對話式數據分析總覽

在 BigQuery 中，您可以透過對話式數據分析功能，以自然語言與代理程式討論資料。如要取得資料相關問題的解答，請按照下列步驟操作：

建立資料代理程式，自動為一組知識來源 (例如您選取的資料表、檢視區塊或使用者定義函式 (UDF)) 定義資料內容，並查詢處理指令。
如有需要，您可以建立自訂表格和欄位中繼資料、提供資料解讀和查詢指示，或建立已驗證的查詢 (先前稱為黃金查詢)，為資料代理程式設定情境和指示，以便有效回答特定用途的問題。

建議您先使用代理程式建立的內容和指令，再自訂代理程式。

以下列舉一些您提供給代理程式的背景資訊和指令：

背景資訊。銷售分析資料代理程式可設定為瞭解「成效最佳者」是指收益最高的銷售代表，而不只是成交最多交易的銷售代表。
操作說明。您可以指示資料代理人，在被問及「趨勢」時，一律篩選出最近一季的資料，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，以自然語言詢問有關 BigQuery 資料的問題。您也可以與一或多個資料來源直接對話，回答基本的一次性問題。

對話式分析功能採用 Gemini for Google Cloud，並支援部分 BigQuery ML 函式。詳情請參閱「BigQuery ML 支援」一節。

瞭解 Gemini for Google Cloud 如何使用您的資料。

資料代理

資料代理程式包含一或多個知識來源，以及一組特定用途的指令，用於處理該資料。建立資料代理時，您可以使用下列選項進行設定：

使用資料代理程式搭配資料表、檢視區塊和 UDF 等知識來源。
提供自訂表格和欄位中繼資料，以最適合特定用途的方式說明資料。
提供解讀及查詢資料的操作說明，例如定義下列項目：
- 欄位名稱的同義字和業務用語
- 篩選和分組作業最重要的欄位和預設值
建立已驗證的查詢，供資料代理使用，藉此建立代理的回覆結構，並學習貴機構使用的商業邏輯。驗證過的查詢先前稱為「黃金查詢」。通過驗證的查詢可以使用支援的 BigQuery ML 函式。

管理資料代理程式

您可以在 Google Cloud 控制台的「Agent Catalog」(代理程式目錄) 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程式。
草擬、建立及發布的代理清單。
其他人建立並與您共用的代理程式清單。

詳情請參閱「建立資料代理程式」。

專案中支援資料代理程式的其他服務 (例如對話式數據分析 API 和 Looker Studio Pro)，可以存取您在 BigQuery 中建立的資料代理程式。您也可以使用 Conversational Analytics API 呼叫代理程式，存取在 Google Cloud 控制台中建立的代理程式。

對話

對話是指與資料代理程式或資料來源進行的持續性對話。您可以向資料代理程式提出多個問題，使用「銷售量」或「最受歡迎」等常見用語，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。

傳回給你的對話回覆提供下列功能：

以文字、程式碼或圖片 (多模態) 形式呈現問題的答案。答案可以包含支援的 BigQuery ML 函式。
視需要生成圖表。
服務專員對結果的推理。
對話的中繼資料，例如使用的代理程式和資料來源。

直接與資料來源建立對話時，Conversational Analytics API 會解讀您的問題，但不會提供資料服務專員提供的背景資訊和處理指令。因此，直接對話結果可能較不準確。如果案件需要更高的準確度，請使用資料代理程式。

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 ML 支援

在與資料代理和資料來源的對話中，以及您建立的已驗證 SQL 查詢中，對話式數據分析支援下列 BigQuery ML 函式。

AI_FORECAST
AI.DETECT_ANOMALIES
AI_GENERATE，包括 AI.GENERATE_BOOL、AI.GENERATE_INT 和 AI.GENERATE_DOUBLE

如要使用支援的 AI.GENERATE 函式，您必須具備執行生成式 AI 查詢的必要權限。

BigQuery ML 用途

如要啟用支援的 BigQuery ML 函式，請透過下列方式使用：

建立代理程式並新增已驗證的查詢時 (例如您是準備定期報表的資料科學家)，可以在已驗證的查詢中使用支援的 BigQuery ML 函式，說明預設值並自動產生報表。
當您在對話中或使用關鍵字進行驗證查詢時，向代理程式詢問有關資料的高階問題，代理程式會產生 BigQuery ML SQL 來回應您的問題。

下表顯示可啟用 BigQuery ML 的單次提示範例：

用途	用法示範	公開資料集
預測	「預測下個月的行程數。」	`bigquery-public-data.san_francisco_bikeshare.bikeshare_trips`
異常偵測	「Find outliers in trips per day for 2018 using 2017 as a baseline.」(以 2017 年為基準，找出 2018 年每日行程的離群值)。	`bigquery-public-data.san_francisco_bikeshare.bikeshare_trips`
大型語言模型文字生成	「針對『運動』類別中的每篇文章，以 1 到 2 句話摘要說明內文欄。」	`bigquery-public-data.bbc_news.fulltext`

安全性

您可以使用對話式數據分析 API 身分與存取權管理角色和權限，管理 BigQuery 中對話式數據分析的存取權。如要瞭解特定作業所需的角色，請參閱資料代理程式必要角色和對話必要角色。

位置

對話式分析功能適用於全球，無法選擇要使用的區域。

定價

建立資料代理，以及與資料代理或資料來源對話時，系統會針對執行的查詢，按照 BigQuery 計算價格收費。在預先發布期間，建立及使用資料代理程式和對話不會產生額外費用。

最佳做法

使用對話式數據分析時，系統會自動執行查詢來回答問題。在下列情況下，您可能會產生預料之外的費用：

如果表格很大
如果查詢使用資料聯結
如果查詢會大量呼叫 AI 函式

為避免發生這個問題，請在選取知識來源時考慮大小，並在對話時考慮使用聯結。

動態共用配額

Vertex AI 中的動態共用配額 (DSQ) 可管理 Gemini 模型的容量。與傳統配額不同，DSQ 可讓您存取大量共用資源，且模型輸送量沒有固定的專案限制。

延遲等效能可能會因整體系統負載而異。共用集區需求量較高時，您偶爾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，但並非表示專案已達到特定配額限制。如要查看容量，請稍後再重試要求。