Analiza datos con conversaciones

En este documento, se describe cómo crear, editar, exportar y borrar conversaciones en BigQuery. Las conversaciones son chats persistentes con un agente de datos o fuentes de datos, como tablas, vistas o gráficos, que seleccionas.

Las conversaciones son chats persistentes con un agente de datos o una fuente de datos. Puedes hacerles preguntas de varias partes a los agentes de datos que usen términos comunes, como "ventas" o "más popular", sin tener que especificar los nombres de los campos de la tabla ni definir condiciones para filtrar los datos. También puedes hacer preguntas sobre los datos que se encuentran en objetos, como los archivos PDF. Un agente puede hacer lo siguiente:

• Determinar qué fuentes de datos consultar
• Aprovecha las optimizaciones, como las particiones de tablas o los índices de búsqueda.
• Usa embeddings existentes de los valores de tus columnas para que tu pregunta coincida con los datos correctos. Por ejemplo, si se pregunta por "Texas", se encontrarán filas almacenadas como "TX".
• Tener en cuenta todo el contexto sobre una fuente de datos almacenada en Knowledge Catalog

La respuesta de chat que se te devuelve proporciona las siguientes funciones:

• La respuesta a tu pregunta en forma de texto, código o imágenes (multimodal) La respuesta puede incluir funciones de IA y AA de BigQuery compatibles.
• Gráficos generados cuando corresponde
• El razonamiento del agente detrás de los resultados.
• Metadatos sobre la conversación, como el agente y las fuentes de datos utilizadas

Cuando creas una conversación directa con una fuente de datos, la API de Conversational Analytics interpreta tu pregunta sin el contexto ni las instrucciones de procesamiento que ofrece un agente de datos. Por este motivo, los resultados de las conversaciones directas pueden ser menos precisos. Usa agentes de datos para los casos que requieran mayor exactitud.

Puedes crear y administrar conversaciones en BigQuery con la consola deGoogle Cloud . Para obtener más información, consulta Analiza datos con conversaciones.

Antes de comenzar

1. Verifica que la facturación esté habilitada para tu proyecto de Google Cloud .

2. Habilita las APIs de BigQuery, Gemini Data Analytics y Gemini para Google Cloud , si aún no están habilitadas.

   Roles necesarios para habilitar las APIs

   Para habilitar las APIs, necesitas el permiso serviceusage.services.enable. Si creaste el proyecto, es probable que ya tengas este permiso a través del rol de propietario (roles/owner). De lo contrario, puedes obtenerlo a través del rol de administrador de Service Usage (roles/serviceusage.serviceUsageAdmin). Obtén información para otorgar roles.

   Habilitar las API

Roles obligatorios

Para crear conversaciones, debes tener uno de los siguientes roles de IAM de la API de Conversational Analytics:

• Para ver y crear conversaciones con cualquier agente de datos que se haya compartido contigo, debes tener el rol de usuario de agente de datos de Gemini Data Analytics (roles/geminidataanalytics.dataAgentUser) y el rol de usuario de Gemini para Google Cloud (roles/cloudaicompanion.user) a nivel del proyecto.
• Para crear una conversación directa, debes tener el rol de usuario de chat sin estado de Gemini Data Analytics (roles/geminidataanalytics.dataAgentStatelessUser).

Además, en las siguientes situaciones, debes tener los siguientes roles:

