Pisanie zapytań SQL z AI — Transcript

Naucz się pisać zapytania SQL z pomocą AI w Google BigQuery, nawet bez znajomości języka SQL.

Key Takeaways

AI znacznie ułatwia tworzenie zapytań SQL, eliminując potrzebę zaawansowanej nauki SQL.
Wbudowany w BigQuery model Gemini potrafi generować zapytania na podstawie naturalnego języka i schematu tabeli.
Przy korzystaniu z zewnętrznych modeli AI ważne jest dostarczenie schematu i przykładowych danych.
Należy zwracać uwagę na poprawność generowanych zapytań i dostosowywać je do rzeczywistych danych.
Google BigQuery oferuje darmowy limit przetwarzania danych, co pozwala na bezkosztowe testowanie zapytań.

Summary

Prezentacja wykorzystania AI do generowania zapytań SQL w Google BigQuery.
Omówienie problemów z ręcznym pisaniem zapytań SQL na dużych zbiorach danych.
Pokazanie, jak AI Gemini w BigQuery automatycznie tworzy zapytania na podstawie naturalnego języka.
Przykłady zapytań o liczbę klientów z Warszawy oraz z różnych działań marketingowych.
Instrukcje dotyczące uruchamiania, zapisywania i eksportowania wyników zapytań.
Porady, jak korzystać z zewnętrznych modeli AI do generowania zapytań SQL bez dostępu do wbudowanego Gemini.
Znaczenie przekazywania schematu tabeli i przykładowych danych do AI, aby poprawnie generowało zapytania.
Wskazówki dotyczące poprawiania zapytań SQL wygenerowanych przez AI i dostosowywania ich do własnych danych.
Omówienie limitów przetwarzania danych i kosztów w Google BigQuery.
Zachęta do ćwiczeń i nauki pisania zapytań SQL z pomocą AI.

Chapters

Full Transcript — Download SRT & Markdown

Speaker A

Jak już mamy dane w BigQuery, to teraz przydałoby się jakoś te informacje wyciągnąć, na przykład ilu mam klientów, którzy byli z Warszawy, albo ile miałem klientów z poszczególnych różnych działań marketingowych. Przy takiej tabeli można byłoby to zrobić ręcznie, nie byłoby to problematyczne,

Speaker A

bo ta tabela zawiera tylko dwadzieścia wierszy, bo jest przykładową tabelą, ale przy dużej tabeli, która zawiera 445 tysięcy wierszy, byłoby już to wręcz niemożliwe do wyciągnięcia ręcznego. Dlatego właśnie możemy skorzystać ze SQL-a i te informacje z tej tabeli zdobyć

Speaker A

dosłownie w kilka sekund. I jak to robimy? Tutaj mamy na górze takie menu i klikamy opcję Zapytanie.

Speaker A

I w tym momencie możemy pisać zapytania do naszej tabeli danych. Jak widzicie, mam już tu dwa takie elementy związane ze schematem pisania SQL, czyli SELECT, gdzie podaję, jakie dane chcę wybrać, i FROM, czyli z jakiej tabeli. I oczywiście, jakbym chciał

Speaker A

to zrobić ręcznie, to musiałbym napisać całego SQL-a. I zdaję sobie sprawę, że nauka SQL nie jest taka łatwa.

Speaker A

Wręcz można powiedzieć, że jest to nauka programowania, wyciągania informacji z baz danych i wymaga często miesięcy, jak nie lat, treningów, żeby to opanować.

Speaker A

Na szczęście AI może być w tym bardzo pomocne i zrobić to wszystko za nas, dzięki czemu będziemy mogli otrzymać odpowiednie informacje bez potrzeby właśnie nauki SQL.

Speaker A

Żeby do tego dojść, najpierw usuwam wszystko, co to tutaj mam, żeby nic mi nie przeszkadzało, i klikam ten rysik, który jest po lewej stronie, z taką gwiazdeczką, i on otwiera mi panel Gemini, gdzie mogę pytać go naturalnym językiem o dane,

Speaker A

i on na podstawie mojego zapytania skonstruuje sam takie zapytanie SQL. I na przykład mogę zapytać: "Ilu mam klientów z Warszawy?" O tyle jest to dobre, że on ma schemat, zna schemat mojej tabeli, wie, o jaką tabelę pytam, czyli ma już te wszystkie informacje.

