07 Ajukan pertanyaan ke data Anda

Hasil akhir

Tidak ada yang perlu diinstal, tidak ada yang perlu dikonfigurasi. Buka SQL console yang sudah Anda pakai sepanjang workshop, temukan agent yang terpasang di dalamnya, dan ajukan tiga pertanyaan tentang data yang sudah Anda bentuk selama beberapa modul terakhir. Apa yang keluar adalah hasil dari setiap nama kolom dan setiap tipe yang Anda pilih sebelumnya -- atau biaya dari tidak memilih, jika Anda mengarahkannya ke tabel yang salah.

Buka agent-nya

Di SQL console ClickHouse Cloud Anda, cari assistant yang terpasang di query editor -- biasanya sebuah icon atau panel chat di samping panel query, bergantung pada versi console Anda. Ia membaca schema Anda (nama tabel dan kolom, tipe, dan comment) dan bisa mengusulkan serta menjalankan SQL terhadapnya dari pertanyaan berbahasa natural. Tidak ada yang perlu didaftarkan selain service yang sudah Anda punya, dan tidak ada yang berjalan di luar console.

Tiga prompt untuk dicoba

Ajukan ini terhadap tabel atau view yang sudah dituning yang Anda bangun untuk challenge-challenge sebelumnya -- yang punya nama kolom nyata seperti geo_country, device_category, dan event_name, bukan import naive dari modul 03.

Which country has the highest cart-to-purchase drop-off, and how many users does that
represent?

Break down purchases by device category and traffic source. Where is conversion strongest?

Prompt ketiga adalah yang paling penting. Kedua prompt pertama meminta agent menulis query terhadap data yang sudah bisa dilihatnya; yang ini meminta agent menalar soal sebuah keputusan desain sebagai gantinya -- di sinilah kerja schema selama dua jam terakhir benar-benar membayar.

I want this funnel on a customer-facing dashboard refreshed every ten seconds for a few
thousand concurrent users. What in my schema would I change?

Jawaban yang bagus menyentuh concurrency dan freshness pada skala yang tidak bisa dilayani arsitektur BigQuery sendiri dengan cara yang sama, dan itu menyampaikan pesan koeksistensi yang sudah dibangun workshop ini tanpa perlu slide untuk mengatakannya. Itulah bedanya antara "agent-nya menulis SQL" dan "agent-nya menalar soal schema saya".

Baca SQL yang dihasilkan sebuah prompt sebelum Anda mempercayai jawabannya, dengan cara yang sama seperti Anda mereview query seorang kolega. Periksa terhadap angka yang sudah Anda tahu benar -- hitungan funnel dari modul 02 (view_item 386,068, add_to_cart 58,543, begin_checkout 38,757, purchase 5,692) adalah sanity check cepat untuk apakah klausa WHERE event_name = ... sebuah query yang dihasilkan cocok dengan yang Anda harapkan.

Mengapa jawabannya hanya sebagus schema-nya

Coba tiga prompt yang sama lagi, kali ini diarahkan ke bq.events_naive dari modul 03 -- setiap kolom Nullable, geo sebuah tuple bersarang alih-alih geo_country yang flat, device juga begitu. Agent-nya tidak punya apa-apa yang bersih untuk dinalar: tidak ada kolom bernama apa pun yang bisa dipetakan sebuah pertanyaan berbahasa natural, tidak ada tipe yang memberi tahunya sebuah value adalah negara alih-alih string sembarang, struktur bersarang yang harus ditebaknya cara meng-unnest dengan benar.

Ini bukan limitasi agent-nya. Ini pelajaran yang sama yang sudah diajarkan challenge kompresi dan sort-key dari sudut yang berbeda: schema yang mengatakan apa maksudnya, dalam kolom yang ditipekan, dinamai, dan diratakan, lebih mudah untuk dinalar dengan benar sejak percobaan pertama oleh apa pun -- seseorang, query planner, atau agent. Tabel berisi nullable string tidak memberinya apa-apa untuk dikerjakan, dan jawaban yang diberikannya kembali merefleksikan tepat itu.

Jika agent-nya tidak tersedia

Beberapa trial service tidak mengaktifkan agent console-nya. Jika milik Anda tidak, ini adalah modul instructor-driven untuk sesi Anda: instruktur menjalankan tiga prompt yang sama terhadap service-nya sendiri, secara live, dan menunjukkan baik SQL yang dihasilkan maupun hasilnya di layar. Prompt-prompt di atas adalah plain text -- copy saja, dan begitu service Anda sendiri sudah mengaktifkan agent-nya (atau selama sesi lain yang sudah), coba jalankan sendiri dan bandingkan apa yang Anda dapat.

Selesai jika

Anda sudah mengajukan setidaknya satu dari tiga prompt terhadap schema Anda yang sudah dituning, membaca SQL yang dihasilkannya, dan bisa mengatakan dalam satu kalimat mengapa pertanyaan yang sama terhadap bq.events_naive akan memberi agent-nya lebih sedikit untuk dikerjakan. Lanjut ke 08 Migrasi nyata Anda.