć dla nas potrzebne informacje.
Speaker A
Pod spodem, kiedy czekamy, aż on wygeneruje tę odpowiedź, to on sam tworzy właśnie zapytanie SQL, uruchamia to zapytanie, pobiera te informacje z tego zapytania i później wizualizuje nam te dane z informacją właśnie o wyniku. Zgadza się, mam czterech
Speaker A
klientów z Warszawy. I dodatkowo, co jest bardzo cenne, daje nam od razu jakiś insight, jakąś informację, że z bazy danych wynika, że w Warszawie zarejestrowanych jest czterech unikalnych klientów.
Speaker A
Zgadza się, mam od razu tę informację. Też daje mi tutaj przykład innych pytań, które mogę zadać o moją konkretną bazę danych, na przykład: "Jaki kanał pozyskiwania klientów jest najpopularniejszy w Warszawie?" Super, zaproponował mi takie pytanie, sprawdźmy, jak sobie z tym poradzi, on znowu
Speaker A
pod spodem pisze zapytanie SQL, uruchamia je i na podstawie wyniku, który otrzyma, da mi tutaj odpowiedź.
Speaker A
Dlaczego mówię, co on robi pod spodem? Ponieważ to jest istotna kwestia, że on uruchamia te zapytania SQL, w związku z tym generuje to przetwarzanie danych. I znowu, jeżeli operujecie na bardzo dużych tabelach i bardzo dużych zbiorach danych, to zwróćcie uwagę,
Speaker A
ile tych danych jest przetwarzanych, bo jeden terabajt mamy, oczywiście, za darmo. W przypadku przekroczenia tego jednego terabajta, za każdy kolejny terabajt będziemy płacić kilka dolarów, więc może to nie jest bardzo duży koszt, ale chciałbym po prostu, żebyście byli świadomi,
Speaker A
jak to wygląda i że rozmowa z takim AI będzie generowała to przetwarzanie danych. Tutaj, kiedy mamy te darmowe środki od Google'a, to nie musimy tym przejmować i śmiało możemy się bawić.
Speaker A
Widzę, że mamy Google Ads, Organic, i od razu zobaczcie, mamy trzy insighty. Dominacja płatnych reklam, niski udział ruchu organicznego, brak innych kanałów.
Speaker A
Super, bardzo dużo fajnych, cennych informacji. Oczywiście ten AI, wbudowany do rozmowy, to jest taki zwykły, powiedzmy, czat.
Speaker A
On nie generuje mi tutaj całych takich dynamicznych, powiedzmy, dashboardów w HTML, które później moglibyśmy gdzieś wykorzystać, co moglibyśmy na przykład sobie zrobić w Google, w Gemini Canvas, czy w innych modelach.
Speaker A
W tym przypadku po prostu otrzymujemy prostą informację, wynik wraz z cennymi insightami, do takiego szybkiego odpytania bazy danych uważam, że nadaje się to świetnie. Mając dostęp do BigQuery, możemy wejść i zapytać.
Speaker A
Nie musimy podłączać się do innego AI, nie musimy bawić się z jakimś przesyłaniem informacji, pisaniem skomplikowanych, dużych promptów z dużym kontekstem. On ten kontekst już tutaj ma, zna nasze dane i może nam znaleźć odpowiednią odpowiedź.
Speaker A
Więc śmiało bawcie się, trenujcie. Trzymam kciuki. Mam nadzieję, że była to dla was cenna lekcja i nauczyliście się czegoś nowego.
Topics:Google BigQueryAI w BigQueryczat z danymizapytania SQLanaliza danychGemini AIGoogle Adsinsighty z danychprzetwarzanie danychuczenie maszynowe