• Si un agente de datos usa un conjunto de datos como fuente de conocimiento, necesitas el rol de visualizador de datos de BigQuery (roles/bigquery.dataViewer) en el conjunto de datos.
• Si un agente de datos ejecuta una consulta en SQL por ti, necesitas el rol de usuario de trabajo de BigQuery (roles/bigquery.jobUser) en el proyecto.
• Si un agente de datos usa una tabla o vista como fuente de conocimiento, necesitas el rol de visualizador de datos de BigQuery (roles/bigquery.dataViewer) en la tabla o vista.
• Si una tabla usa el control de acceso a nivel de columna, necesitas el rol de lector detallado (roles/datacatalog.categoryFineGrainedReader). Este rol se asigna a las principales como parte de la configuración de una etiqueta de política. Para obtener más información, consulta Roles usados con el control de acceso a nivel de columna.
• Si una tabla de datos usa el control de acceso a nivel de fila, se te debe otorgar acceso a través de la política de acceso a nivel de rol en esa tabla. Para obtener más información, consulta Crea o actualiza políticas de acceso a nivel de fila.
• Si una tabla de datos usa el enmascaramiento de datos, se te debe otorgar el rol de lector enmascarado (roles/bigquerydatapolicy.maskedReader) a través de la política de datos adecuada. Para obtener más información, consulta Roles para consultar datos enmascarados.
• Para conversar con un conjunto de datos o un proyecto, necesitas el rol de visualizador de Data Catalog (roles/datacatalog.viewer) en el proyecto.

Si no tienes los roles adecuados en las tablas de datos de origen que usa el agente de datos, el sistema devuelve el siguiente error cuando chateas con el agente de datos:

Schema_Resolution: Access Denied

Prácticas recomendadas

Las estadísticas conversacionales ejecutan consultas automáticamente en tu nombre para responder tus preguntas. Ten en cuenta los siguientes factores que podrían aumentar el costo de las consultas:

• Tamaños de tabla grandes
• Uso de uniones de datos en consultas
• Llamadas frecuentes a funciones IA dentro de consultas

Crea una conversación con un agente de datos

Para crear una conversación con un agente de datos, primero crea un agente de datos y publícalo. También puedes iniciar una conversación con los agentes que otras personas compartan contigo.

Para crear una conversación con un agente de datos existente en la consola de Google Cloud , sigue estos pasos:

1. Ve a la página Agentes de BigQuery.

   Ir a Agentes

2. Selecciona la pestaña Catálogo de agentes.

3. En la sección Mis agentes o Compartidos por otras personas de tu organización, haz clic en la tarjeta del agente con el que quieres chatear.

   Se abrirá un nuevo panel de chat.

4. En el campo Haz una pregunta, ingresa tu pregunta y elige un modo:

   • Rápido (predeterminado): Es la mejor opción para la mayoría de las preguntas.
   • Pensamiento: razonamiento detallado.

   También puedes hacer clic en una de las preguntas sugeridas por Gemini para comenzar.

5. Haz clic en send_spark Enviar.

   La API de Conversational Analytics procesa tu pregunta y devuelve los resultados.

Cómo crear una conversación directa con una fuente de datos

Puedes crear una conversación directa con estas fuentes de datos de BigQuery (también conocidas como fuentes de conocimiento). Cuando creas una conversación directa, la API de Conversational Analytics interpreta tu pregunta sin el contexto ni las instrucciones de procesamiento que ofrece un agente de datos.

Puedes crear una conversación con las siguientes fuentes de datos:

• Tablas
• Vistas
• Conjuntos de datos
• Proyectos
• Gráficos

Conversa con una fuente de datos usando la página Agentes

Para crear una conversación directa con una tabla, vista o gráfico desde la página Agentes, sigue estos pasos:

1. Ve a la página Agentes de BigQuery.

   Ir a Agentes

2. En la pestaña Conversaciones, haz clic en Nueva conversación.

3. En el panel Chatea con tus datos, haz clic en la pestaña Fuentes de conocimiento. Si tu fuente de datos no aparece en la lista, puedes buscarla.

4. Selecciona una o más fuentes de datos y haz clic en Chatear.

Para crear una conversación directa con varios proyectos, sigue estos pasos:

1. Ve a la página Agentes de BigQuery.

   Ir a Agentes

2. En el campo Haz una pregunta, ingresa una pregunta. De forma predeterminada, la conversación hace referencia a todas las fuentes de datos de tu proyecto actual.

3. Para seleccionar otros proyectos, haz clic en el menú desplegable del nombre del proyecto y selecciona uno o más proyectos. La conversación hace referencia a todas las fuentes de datos de los proyectos seleccionados.

4. Haz clic en send_spark Enviar.

   Se abrirá una conversación nueva con los proyectos seleccionados.

