대화형 분석 개요

BigQuery의 대화형 분석을 사용하면 자연어를 사용하여 데이터에 관해 에이전트와 채팅할 수 있습니다. 데이터에 관한 답변을 얻으려면 다음 단계를 따르세요.

선택한 테이블, 뷰, 사용자 정의 함수 (UDF)와 같은 지식 소스 집합의 데이터 컨텍스트와 쿼리 처리 지침을 자동으로 정의하는 데이터 에이전트를 만듭니다.
필요한 경우 맞춤 표 및 필드 메타데이터, 데이터를 해석하고 쿼리하는 에이전트용 안내를 통해 또는 검증된 질문(이전 명칭: 골든 질문)을 만들어 특정 사용 사례에 대한 질문에 효과적으로 답변하도록 데이터 에이전트를 구성하여 에이전트의 컨텍스트와 안내를 만들 수 있습니다.

에이전트를 맞춤설정하기 전에 에이전트가 생성하는 컨텍스트와 안내를 먼저 사용하는 것이 좋습니다.

에이전트에게 제공하는 컨텍스트와 요청의 예는 다음과 같습니다.

컨텍스트 판매 분석을 위한 데이터 에이전트는 '실적이 우수한 직원'이 단순히 가장 많은 거래를 성사시킨 영업 담당자가 아니라 수익이 가장 높은 영업 담당자를 의미한다는 것을 이해하도록 구성할 수 있습니다.
안내 '트렌드'에 대해 질문할 때 항상 데이터를 가장 최근 분기로 필터링하거나 기본적으로 '제품 카테고리'별로 결과를 그룹화하도록 데이터 에이전트에 지시할 수 있습니다.

데이터 에이전트를 만든 후에는 자연어를 사용하여 BigQuery 데이터에 대해 질문하는 대화를 나눌 수 있습니다. 하나 이상의 데이터 소스를 사용하여 직접 대화를 만들어 기본적인 일회성 질문에 답변할 수도 있습니다.

대화형 분석은 Google Cloud용 Gemini로 구동되며 일부 BigQuery ML 함수를 지원합니다. 자세한 내용은 BigQuery ML 지원을 참고하세요.

Google Cloud 를 위한 Gemini에서 사용자 데이터를 사용하는 방법과 시점을 알아보세요.

데이터 에이전트

데이터 에이전트는 하나 이상의 지식 소스와 해당 데이터를 처리하는 사용 사례에 특화된 일련의 안내로 구성됩니다. 데이터 에이전트를 만들 때 다음 옵션을 사용하여 구성할 수 있습니다.

데이터 에이전트와 함께 테이블, 뷰, UDF와 같은 지식 소스를 사용합니다.
맞춤 표 및 필드 메타데이터를 제공하여 지정된 사용 사례에 가장 적합한 방식으로 데이터를 설명합니다.
다음과 같이 데이터를 해석하고 쿼리하는 방법을 설명합니다.
- 필드 이름의 동의어 및 비즈니스 용어
- 필터링 및 그룹화에 가장 중요한 필드와 기본값
데이터 에이전트가 에이전트의 응답 구조를 구성하고 조직에서 사용하는 비즈니스 로직을 학습하는 데 사용할 수 있는 확인된 쿼리를 만듭니다. 이전에는 검증된 질문을 골든 질문이라고 불렀습니다. 인증된 쿼리는 지원되는 BigQuery ML 함수를 사용할 수 있습니다.

데이터 에이전트 관리

Google Cloud 콘솔의 에이전트 카탈로그 탭에서 다음 유형의 데이터 에이전트를 만들고, 관리하고, 사용할 수 있습니다.

각 Google Cloud 프로젝트에 대해 미리 정의된 샘플 에이전트
작성, 생성, 게시된 에이전트 목록
다른 사용자가 만들어 나와 공유한 상담사 목록입니다.

자세한 내용은 데이터 에이전트 만들기를 참고하세요.

Conversational Analytics API 및 Looker Studio Pro와 같이 데이터 에이전트를 지원하는 프로젝트의 다른 서비스는 BigQuery에서 만든 데이터 에이전트에 액세스할 수 있습니다. 대화형 분석 API를 사용하여 호출하여 Google Cloud 콘솔에서 생성된 에이전트에 액세스할 수도 있습니다.

대화

대화는 데이터 에이전트 또는 데이터 소스와의 지속적인 채팅입니다. 표 필드 이름을 지정하거나 데이터를 필터링하는 조건을 정의하지 않고도 '매출' 또는 '가장 인기 있는'과 같은 일반적인 용어를 사용하는 다중 질문을 데이터 에이전트에게 할 수 있습니다. PDF와 같은 객체에 있는 데이터에 관해 질문할 수도 있습니다.

채팅 응답은 다음과 같은 기능을 제공합니다.

