Google SkillsのBigQueryラボで詰まった人へ――100点を取るまでに分かった「指示書を丸のみしない」進め方
今朝gmailを開くと、Google Skillsチームから「BigQueryでGeminiでデータを探索のタスク２が直ったから、再度、挑戦してみて」とメールが届いていたのだ、早速、Google Skillsの「BigQueryでGeminiでデータを探索」に再挑戦して、ようやく100点を取ることができました。
前回は30点で止まりました。
原因は自分の操作ミスではなく、教材側が旧UIの「Table Explorer」を前提にしていたことでした。
現在のBigQueryではTable Explorerは廃止され、Reference panelへ置き換わっています。
この問題についてGoogle Skills Supportへ問い合わせを行い、何度かやり取りを続けました。その後、教材が修正されたという連絡を受け、今回あらためて挑戦したところ、最終的に100点まで完走できました。
ただし、修正されたからといって、すべてがスムーズだったわけではありません。
今回感じたのは、「教材の指示をそのまま丸のみするより、何を達成すればいいのかを理解して進めた方が早い」ということでした。
前回は30点で止まり、Google Skillsへ問い合わせた
最初にこのラボへ挑戦した時、Task 1までは進められました。
ところがTask 2で、「Table Explorerを使ってlocationテーブルを確認してください」という指示が出てきました。
しかし、実際のBigQuery Studioをどれだけ探してもTable Explorerがありません。
それもそのはずで、BigQuery側ではすでにTable Explorerが廃止されていたからです。
つまり、ラボ教材と現在のGoogle CloudのUIが一致していませんでした。
結果として30点で終了。
そこでGoogle Skills Supportへ問い合わせました。
最初は「調査しています」という回答、その後「担当チームへ連絡済み」という回答が届きました。
一方でGoogle Skillsの自動メールからは「30点なので、もう一度ラボに挑戦してください」という案内も届きます。
不具合を問い合わせているのに、別システムからは再挑戦を勧められるという、少し不思議な状態でした。
スクリーンショット付きの資料も送った
問い合わせの途中では、単に「Table Explorerがありません」と文章だけで説明するのではなく、実際のBigQuery Studioの画面をスクリーンショットで残し、どこまで操作できて、どこで教材と食い違うのかを分かるように整理しました。
「教材にはこう書かれている」
「しかし現在の画面にはその機能が存在しない」
「そのため進捗チェックを通過できない」
という流れを、画面を見れば分かる形にしました。
この資料が直接修正につながったのかまでは分かりません。
ただ、その後Google Skills Supportから「担当チームで対応中」と連絡が入り、最終的には「ラボに関する問題は解決しました。改めてお試しください」というメールが届きました。
そして実際にラボを開いてみると、教材が変わっていました。
以前のTable Explorerではなく、現在のBigQuery Studioに存在するReference panelを使う説明へ修正されていたのです。
マニュアルの最終更新日とラボの最終テスト日も2026年10月9日に更新されていました。
少なくとも「直しました」というメールだけではなく、本当に教材が更新されたことを画面で確認できました。
ユーザーからの不具合報告に対して、Google Skillsの担当チームが実際に動いてくれたことは、素直にありがたいと思います。
最初の壁はDataplexのサービスアカウント
教材は直りましたが、再挑戦でも最初から順調だったわけではありません。
Task 1では、order_item テーブルからGeminiのData Insightsを生成します。
手順自体は単純です。
order_item → Insights → Generate insights
ところが、そのまま実行するとDataplexのサービスアカウントが存在しないというエラーが出ました。
今回のエラーには、必要なコマンドまで表示されていました。
Cloud Shellから以下のような処理を行い、Dataplexのサービスアカウントを作成します。
gcloud beta services identity create \
--service=dataplex.googleapis.com \
--project=＜プロジェクト番号＞ここで大切なのは、教材に書かれていないエラーが出たからといって止まらないことです。
エラーメッセージを確認し、そこで提示された処理を実行するとData Insightsは正常に生成されました。
Google Cloudのラボでは、教材だけでなくエラー画面そのものが次の手順書になることがあります。
Table Explorerはもう探さなくていい
今回、大きく修正されたのがTask 2です。
以前は「Table Explorerを使う」と書かれていました。
修正版では、Reference panelを使う手順へ変更されています。
location テーブルのスキーマを確認し、新しいSQLクエリを開き、クエリエディタの横にReference panelを表示します。
そこからフィールドを確認しながらSQLを組み立てられます。
もし古い記事や教材を見ていて、「Table Explorerが見つからない」と困っているのであれば、自分の画面がおかしいとは限りません。
Google CloudはUI変更が多いため、まず教材の更新日と現在の機能名称を確認した方が良いと思います。
