Ringkasan analisis percakapan

Analisis percakapan di BigQuery memungkinkan Anda melakukan percakapan dengan agen tentang data Anda menggunakan bahasa alami. Untuk mendapatkan jawaban tentang data Anda, Anda dapat melakukan hal berikut:

  • Buat agen data yang secara otomatis menentukan konteks data dan memproses petunjuk kueri untuk sekumpulan sumber pengetahuan, seperti tabel, tampilan, atau fungsi yang ditentukan pengguna (UDF) yang Anda pilih.
  • Jika diperlukan, Anda dapat membuat konteks dan petunjuk untuk agen dalam bentuk metadata kolom dan tabel kustom, petunjuk kepada agen untuk menafsirkan dan membuat kueri data, atau dengan membuat kueri terverifikasi (sebelumnya dikenal sebagai kueri emas) untuk mengonfigurasi agen data agar dapat menjawab pertanyaan secara efektif untuk kasus penggunaan tertentu.

Sebelum menyesuaikan agen, sebaiknya Anda terlebih dahulu menggunakan konteks dan petunjuk yang dibuat agen.

Berikut beberapa contoh konteks dan petunjuk yang Anda berikan kepada agen:

  • Konteks. Agen data untuk analisis penjualan dapat dikonfigurasi untuk memahami bahwa "performer terbaik" mengacu pada tenaga penjual dengan pendapatan tertinggi, bukan hanya kesepakatan yang paling banyak diselesaikan.
  • Petunjuk. Anda dapat menginstruksikan agen data untuk selalu memfilter data ke kuartal terbaru saat ditanya tentang "tren", atau mengelompokkan hasil menurut "kategori produk" secara default.

Setelah membuat agen data, Anda dapat melakukan percakapan dengan agen tersebut untuk mengajukan pertanyaan tentang data BigQuery menggunakan bahasa alami. Anda juga dapat membuat percakapan langsung dengan satu atau beberapa sumber data untuk menjawab pertanyaan dasar yang hanya diajukan satu kali.

Analisis percakapan didukung oleh Gemini untuk Google Cloud dan mendukung beberapa fungsi BigQuery ML. Untuk informasi selengkapnya, lihat Dukungan BigQuery ML.

Pelajari cara dan waktu Gemini untuk Google Cloud menggunakan data Anda.

Agen data

Agen data terdiri dari satu atau beberapa sumber pengetahuan, dan serangkaian petunjuk khusus untuk kasus penggunaan guna memproses data tersebut. Saat membuat agen data, Anda dapat mengonfigurasinya menggunakan opsi berikut:

  • Gunakan sumber pengetahuan seperti tabel, tampilan, dan UDF dengan agen data.
  • Berikan metadata tabel dan kolom kustom untuk mendeskripsikan data dengan cara yang paling sesuai untuk kasus penggunaan tertentu.
  • Berikan petunjuk untuk menafsirkan dan membuat kueri data, seperti mendefinisikan hal berikut:
    • Sinonim dan istilah bisnis untuk nama kolom
    • Kolom dan default terpenting untuk pemfilteran dan pengelompokan
  • Buat kueri terverifikasi yang dapat digunakan agen data untuk membentuk struktur respons agen dan mempelajari logika bisnis yang digunakan organisasi Anda. Kueri terverifikasi sebelumnya dikenal sebagai kueri emas. Kueri yang diverifikasi dapat menggunakan fungsi BigQuery ML yang didukung.

Mengelola agen data

Anda dapat membuat, mengelola, dan menggunakan jenis agen data berikut di tab Katalog Agen di konsol Google Cloud :

  • Agen contoh yang telah ditentukan sebelumnya untuk setiap project Google Cloud .
  • Daftar agen yang Anda buat, buat drafnya, dan publikasikan.
  • Daftar agen yang dibuat dan dibagikan orang lain kepada Anda.

Untuk mengetahui informasi selengkapnya, lihat Membuat agen data.

Layanan lain dalam project yang mendukung agen data, seperti Conversational Analytics API dan Looker Studio Pro, dapat mengakses agen data yang Anda buat di BigQuery. Anda juga dapat mengakses agen yang dibuat di konsol Google Cloud dengan memanggilnya menggunakan Conversational Analytics API.

Percakapan

Percakapan adalah chat yang dipertahankan dengan agen data atau sumber data. Anda dapat mengajukan pertanyaan multi-bagian kepada agen data yang menggunakan istilah umum seperti "penjualan" atau "paling populer", tanpa harus menentukan nama kolom tabel atau menentukan kondisi untuk memfilter data. Anda juga dapat mengajukan pertanyaan tentang data yang ada di objek seperti PDF.