Conversa con una fuente de datos con BigQuery Studio

Para crear una conversación directa con una fuente de datos usando BigQuery Studio, elige una de las siguientes opciones.

Conversa con un conjunto de datos, una tabla, una vista o un gráfico

Para crear una conversación directa con un conjunto de datos, una tabla, una vista o un gráfico, sigue estos pasos:

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

   Ir a BigQuery Studio

2. En el panel de la izquierda, haz clic en Explorar.

3. En el panel Explorador, expande tu proyecto, haz clic en Conjuntos de datos y, luego, selecciona un conjunto de datos. Se abrirá la página Conjuntos de datos.

4. Haz clic en un conjunto de datos para abrirlo.

5. Para chatear con el conjunto de datos, haz clic en chat_spark Chatear.

6. Para chatear con una tabla o vista en el conjunto de datos, sigue estos pasos:

   1. En la pestaña Descripción general, haz clic en Tablas.

   2. En la columna ID de tabla, haz clic en el vínculo a la tabla o vista.

   3. Haz clic en chat_spark Chat.

7. Para chatear con un gráfico, sigue estos pasos:

   1. En la pestaña Descripción general, haz clic en Gráficos.

   2. En la columna ID del gráfico, haz clic en el vínculo al gráfico.

   3. Haz clic en chat_spark Chat.

Conjuntos de datos

Crear una conversación con un conjunto de datos te permite hacer preguntas sobre tus datos sin tener que enumerar las fuentes de datos de forma explícita. Cuando creas una conversación con un conjunto de datos, el agente de datos tiene acceso a todas las tablas de ese conjunto de datos. Cuando haces una pregunta, el agente de datos busca tablas relevantes y las une, si es necesario, para producir una respuesta.

Conversa con el resultado de una consulta

Puedes crear una conversación nueva con los resultados después de ejecutar una consulta. La fuente de datos es la tabla temporal de resultados almacenados en caché que, por lo general, se conserva durante 24 horas. Después de que venzan los resultados almacenados en caché, no podrás hacer preguntas sobre los datos.

Para crear una conversación a partir del resultado de una consulta, sigue estos pasos:

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

   Ir a BigQuery Studio

2. Cambia a la pestaña del editor de consultas search_insights o haz clic en arrow_drop_down > Consulta en SQL.

3. Ingresa tu consulta en SQL y, luego, haz clic en play_circle Ejecutar.

4. En la pestaña Resultados, haz clic en chat_spark Chat.

Cómo tener una conversación con una fuente de datos

Después de hacer clic en la opción Chat para tu fuente de datos, puedes iniciar la conversación. Para tener una conversación, haz lo siguiente:

1. En el campo Haz una pregunta, ingresa tu pregunta y elige un modo:

   • Rápido (predeterminado): Es la mejor opción para la mayoría de las preguntas.
   • Pensamiento: razonamiento detallado.

2. Haz clic en send_spark Enviar.

   La API de Conversational Analytics procesa tu pregunta y devuelve los resultados. Cuando es apropiado para los datos, la respuesta proporciona imágenes, gráficos, tablas y otras visualizaciones.

3. Para ver cada paso que dio el agente de datos para proporcionar la respuesta a tu pregunta, expande la opción Mostrar razonamiento en la respuesta.

   

4. Para ver información sobre cómo se calcularon los resultados, haz clic en ¿Cómo se calculó esto?

   

   La sección Resumen incluye la consulta generada seguida del resultado de la consulta. De manera opcional, puedes abrir la consulta en el editor de consultas.

Crea un agente de datos a partir de una conversación

Puedes crear un agente de datos a partir de una conversación con una tabla o vista. No puedes crear un agente personalizado a partir de una conversación con un conjunto de datos.

Para crear un agente de datos a partir de una conversación, sigue estos pasos:

1. En el panel Detalles de una conversación, haz clic en Crear agente.

2. En la sección Editor, en el campo Nombre del agente, escribe un nombre descriptivo para el agente de datos, por ejemplo, Q4 sales data o User activity logs.