Speaker A

Ja nie muszę mu tego tutaj dokładnie opisywać, wszystko on już tutaj ma. Wykonał mi takie zapytanie SQL. Jak widzicie, SELECT wybiera odpowiednie informacje, tworzy z tego nową kolumnę, od razu wie, z jakiej tabeli wziąć te informacje i od razu wie,

Speaker A

jak te odpowiednie informacje przefiltrować. Po chwili pojawia mi się na dole takie zielone kółeczko, które mówi, że zapytanie jest poprawne, ale też informuje, ile danych przetworzy.

Speaker A

Jak widzicie, 311 bajtów. Nie jest to dużo, nie jest to dużo, więc spokojnie możemy takie zapytanie uruchomić. Zwracam na to uwagę właśnie, żebyście patrzyli, ile to przetworzy danych, bo przy dużych tabelach te wartości mogą być większe.

Speaker A

Na szczęście pierwszy terabajt danych miesięcznie mamy za darmo do przetworzenia i nie będziemy ponosić żadnych kosztów, więc w ogóle te 311 bajtów to nic nas tutaj nie będzie bolało. Ale przy dużych tabelach, kiedy te zapytania mogą powodować przetworzenie

Speaker A

kilku mega albo nawet kilku giga, to wtedy już należałoby na to zwrócić uwagę. Klikam Wstaw.

Speaker A

Jak widzicie, już mam tutaj wstawione i klikam tutaj Uruchom. I po chwili na dole mam wynik mojego zapytania, czyli z Warszawy mam czterech klientów.

Speaker A

I co mogę teraz zrobić dalej? Mogę zrobić kolejne nowe zapytanie, tutaj klikając plusik na górze, albo mogę te wyniki, które mam, zapisać.

Speaker A

Mogę je tutaj zapisać, pobrać na komputer w postaci CSV na przykład, albo zapisać na naszym Dysku Google, albo skopiować sobie do schowka, albo mogę bezpośrednio tę tabelkę otworzyć w Google Spreadsheet, w arkuszach kalkulacyjnych Google, albo Data Studio i od razu te dane sobie

Speaker A

odpowiednio wizualizować. Więc mogę od razu na tych danych dalej pracować, na tym wyniku. Ale spróbujmy sobie zrobić inne zapytanie, na przykład: "Ilu miałem klientów z poszczególnych działań marketingowych?" Zobaczymy, czy sobie poradzi.

Speaker A

Nie powiedziałem mu, z jakiej kolumny ma wziąć dane, jakie mam te działania. Zobaczymy, czy wygeneruje takie zapytanie, jakie byśmy chcieli. Mam moje zapytanie, widzę, że jest poprawne. Klikam Wstaw.

Speaker A

336 bajtów, jest okej. Klikam Uruchom. I widzę, wszystko się udało. Z Google Ads miałem sześciu klientów, z Ceneo cztery, z Facebooka czterech, z Organica czterech i z TikTok Ads dwóch.

Speaker A

Wszystko jest zrobione, udało się. Tak właśnie wyciągnąłem odpowiednie informacje z mojej tabeli danych przy pomocy właśnie AI.

Speaker A

Dalej oczywiście z tymi wynikami mogę sobie pracować, jakbym chciał. Ale może się zdarzyć sytuacja, że nie będziemy mieć dostępu do AI wewnętrznego bezpośrednio w Google BigQuery, albo coś nam nie będzie działało, i wtedy jednak możemy skorzystać z pomocy zwykłego Gemini

Speaker A

czy innego modelu AI, gdzie możemy mu po prostu wpisać odpowiedni prompt i zapytać go, żeby stworzył nam takie zapytanie SQL.

Speaker A

Ale on nie ma informacji o naszej tabeli, więc wtedy najlepiej byłoby skopiować sobie, zrobić screena schematu tej tabeli, żeby on wiedział, jak ten schemat wygląda.

Speaker A

Dobrze byłoby też mu dać na przykład podgląd naszych danych, jakiś fragment mu wkleić, żeby on wiedział, jakie to są dane. Dlaczego? Żeby po prostu wiedział, jak warunki powinny wyglądać i jak wyglądają te rekordy, które znajdują się w tej tabeli.