Respons chat yang ditampilkan kepada Anda menyediakan fitur berikut:

  • Jawaban atas pertanyaan Anda dalam bentuk teks, kode, atau gambar (multimodal). Jawaban dapat mencakup fungsi BigQuery ML yang didukung.
  • Diagram yang dibuat jika sesuai.
  • Alasan agen di balik hasil.
  • Metadata tentang percakapan, seperti agen dan sumber data yang digunakan.

Saat Anda membuat percakapan langsung dengan sumber data, Conversational Analytics API menafsirkan pertanyaan Anda tanpa konteks dan petunjuk pemrosesan yang ditawarkan agen data. Oleh karena itu, hasil percakapan langsung bisa kurang akurat. Gunakan agen data untuk kasus yang memerlukan akurasi lebih tinggi.

Anda dapat membuat dan mengelola percakapan di BigQuery menggunakan konsolGoogle Cloud . Untuk mengetahui informasi selengkapnya, lihat Menganalisis data dengan percakapan.

Dukungan BigQuery ML

Analisis percakapan mendukung fungsi BigQuery ML berikut sebagai respons terhadap percakapan dengan agen data dan sumber data, serta dalam kueri SQL terverifikasi yang Anda buat.

Untuk menggunakan fungsi AI.GENERATE yang didukung, Anda harus memiliki izin yang diperlukan untuk menjalankan kueri AI generatif.

Kasus penggunaan BigQuery ML

Untuk mengaktifkan fungsi BigQuery ML yang didukung, gunakan fungsi tersebut dengan cara berikut:

  • Saat membuat agen dan menambahkan kueri terverifikasi—misalnya, jika Anda adalah ilmuwan data yang menyiapkan laporan berulang—Anda dapat menggunakan fungsi BigQuery ML yang didukung dalam kueri terverifikasi untuk menjelaskan default dan mengotomatiskan laporan.
  • Saat Anda mengajukan pertanyaan umum tentang data kepada agen, dalam percakapan, atau dalam kueri terverifikasi menggunakan kata kunci, agen akan membuat SQL BigQuery ML sebagai respons terhadap pertanyaan Anda.

Tabel berikut menunjukkan contoh perintah sekali jalan yang mengaktifkan penggunaan BigQuery ML:

Kasus penggunaan Contoh penggunaan Set data publik
Perkiraan "Prediksi jumlah perjalanan untuk bulan depan." bigquery-public-data.san_francisco_bikeshare.bikeshare_trips
Deteksi anomali "Temukan pencilan dalam perjalanan per hari untuk tahun 2018 menggunakan tahun 2017 sebagai dasar." bigquery-public-data.san_francisco_bikeshare.bikeshare_trips
Pembuatan teks LLM "Untuk setiap artikel dalam kategori 'olahraga', ringkas kolom isi dalam 1-2 kalimat." bigquery-public-data.bbc_news.fulltext

Keamanan

Anda dapat mengelola akses ke analisis percakapan di BigQuery menggunakan peran dan izin IAM Conversational Analytics API. Untuk informasi tentang peran yang diperlukan untuk operasi tertentu, lihat peran yang diperlukan agen data dan peran yang diperlukan percakapan.

Lokasi

Analisis percakapan beroperasi secara global; Anda tidak dapat memilih region yang akan digunakan.

Harga

Anda akan dikenai biaya sesuai dengan harga komputasi BigQuery untuk kueri yang dijalankan saat Anda membuat agen data dan melakukan percakapan dengan agen data atau sumber data. Tidak ada biaya tambahan untuk membuat dan menggunakan agen data dan percakapan selama periode Pratinjau.

Praktik terbaik

Saat menggunakan analisis percakapan, kueri akan otomatis dijalankan untuk menjawab pertanyaan Anda. Anda mungkin dikenai biaya yang tidak terduga dalam kasus berikut:

  • Jika tabel Anda besar
  • Jika kueri menggunakan gabungan data
  • Jika kueri melakukan banyak panggilan ke fungsi AI

Untuk mencegah masalah ini, pertimbangkan ukuran saat memilih sumber pengetahuan, dan saat melakukan percakapan, pertimbangkan untuk menggunakan gabungan.

Kuota bersama dinamis

Kuota Bersama Dinamis (DSQ) di Vertex AI mengelola kapasitas untuk model Gemini. Tidak seperti kuota konvensional, DSQ memungkinkan Anda mengakses kumpulan resource bersama yang besar tanpa batas per project tetap untuk throughput model.

Performa, seperti latensi, dapat bervariasi bergantung pada beban sistem secara keseluruhan. Selama waktu permintaan tinggi di seluruh kumpulan bersama, Anda mungkin sesekali mengalami error 429 Resource Exhausted sementara. Error ini menunjukkan bahwa kapasitas kumpulan bersama dibatasi untuk sementara, tetapi bukan berarti Anda telah mencapai batas kuota tertentu di project Anda. Untuk memeriksa kapasitas, coba lagi permintaan setelah beberapa saat.

Langkah berikutnya