Consultar tablas de Lakehouse con lenguaje natural

Conversational Analytics en BigQuery te permite consultar tus datos de formato abierto con instrucciones de lenguaje natural. Esta capacidad se basa en el catálogo de entornos de ejecución de Lakehouse dentro de Lakehouse para Apache Iceberg para asignar automáticamente tus preguntas a los esquemas de tablas subyacentes, de modo que puedas generar y ejecutar consultas de SQL sin escribir el código de forma manual.

Cuando configures tus preguntas, puedes usar los agentes de datos para proporcionar glosarios comerciales y dar instrucciones del sistema para obtener mayor precisión.

Cómo funcionan las estadísticas de conversaciones

El análisis conversacional usa modelos de lenguaje grandes (LLM) para comprender tus preguntas en lenguaje natural y asignarlas al esquema de tus tablas. El proceso sigue estos pasos:

  1. Descubrimiento de esquemas: El sistema recupera metadatos del catálogo del entorno de ejecución de Lakehouse para comprender las estructuras de las tablas, los nombres de las columnas y los tipos de datos.
  2. Generación de SQL: El LLM genera una consulta en SQL que es compatible con el motor de BigQuery y el formato de datos subyacente.
  3. Ejecución: BigQuery ejecuta la consulta en SQL generada directamente en los datos de formato abierto del Lakehouse de Google Cloud.
  4. Respuesta: Los resultados se devuelven a la interfaz de conversación, a menudo acompañados de un resumen o una visualización.

Para obtener más información sobre el análisis de conversaciones, como la administración de agentes de datos, los precios o las prácticas recomendadas, consulta la Descripción general del análisis de conversaciones.

Formatos admitidos

El análisis conversacional traduce tus preguntas en lenguaje natural en consultas de SQL. Es compatible con los formatos de tabla abiertos que admite el catálogo del entorno de ejecución de Lakehouse, como las tablas de Apache Iceberg.

Antes de comenzar

Antes de consultar tus datos, registra tus tablas externas en el catálogo del entorno de ejecución de Lakehouse. El catálogo del entorno de ejecución de Lakehouse actúa como el centro unificado que conecta BigQuery Studio con tus datos externos en formato abierto. Una vez conectadas, las tablas se convierten en recursos detectables dentro de BigQuery.

Consultar tablas con Conversational Analytics

  1. En la consola de Google Cloud , ve a BigQuery Studio Agents Hub.

    Ir a Agents Hub

  2. Crea un agente de datos o inicia una conversación directa con un agente de datos existente.

  3. Selecciona tus tablas.

    Dado que el catálogo del entorno de ejecución de Lakehouse unifica todos estos formatos diferentes, la experiencia de descubrimiento es idéntica a la de encontrar tablas estándar de BigQuery.

    1. Búsqueda: Cuando agregues tu fuente de conocimiento, busca los nombres de tus tablas en la interfaz de búsqueda y selección de tablas. Puedes usar palabras clave de búsqueda para filtrar los resultados, incluidas las siguientes:

      • TABLE_NAME
      • catalog: CATALOG_NAME
      • project: PROJECT_ID
      • namespace: NAMESPACE_NAME

    2. Verifica la fuente: Presta atención a la parte del conjunto de datos del nombre completamente calificado. Por lo general, las tablas creadas por fuentes externas y administradas por el catálogo del entorno de ejecución de Lakehouse siguen un formato que combina el catálogo y el espacio de nombres. Por ejemplo: PROJECT_ID.biglake_catalog.finance_namespace.my_iceberg_table o PROJECT_ID.sap_catalog.sales.delta_table.

    3. Seleccionar: Agrega la tabla seleccionada a tu contexto conversacional activo.

  4. Haz preguntas en lenguaje natural. El sistema traduce automáticamente tu instrucción a una consulta federada de SQL.

Mejora la precisión de las búsquedas

Para ayudar a las estadísticas conversacionales a comprender mejor tus esquemas y tu terminología, usa las opciones de configuración del Agente de datos. Estas opciones incluyen glosarios de la empresa, consultas SQL verificadas e instrucciones del sistema.

¿Qué sigue?