SQL schrijven voor BigQuery: Gemini, Claude of ChatGPT?
Jop van Hooft, eCommerce AI Club
Uit de sessie: Specialists: Dashboards
In de Specialists-sessie over dashboards van december 2025 laat Jop van Hooft van de eCommerce AI Club drie AI-tools dezelfde SQL-vraag beantwoorden. Je ziet hoe hij ze test, waarom hij alleen metadata meegeeft en welke query het beste uit de bus kwam.
Voor wie: Je een AI wilt laten helpen bij SQL en wilt weten welke gegevens je wel en niet meegeeft.
Waarom dit ertoe doet
Elke analist en e-commercemanager met een data warehouse stelt vragen die SQL nodig hebben, zoals de top drie klanten per provincie en hun aandeel in de sales. Jop test dit regelmatig om te kiezen welke tool hij op dit moment moet gebruiken. Zijn uitkomst: Claude en Gemini werkten allebei, maar Gemini was nauwkeuriger, en ChatGPT had bij de eerste poging fouten. De simpelste query won, omdat die ook efficiënter draait. In BigQuery betaal je volgens Google per hoeveelheid data die een query verwerkt, dus een eenvoudiger query kan ook minder kosten. Belangrijker nog is zijn werkwijze: hij stuurt alleen het schema mee en nooit productiedata.
Belangrijkste inzichten
- Jop van Hooft liet 3 tools, Gemini, Claude en ChatGPT, dezelfde BigQuery-vraag beantwoorden: de top 3 klanten per provincie en hun aandeel in de sales.
- Hij stuurt alleen metadata, het schema, naar het taalmodel en nooit echte productiedata.
- Gemini en Claude gaven dezelfde resultaten op afrondingen na; ChatGPT had bij de eerste poging fouten.
- Gemini was volgens Jop het nauwkeurigst en schreef de eenvoudigste, efficiëntste query.
- Hij test dit regelmatig opnieuw om te bepalen welke tool hij op dit moment gebruikt.
De test
Jop heeft data in BigQuery, het data warehouse van Google. Hij geeft de drie tools de locatie van de tabel, het schema en de vraag: de top drie klanten per provincie en hun aandeel in de sales. Alle drie genereren een query die je direct in BigQuery kunt draaien. Hij doet dit soort tests vaker, om te weten welke tool hij nu het beste voor zijn queries kan gebruiken. Het gaat om één vraag; dit is dus een voorbeeld en geen benchmark.
Alleen metadata naar het model
Dit is het belangrijkste deel voor je organisatie. Jop stuurt alleen metadata mee: de veldnamen, het type data en wat er ongeveer in staat. Hij stuurt nooit echte, productiewaardige data naar het taalmodel. Het model schrijft de query en jij draait die zelf in je eigen warehouse. Zo blijven klantgegevens en omzet binnen je eigen systemen. In dezelfde sessie herhaalt hij later het advies om met dummydata met hetzelfde schema te werken.
Wat er uitkwam
Bij ChatGPT zaten bij de eerste poging fouten in de query; een woord daarbij is niet te verstaan. Claude en Gemini werkten allebei en gaven dezelfde resultaten, op afrondingsverschillen na. Volgens Jop was Gemini wel nauwkeuriger dan Claude. Hij ziet daar een logische reden voor: BigQuery en Gemini zijn allebei Google-producten, dus je mag hopen dat ze elkaars werking goed kennen. Dat is zijn veronderstelling en geen bewezen oorzaak. De query van Gemini was eenvoudiger opgebouwd en draaide daardoor efficiënter.
Eenvoudig is beter
Jops conclusie is dat de simpele query de beste was en daarom de meeste punten scoorde. Controleer een gegenereerde query altijd op een testset: vergelijk het totaal met een bekend getal en kijk of de gebruikte tabellen en filters kloppen. Zet bij grote tabellen eerst een limiet of een testperiode in, zodat een inefficiënte query geen onnodige kosten maakt. Test dezelfde vraag na een paar maanden opnieuw, want de modellen veranderen snel. Noteer bij elke test de datum, het model en de uitkomst in een eenvoudig overzicht, zodat je later kunt zien of een nieuwe versie echt beter is of alleen anders. Laat bij een belangrijke query altijd een collega met SQL-kennis meekijken voordat je de uitkomst in een rapport zet.
