對話式數據分析總覽
BigQuery 對話式數據分析可讓您與代理對話，以自然語言解讀資料。如要取得資料相關解答，可以執行下列操作：
- 建立資料代理，自動為一組知識來源 (例如您選取的資料表、檢視表、圖表或 user-defined function (UDF)) 定義資料情境和查詢處理指令。
- 如有需要，您可以為代理建立情境和指令，形式包括自訂資料表和欄位中繼資料、代理如何解讀及查詢資料的指令，或是建立已驗證的查詢 (舊稱精確查詢)，設定資料代理有效回答特定用途的問題。
自訂代理前，建議您先使用代理建立的背景資訊和指示。
以下列舉一些您提供給代理的背景資訊和指令：
- 背景資訊：您可以設定銷售分析資料代理，讓其瞭解「成效最佳」是指收益最高的業務代表，而非成交量最多的業務代表。
- 操作說明。您可以指示資料代理，在被問到「趨勢」時，一律將資料篩選為最近一季，或預設依「產品類別」將結果分組。
建立資料代理後，您就能與其對話，以自然語言詢問 BigQuery 資料相關問題。您也可以與一或多個資料來源建立直接對話，回答基本的一次性問題。
對話式數據分析採用 Gemini for Google Cloud 技術，並支援部分 BigQuery AI 和機器學習功能。詳情請參閱「BigQuery AI 和機器學習支援」。
瞭解 Gemini for Google Cloud 如何使用您的資料。
提示分析和選擇不採用方式
為提升對話分析的品質、準確度和可靠性，Google 會分析顧客互動中的匿名提示資料。這類資料有助於找出常見的使用模式、偵測理解落差，以及提升整體產品效能。這類資料不會用於訓練或微調 Google 的基礎 AI 模型。這項資料處理功能預設為啟用。
如要停用提示分析功能，請採取下列任一做法：
- 如要在 2026 年 11 月 23 日前選擇停用，請完成下列步驟：
- 使用 Resource Manager API、CLI 或 Google Cloud 控制台取得專案編號，或找出組織 ID，以便選擇不採用組織中所有現有的 BigQuery 專案。
- 提交選擇不採用表單，並在表單中加入要排除的專案 ID。
- 如要在 2026 年 11 月 23 日當天或之後停用，請套用自訂階層式組織政策服務限制
constraints/gcp.disablePromptAnalytics，在組織、資料夾或專案層級封鎖提示擷取。
您可以在 Google Cloud 控制台管理員設定中，重新啟用提示數據分析功能。如果您先前套用了自訂組織政策服務限制，則必須將其移除。
詳情請參閱 BigQuery 對話式數據分析的 服務專屬條款。
資料代理
資料代理包含一或多個知識來源，以及一組特定用途的資料處理指令。建立資料代理時，可使用下列選項進行設定：
- 使用資料代理時，可搭配知識來源，例如資料表、檢視表、圖表和 UDF。您也可以連結無邊界湖倉資料表做為來源。詳情請參閱「使用自然語言查詢 Lakehouse 資料表」。
- 提供自訂資料表和欄位中繼資料，以最適合特定用途的方式描述資料。
- 提供解讀及查詢資料的操作說明，例如定義下列項目：
- 欄位名稱的同義詞和業務術語
- 篩選及分組時最重要的欄位和預設值
- 建立經過驗證的查詢，讓資料代理用來建立代理的回覆結構，並學習貴組織使用的商業邏輯。驗證查詢先前稱為精確查詢。通過驗證的查詢可以使用支援的 BigQuery AI 和機器學習函式，並支援查詢參數。
- 為每個代理建立 BigQuery 自訂詞彙表字詞，或從 Knowledge Catalog 匯入組織詞彙字詞。這些字詞可協助代理理解使用者提示。如需各種類型的使用時機建議，請參閱「建立或查看詞彙表字詞」。
管理資料代理
您可以在 Google Cloud 控制台的「Agent Catalog」分頁中，建立、管理及使用下列類型的資料代理：
- 每個 Google Cloud 專案都有預先定義的範例代理。
- 列出您草擬、建立和發布的代理。
- 其他人建立並與您共用的代理清單。
詳情請參閱「建立資料代理」。
專案中支援資料代理的其他服務 (例如 Conversational Analytics API 和 數據分析)，可以存取您在 BigQuery 建立的資料代理。您也可以使用 Conversational Analytics API 呼叫在 Google Cloud 控制台建立的代理，藉此存取該代理。
對話
對話是指與資料代理或資料來源持續進行的對話。您可以向資料代理提出多部分問題，並使用「銷售」或「最熱門」等常見字詞，不必指定資料表欄位名稱或定義篩選資料的條件。您也可以詢問 PDF 等物件中的資料。代理可判斷要查詢哪些資料來源，並在建構回覆時，利用資料表分區或搜尋索引等最佳化功能。代理可使用資料欄值的現有嵌入，將問題與正確資料配對。例如，詢問「Texas」會找到儲存為「TX」的資料列。