질문에 대한 답변(텍스트, 코드 또는 이미지(멀티모달)) 답변에는 지원되는 BigQuery ML 함수가 포함될 수 있습니다.
적절한 경우 차트를 생성합니다.
결과에 대한 상담사의 추론입니다.
사용된 상담사와 데이터 소스 등 대화에 관한 메타데이터입니다.

데이터 소스와 직접 대화를 만들면 Conversational Analytics API가 데이터 에이전트가 제공하는 컨텍스트와 처리 지침 없이 질문을 해석합니다. 이로 인해 직접 대화 결과의 정확도가 떨어질 수 있습니다. 정확성이 더 필요한 케이스에는 데이터 에이전트를 사용하세요.

Google Cloud 콘솔을 사용하여 BigQuery에서 대화를 만들고 관리할 수 있습니다. 자세한 내용은 대화로 데이터 분석하기를 참고하세요.

BigQuery ML 지원

대화형 분석은 데이터 에이전트 및 데이터 소스와의 채팅에 대한 응답으로, 그리고 사용자가 만든 확인된 SQL 쿼리에서 다음 BigQuery ML 함수를 지원합니다.

지원되는 AI.GENERATE 함수를 사용하려면 생성형 AI 쿼리를 실행할 수 있는 필요한 권한이 있어야 합니다.

BigQuery ML 사용 사례

지원되는 BigQuery ML 함수를 활성화하려면 다음 방법으로 사용하세요.

에이전트를 만들고 확인된 질문을 추가할 때(예: 반복 보고서를 준비하는 데이터 과학자인 경우) 확인된 질문에서 지원되는 BigQuery ML 함수를 사용하여 기본값을 설명하고 보고서를 자동화할 수 있습니다.
대화, 또는 키워드를 사용한 인증된 쿼리에서 데이터에 관한 개략적인 질문을 에이전트에게 하면 에이전트가 질문에 대한 응답으로 BigQuery ML SQL을 생성합니다.

다음 표에는 BigQuery ML 사용을 활성화하는 원샷 프롬프트의 예가 나와 있습니다.

사용 사례	사용 예시	공개 데이터 세트
예측	'다음 달의 여행 수를 예측해 줘.'	`bigquery-public-data.san_francisco_bikeshare.bikeshare_trips`
이상 감지	'2017년을 기준으로 2018년의 일별 이동 횟수에서 이상치를 찾아 줘.'	`bigquery-public-data.san_francisco_bikeshare.bikeshare_trips`
LLM 텍스트 생성	'스포츠' 카테고리의 각 기사에 대해 본문 열을 1~2문장으로 요약해 줘.'	`bigquery-public-data.bbc_news.fulltext`

보안

Conversational Analytics API IAM 역할 및 권한을 사용하여 BigQuery의 대화형 분석에 대한 액세스를 관리할 수 있습니다. 특정 작업에 필요한 역할에 대한 자세한 내용은 데이터 에이전트 필수 역할 및 대화 필수 역할을 참고하세요.

위치

대화형 분석은 전역적으로 작동하므로 사용할 리전을 선택할 수 없습니다.

가격 책정

데이터 에이전트를 만들고 데이터 에이전트 또는 데이터 소스와 대화할 때 실행되는 쿼리에 대해 BigQuery 컴퓨팅 가격이 청구됩니다. 미리보기 기간에는 데이터 에이전트 및 대화를 만들고 사용하는 데 추가 요금이 부과되지 않습니다.

권장사항

대화형 분석을 사용하면 질문에 답변하기 위해 쿼리가 자동으로 실행됩니다. 다음과 같은 경우 예상치 못한 요금이 발생할 수 있습니다.

테이블이 큰 경우
쿼리에서 데이터 조인을 사용하는 경우
쿼리에서 AI 함수를 많이 호출하는 경우

이 문제를 방지하려면 지식 소스를 선택할 때 크기를 고려하고 대화할 때는 조인을 사용하는 것이 좋습니다.

동적 공유 할당량

Vertex AI의 동적 공유 할당량 (DSQ)은 Gemini 모델의 용량을 관리합니다. 기존 할당량과 달리 DSQ를 사용하면 모델 처리량에 대한 고정 프로젝트별 한도 없이 대규모 공유 리소스 풀에 액세스할 수 있습니다.

지연 시간과 같은 성능은 전체 시스템 부하에 따라 달라질 수 있습니다. 공유 풀에서 수요가 급증하는 동안 일시적으로 429 Resource Exhausted 오류가 발생할 수 있습니다. 이러한 오류는 공유 풀 용량이 일시적으로 제한되었음을 나타내며 프로젝트의 특정 할당량 한도에 도달했음을 나타내지는 않습니다. 용량을 확인하려면 잠시 후에 요청을 다시 시도하세요.