Probeer dit deze week
- Kies 1 terugkerende SQL-vraag en laat 2 AI-tools die schrijven met alleen het schema als input.
- Draai beide queries op een testperiode van 7 dagen en vergelijk het totaal met een bekend getal.
- Schrijf op welke velden van je schema klantgegevens bevatten en laat die uit de metadata weg.
Begrippen
- BigQuery
- Het data warehouse van Google Cloud waarin je grote tabellen met SQL bevraagt.
- Metadata
- Gegevens over je data, zoals veldnamen en types, zonder de inhoud zelf.
- Query
- Een SQL-opdracht die gegevens uit een tabel ophaalt of samenvat.
Verdiep je in de gids
Transcriptie
Uitgeschreven uit de audio van dit fragment. Stopwoorden en herhalingen zijn weggelaten. Waar [onverstaanbaar] staat, is de opname niet te verstaan.
Alright, het tweede voorbeeld dat ik mee heb gebracht Ik test ook deze drie tools en is een vraag die ik heel vaak stel Ik heb deze data in BigQuery Die staat op deze locatie in mijn data warehouse Dit is het schema, met andere woorden, zo is mijn tabel opgebouwd, dit zijn de velden die eruit zitten En wat ik wil hebben is de top drie klanten per provincie en hun aandeel op de sales. Even als voorbeeldje. En je merkt dat, het is een reden waarom ik het op deze manier specifiek doe. Ik stuur alleen metadata mee, mijn LLM in, dus ik stuur nooit echte data mee, die productiewaardig is. En dit vertelt alleen van wat voor type data je hebt, om het te zeggen van hoeveel euro erin zit, of waar het nou precies over gaat. En vervolgens genereren we zowel, eigenlijk alle drie de tools die genereren, een query die je direct in BigQuery kan draaien. Die van ChatGPT [onverstaanbaar] de eerste keer dat ik het probeerde. Daar zat er wat [onverstaanbaar] in. Claude en Gemini [onverstaanbaar] eigenlijk allebei best goed. Waar je eigenlijk ziet dat ze allebei werken. Maar dat de resultaten vanuit Gemini een stuk nauwkeuriger zijn dan Claude. Wat misschien ook logisch is, want ik heb BigQuery een Google product. Want ik ga queryen met Gemini een Google product, dus je mag hopen dat dat met elkaar praat. En dat ze goed van elkaar weten hoe het werkt. Uiteindelijk resultaat allebei in dezelfde resultaten. Er is altijd nog wel verschil over hoe afrondingen nou precies worden gedaan. De query van Gemini was iets eenvoudiger in de opbouw. En uiteindelijk zijn de simpele queries ook weer beter. En omdat hij simpel was, hij draaide ook efficenter. Dus dat was win-win. En daarom denk ik dat hij ook hier in deze vergelijking de meeste punten scoort. Dit soort analyse probeer ik vaak te doen, om voor mezelf een beeld te krijgen van welke tool moet ik op dit moment gebruiken om mijn queries te schrijven.
Spreker: Jop van Hooft, eCommerce AI Club
Bronnen
Meer over Data & Dashboards
Duur 1:47AI Code Generatie: van SQL tot DAX in seconden
Jop van Hooft, eCommerce AI Club
AI schrijft je SQL, Python en DAX in één keer goed, en waarschuwt als je data verandert
Duur 1:484 conversational analytics tools getest
Kim Baas, Insight First
Vier AI analytics tools getest, dit zijn de requirements die er echt toe doen
Duur 1:50Real-time prijsvergelijking via Google Shopping API
Tachmy Dilmy, eCommerce AI Club
Live Google Shopping prijzen direct in je dashboard, zonder data warehouse ertussen