傳回的對話回覆提供下列功能：
- 問題的答案，可能是文字、程式碼或圖片 (多模態)。答案可能包含支援的 BigQuery AI 和機器學習函式。
- 在適當情況下生成圖表。
- 代理對結果的推論。
- 對話的中繼資料，例如使用的代理和資料來源。
與資料來源建立直接對話時，Conversational Analytics API 會解讀問題，但不會提供資料代理提供的背景資訊和處理指示。因此，直接對話結果可能較不準確。如果需要更高的準確度，請使用資料代理。
您可以使用Google Cloud 控制台，在 BigQuery 中建立及管理對話。詳情請參閱「透過對話分析資料」。
BigQuery AI 和機器學習支援
對話式數據分析支援下列 AI 和機器學習功能，可回應與資料代理和資料來源的對話，以及您建立的已驗證 SQL 查詢。
- 時間序列分析
- 統計分析和資料剖析
- 建立預測模型
- 語意搜尋
- 生成式 AI
您必須具備必要權限，才能執行生成式 AI 查詢。
代理只會對已啟用自主嵌入生成功能的資料表使用 AI.SEARCH 函式。否則，代理會使用 AI.SIMILARITY 函式，這需要即時生成嵌入。
用途
如要啟用支援的功能，請按照下列方式使用：
- 建立代理並新增已驗證的查詢時 (例如資料科學家準備定期報表)，您可以在已驗證的查詢中使用支援的 AI 函式，描述預設值並自動產生報表。
- 當您在對話中向代理提出有關資料的高階問題，或使用關鍵字進行已驗證的查詢時，代理會生成 SQL 來回答問題。
下表列舉單樣本提示範例，說明如何啟用 AI 或機器學習函式：
支援分析工作
對話式數據分析支援購物籃分析 (又稱關聯規則學習)，這項技術可用於找出購買模式。這項分析會找出在單一交易中經常一起購買的商品之間的關係。
舉例來說，如果對話的資料來源是 bigquery-public-data.iowa_liquor_sales.sales 資料表，您可以提出下列問題：
What are the best product bundling opportunities based on data from 2025?
對話式數據分析會使用內建的 SQL 範本，傳回準確的回覆，其中包含槓桿、支援、信賴度和提升指標。
圖表支援
對話式數據分析支援使用圖譜做為資料來源。當您詢問有關圖表的問題時，代理會建構查詢來回答問題。代理可使用您在圖譜標籤和屬性中定義的 說明、同義詞和擴充功能，提升結果品質。代理也能利用圖譜中定義的測量指標，執行多層級匯總。如果回覆包含圖表路徑，系統會提供圖表視覺呈現。
代理會根據圖表結構定義和您提出的問題，使用 Graph Query Language (GQL) 或 SQL 中的 GRAPH_EXPAND 資料表值函式查詢圖表。GQL 查詢需要 BigQuery Enterprise 或 Enterprise Plus 版本預留項目。在採用隨選定價方案的專案中，GQL 查詢會失敗並傳回錯誤。包含 GRAPH_EXPAND 函式的查詢可以採用隨選定價模式執行，但該函式不支援所有類型的圖表。如需瞭解相關規定和限制，請參閱 GRAPH_EXPAND。
舉例來說，您可以使用 BigQuery 「Agents」(代理) 頁面上的 Look Graph 範例代理，提出類似下列有關 bigquery-public-data.thelook_ecommerce.graph 圖表的問題：
Which product is most popular among 25-year-olds?Show me the connection between bow tie orders and distribution centers
安全性
您可以使用 Conversational Analytics API IAM 角色和權限，管理 BigQuery 對話式數據分析的存取權。如要瞭解特定作業所需的角色，請參閱資料代理必要角色和對話必要角色。
對話數據分析包含下列安全防護功能和措施：
- Gemini 只能存取您有權存取的資料和資源。
- 這項服務遵循 VPC-SC 安全控管機制。
- 無法執行寫入作業和 DML 查詢。
- 無法執行遠端函式。
- 只能存取您明確選取的知識來源。
- 對話記錄只會與你分享。無法與其他使用者共用。
- 建立資料代理時，您必須有權查詢新增的每個知識來源。
位置
對話式數據分析支援下列位置，這些位置會決定代理和對話資源的儲存位置，以及 ML 處理作業的執行位置：
- 美國 (多區域端點)
- 歐盟 (多區域端點)
northamerica-northeast1(蒙特婁)northamerica-northeast2(多倫多)us-east4(北維吉尼亞州)- 全球