3. En el campo Descripción del agente, escribe una descripción del agente de datos. Una buena descripción explica lo que hace el agente, qué datos usa y te ayuda a saber cuándo es el agente de datos adecuado para chatear, por ejemplo, Ask questions about customer orders and revenue.

4. En la sección Fuentes de conocimiento, verifica la entrada en Fuentes de conocimiento. Puedes personalizar la fuente de datos existente o hacer clic en Agregar fuente para agregar fuentes de datos adicionales. Si tu fuente de datos no aparece en la lista, puedes buscarla.

5. Después de realizar los cambios, haz clic en Guardar borrador.

6. Haz clic en Publicar.

Exporta la respuesta de un agente de datos

Para exportar una respuesta proporcionada por un agente de datos como un archivo PDF o CSV, completa los siguientes pasos:

1. Navega hasta la respuesta del agente que quieras guardar.

2. Haz clic en el botón Descargar de . Selecciona una de las siguientes opciones:

   • PDF: Incluye hasta 20 filas para cada tabla.
   • PDF detallado: Incluye hasta 1,000 filas para cada tabla.
   • CSV: Incluye hasta 5,000 filas para cada tabla.

El archivo se descargará a través de tu navegador.

Administración de conversaciones

Puedes abrir, cambiar el nombre o borrar una conversación en la página Agentes y administrar conversaciones en el Explorador de BigQuery Studio.

Abre una conversación existente.

1. En la consola de Google Cloud , ve a la página Agentes de BigQuery.

   Ir a Agentes

2. En la pestaña Conversaciones, en la lista de conversaciones, haz clic en la conversación que quieras abrir.

Cómo cambiar el nombre de una conversación

1. En la consola de Google Cloud , ve a la página Agentes de BigQuery.

   Ir a Agentes

2. En la pestaña Conversaciones, en la lista de conversaciones, haz clic en la conversación a la que quieres cambiarle el nombre.

3. Haz clic en Ver acciones > Cambiar nombre.

4. En el cuadro de diálogo Cambiar nombre de la conversación, ingresa un nombre nuevo para la conversación en el campo Nombre de la conversación.

5. Haga clic en Cambiar nombre.

Borrar una conversación

Los resultados de las preguntas de una conversación se conservan incluso si se borran las fuentes de datos subyacentes. Para borrar una conversación y todos los resultados que contiene, sigue estos pasos:

1. En la consola de Google Cloud , ve a la página Agentes de BigQuery.

   Ir a Agentes

2. En la pestaña Conversaciones, en la lista de conversaciones, haz clic en la conversación que deseas borrar.

3. Haz clic en Ver acciones > Borrar.

4. En el cuadro de diálogo ¿Quieres borrar la conversación?, haz clic en Borrar.

Si no actualizas una conversación durante 180 días, BigQuery la borra automáticamente.

Administra conversaciones con el Explorador de BigQuery Studio

Administra conversaciones con el Explorador de BigQuery Studio. Esta lista de conversaciones proporciona un lugar central para buscar, abrir o crear conversaciones. También puedes copiar el ID de la conversación o actualizar la lista de conversaciones.

Para administrar tus conversaciones, sigue estos pasos:

1. Ve a la página Explorador de BigQuery Studio.

   Ir al Explorador

2. En el panel Explorador, expande el nombre de un proyecto.

3. Haz clic en Conversaciones.

   1. Para filtrar la lista de conversaciones, ingresa el nombre o el valor de una propiedad en el campo de filtro.
   2. Para abrir una conversación, haz clic en Ver acciones > Abrir.
   3. Para copiar un ID de conversación, haz clic en Ver acciones > Copiar ID.
   4. Para crear una conversación, en la barra de menú, haz clic en Crear conversación.
   5. Para actualizar la lista, en la barra de menú, haz clic en Actualizar.

¿Qué sigue?

• Obtén más información sobre las estadísticas conversacionales en BigQuery.
• Obtén información sobre la API de Conversational Analytics.
• Crea agentes de datos.