Speaker A

Ale powiedzmy, na razie wkleję sam schemat i zapytam go: "Napisz mi zapytanie SQL do Google BigQuery, żebym dowiedział się, ilu mam klientów z Google Ads".

Speaker A

I klikam Prześlij. I co teraz się tutaj wydarzy? Dwie rzeczy, na które należy zwrócić uwagę. Przede wszystkim napisał mi to zapytanie SQL.

Speaker A

I teraz, jakbym chciał takie zapytanie skopiować, to zobaczcie, że tutaj FROM, czyli z jakiej tabeli, mam informację: "Twój projekt zbiór danych".

Speaker A

Nie wie, jak się nazywa ten projekt, więc dlatego podał taki przykładowy i to powinienem podmienić w tym zapytaniu, zanim z niego skorzystam.

Speaker A

Ale mogę też dalej rozmawiać z moim czatem i po prostu wkleić mu tę nazwę mojej tabeli, z której korzystam. Na przykład, zobaczcie, wejdę sobie tutaj, przekleję tę nazwę FROM z innego zapytania.

Speaker A

I powiem mu: "To jest nazwa mojej tabeli. Popraw zapytanie SQL". I klikam Prześlij i jak widzicie, mam już tu poprawne zapytanie, już z odpowiedniej tabeli.

Speaker A

I teraz takie zapytanie mogę skopiować, przejść do BigQuery, klikać nowym plusikiem i wkleić. I zobaczcie, jest okej, jest na zielono, klikam Uruchom i co widzę w wynikach? Zero. Dlaczego?

Speaker A

Bo warunek jest Google Ads pisane z wielkich liter, ze spacją pośrodku, a jak przejdę sobie do mojej tabeli, to widzę, że w tej tabeli nie mam takiego rekordu, takiej informacji jak Google Ads pisane w ten sposób. "google_ads" jest pisane małymi

Speaker A

literami i z podkreślnikiem. Więc właśnie dlatego warto dodać też przykłady tych danych do AI z zewnętrznego modelu, żeby on wiedział, jak powinien te warunki dawać. Ale jakbym to przekleił czy zmienił, to już wszystko będzie w porządku.

Speaker A

Więc mam dwie możliwości, jak pisać właśnie zapytania SQL. Dużo prostszym i szybszym jest wykorzystanie Gemini wbudowanego bezpośrednio w BigQuery, ale jeżeli korzystacie z innych tabel, gdzieś indziej i też macie potrzebę stworzenia zapytania SQL, to możecie skorzystać po prostu z czata. Tylko pamiętajcie,

Speaker A

żeby mu przekazać informacje o waszym schemacie i przykładowych danych, żeby wiedział, jak te zapytania odpowiednio konfigurować.

Speaker A

W ćwiczeniu dam wam dodatkowe jeszcze zapytania i tabelę do przećwiczenia, żebyście mogli sobie to potrenować i nauczyć się, jak pisać z AI zapytania SQL.

Speaker A

Trzymam za was kciuki. Powodzenia.

Topics:SQLBigQueryAIGeminizapytania SQLGoogle Cloudanaliza danychautomatyzacjauczenie maszynowemarketing

Frequently Asked Questions

Jak AI pomaga w pisaniu zapytań SQL w BigQuery?

AI Gemini wbudowane w BigQuery potrafi na podstawie naturalnego języka i schematu tabeli automatycznie generować poprawne zapytania SQL, co znacznie ułatwia pracę bez konieczności nauki SQL.

Czy mogę używać zewnętrznego modelu AI do tworzenia zapytań SQL?

Tak, ale wtedy należy dostarczyć modelowi schemat tabeli oraz przykładowe dane, aby mógł poprawnie wygenerować zapytania dostosowane do konkretnej bazy danych.

Jakie są koszty przetwarzania danych w Google BigQuery podczas testowania zapytań?

Google BigQuery oferuje pierwszy terabajt danych miesięcznie za darmo, więc testowanie zapytań na niewielkich ilościach danych jest bezkosztowe.

Get More with the Söz AI App

Transcribe recordings, audio files, and YouTube videos — with AI summaries, speaker detection, and unlimited transcriptions.

App Store Google Play

Or transcribe another YouTube video here →