建立代理和對話時，系統會套用下列預設行為：
- 如果所有知識來源都來自同一個支援的區域 (例如
us-east4)，系統就會使用該區域。 - 如果所有知識來源都來自美國境內，則會使用美國 MREP。
- 如果所有知識來源都來自歐盟區域，則會使用歐盟 MREP。
- 否則會使用全域位置。
建立代理時，您可以視需要選取其他位置。儲存代理後，就無法變更其位置。
2026 年 6 月 4 日前建立的代理位於全域位置。
定價
建立資料代理，以及與資料代理或資料來源對話時，系統會依據 BigQuery 運算定價，向您收取執行查詢的費用。詳情請參閱代理程式定價。
最佳做法
使用對話分析時，請遵循下列最佳做法：
先對資料表執行資料清理，再新增為資料來源。
在檢視表中彙整相關資料表，並將該檢視表做為資料來源，而不是依賴代理決定正確的資料彙整方式。
對資料執行剖析掃描。
定義代理範圍。範圍廣泛的代理可能會出現指令衝突、輸出內容模糊不清，以及效能不一致的情況。如果代理需要超過 20 個資料來源、用於指標定義不同的團隊，或優先處理某類結果而犧牲其他結果，建議建立其他代理。
向代理提供背景資訊。請按照下列方式，優先提供各類脈絡資訊：
- 已驗證的查詢：與使用者提示相符時執行的確定性 SQL。
- 詞彙表：將資料欄連結至語意情境的詞彙定義。
- 代理指令：使用自然語言編寫的全域行為規則和定義，例如會計年度日曆定義或格式規則。
在資料表中新增資料表和資料欄說明。
請勿在 Knowledge Catalog 和 BigQuery 自訂詞彙表中重複定義詞彙。
設定專案層級、使用者層級和查詢層級的支出上限，管理代理費用。
在對話中提出有效問題。
瞭解資料代理和對話的資料保留和刪除機制。
限制
一個代理最多可新增 100 個知識來源。
如要進一步瞭解查詢、對話、資料和圖表的限制，請參閱「Conversational Analytics API 已知限制」。
動態共用配額
Gemini Enterprise Agent Platform 的動態共用配額 (DSQ) 會管理 Gemini 模型的容量。與傳統配額不同，DSQ 可讓您存取大型共用資源集區，模型處理量沒有固定的專案限制。
效能 (例如延遲時間) 可能會因整體系統負載而異。共用集區需求量較高時，您有時可能會遇到暫時性的 429 Resource Exhausted 錯誤。這些錯誤表示共用集區容量暫時受限，不代表專案已達特定配額上限。如要確認容量，請稍後再重試要求。
找出並分析代理生成的查詢
資料代理執行的 BigQuery 工作會包含特定標籤。這些標籤可讓您識別、篩選及分析代理程式的工作。
這些標籤可用於下列工作：
- 依標籤篩選帳單報表，瞭解代理費用。
- 稽核代理活動。
- 分析查詢效能。
找出資料代理標籤
BigQuery 會為對話式數據分析執行的工作套用標籤。這些標籤會計入工作資源的 64 個標籤上限。如要取得標籤以進行篩選和其他分析，請在Google Cloud 控制台中查看標籤。您也可以為資料代理套用自訂標籤。您無法使用自訂標籤覆寫系統產生的標籤。
如要查看資料代理程式的標籤，請按照下列步驟操作：
在 Google Cloud 控制台中查看工作詳細資料。
在「Query job details」(查詢工作詳細資料) 窗格中，找出「Labels」(標籤) 部分，然後尋找下列標籤：
ca-bq-job: true表示工作是使用對話式數據分析執行。data-agent-id: DATA_AGENT_ID表示工作是由資料代理程式執行。這個值是從資料代理資源名稱中擷取的資源 ID 區段。conversation-id: CONVERSATION_ID表示工作與對話相關聯。這個值是從對話資源名稱中擷取的 ID 區隔。
分析代理生成的任務
使用標籤分析代理程式產生的工作。舉例來說，如要查看資料代理執行的工作數量，請對 INFORMATION_SCHEMA.JOBS 檢視表執行下列查詢：
SELECT
COUNT(*) AS job_count
FROM
`PROJECT_ID`.`region-REGION`.INFORMATION_SCHEMA.JOBS
WHERE
EXISTS (
SELECT 1
FROM UNNEST(labels) AS label
WHERE label.key = 'ca-bq-job' AND label.value = 'true'
);
更改下列內容：
PROJECT_ID：您的 Google Cloud 專案 ID。REGION：工作執行所在的區域 (例如us或eu)。
後續步驟
- 進一步瞭解 Conversational Analytics API。
- 建立資料代理。
- 透過對話分析資料。
- 搭配使用湖倉與對話式數據分析。
- 瞭解如何使用標籤篩選資源。