自動翻訳にも注意した方がいい
もう一つ意外な落とし穴がありました。
ブラウザの日本語翻訳です。
BigQueryの画面を自動翻訳していると、SQLエディタの中まで翻訳されることがあります。
SELECTが日本語になったり、LIMITまで翻訳されたりすると、当然そのままではSQLとして実行できません。
Google CloudやBigQueryを操作する時は、SQLエディタ周辺では英語表示にした方が安全です。
画面説明は日本語で読みたいところですが、コードまで翻訳されると別のトラブルを生みます。
GeminiのTransformにこだわらなくてもいい
Task 3では、Geminiを使ってSQLをTransformする手順があります。
教材では、
「total_revenueを小数点以下2桁にする」
「total_revenueを降順にする」
という自然言語の指示を与え、GeminiにSQLを書き換えさせます。
ところが実際に操作すると、Geminiが元のSQLを置き換えるのではなく、その下に新しいSQLを追記することがありました。
当然、SELECT文が連続して構文エラーになります。
ここで「教材にTransformと書かれているから、何としてもTransformだけで完成させる」と考えると時間を使います。
目的を考えれば、必要な最終形は分かっています。
SELECT
menu_id,
ROUND(SUM(item_total), 2) AS total_revenue
FROM
`プロジェクトID.coffee_on_wheels.order_item`
GROUP BY menu_id
ORDER BY total_revenue DESC;Transformが思った通りに動かなければ、SQLを直接修正して実行する方法があります。
実際、今回は一度すべて消して完成形のSQLを入れた方が早く進みました。
そして、それでも進捗チェックは通過しています。
教材の目的が「Geminiを使ってSQLを変換することを体験する」ことであるのは理解できます。
しかし、ラボを進める中でUIやGeminiの挙動が教材どおりにならない場合は、最終的に何を実現しようとしているのかを理解して、別ルートを選ぶことも必要です。
Schemaを先に見るだけで防げるエラーも多い
Task 4では、menu テーブルから「各サイズで平均価格が最も高い上位3品」を調べました。
ここでも最初は列名が違ってエラーになりました。
実際のSchemaでは、
item_name
item_price
item_size
となっています。
SQLを書く前にSchemaを確認すれば、こうしたミスは簡単に防げます。
AIにSQLを書かせる場合も同じです。
テーブル名や列名を確認せずに生成結果をそのまま実行するより、Reference panelやSchemaを見ながら確認した方が早い場合があります。
Google Skillsでは「手順」より「目的」を見る
今回100点を取るまでに一番強く感じたのは、Google Skillsの教材を絶対的な手順書として読むより、「ゴールを示すガイド」と考えた方が進めやすいということです。
UIは変わります。
Geminiの生成結果も毎回同じではありません。
教材に書かれているInsightが、そのまま生成されないこともあります。
サービスアカウントの準備状態も違います。
そんな時に、
「書いてあるボタンがない」
「同じInsightが出ない」
「Geminiが教材と違うSQLを作った」
という理由だけで止まる必要はありません。
「このタスクでは何を確認したいのか」
「最終的にどんなデータが出ればいいのか」
「同じ結果を別の方法で作れないか」
と考えると、次の手が見つかります。
不具合は具体的に伝えると、改善につながることもある
今回もう一つ感じたのは、「教材がおかしい」で終わらせず、具体的に伝えることの意味です。
どのラボなのか。
どのTaskなのか。
教材には何と書かれているのか。
実際のUIでは何が違うのか。
どの段階で採点できなくなるのか。
そして、可能ならスクリーンショットを添える。
今回の修正が私の問い合わせだけをきっかけに行われたとは言えません。
同様の報告が他にもあった可能性もあります。
それでも、スクリーンショットを含む資料を送り、担当チームへエスカレーションされた後に教材が修正され、実際に100点まで完走できるようになったという流れは確認できました。
「動かないから諦める」だけではなく、「ここが再現できません」と具体的にフィードバックすることも、学習サービスを良くする一つの方法なのだと思います。
ようやく100点
最終的には、
Score: 100 / 100
まで到達しました。
前回30点で止まり、Google Skills Supportへ問い合わせ、担当チームへのエスカレーションを経て教材が修正され、再挑戦。
その再挑戦でもDataplexやGeminiの挙動に引っかかりながら、最後はすべてのTaskを完了できました。
かなり長いラボになりました。
ただ、BigQueryのData InsightsやReference panelの使い方以上に、
「クラウド教材の指示を丸のみしない」
「エラーを読む」
「Schemaを見る」
「目的から逆算する」
「ダメなら代替案を使う」
ということを学んだラボだった気がします。
もし同じGoogle SkillsのBigQueryラボで止まっている人がいたら、自分の操作だけを疑わないでください。
教材と現在のUIが一致しているかを確認する。
エラーの内容を見る。
そして、指示書に書かれた方法が使えなければ、同じゴールへ到達できる別の方法を考える。
それで十分です。
追伸：ここまで時間をかけて、Google Skills Supportとやり取りし、修正版まで再検証したのだから、100点だけではなくバッジの一つくらい欲しいところです（笑）。
