Chatea con un gráfico

Puedes usar las estadísticas conversacionales para hacer preguntas sobre un grafo. Los agentes pueden escribir consultas en SQL y proporcionar visualizaciones de tu resultado. Los agentes también pueden usar descripciones, sinónimos, extensiones y medidas definidas en tu grafo para mejorar la calidad de los resultados. Según el esquema del grafo y la pregunta que hagas, el agente consulta un grafo con Graph Query Language (GQL) o la función con valor de tabla GRAPH_EXPAND en SQL. Las consultas de GQL requieren una reserva de edición Enterprise o Enterprise Plus de BigQuery. En los proyectos con precios on demand, las consultas de GQL fallan y muestran un error. Las consultas que contienen la función GRAPH_EXPAND se pueden ejecutar con precios a pedido, pero la función no admite todos los tipos de grafos. Para conocer los requisitos y las limitaciones, consulta GRAPH_EXPAND.

Los grafos codifican las relaciones entre tus tablas. Proporcionar un grafo a un agente quita la ambigüedad sobre cómo se relacionan tus tablas. Esta claridad reduce las alucinaciones y puede mejorar la eficiencia de tus conversaciones.

Por ejemplo, para intentar preguntarle a un agente sobre el grafo de Look Ecommerce disponible de forma pública, haz lo siguiente:

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

    Ir a Agentes

  2. Selecciona la pestaña Catálogo de agentes.

  3. En la sección Agentes de ejemplo de Google, haz clic en The Look Graph.

  4. Se abrirá una conversación. Puedes ingresar preguntas sobre el gráfico de bigquery-public-data.thelook_ecommerce.graph.

Chatea con un gráfico

Para chatear con un grafo, puedes crear un agente de datos con tu grafo como fuente de datos o puedes crear una conversación directa con tu grafo. Si no sabes qué preguntar, prueba con What questions can I ask about this data? Por ejemplo, si haces esta pregunta sobre el grafo de Look Ecommerce, la respuesta contendrá una descripción general del esquema del grafo y preguntas sugeridas. Es posible que aparezcan las siguientes preguntas en la respuesta:

  • Rendimiento empresarial

    • What is the total revenue for each product category, sorted from highest to lowest?
    • What are the top 5 brands by total revenue among users from 'Brasil'?
    • Rank the product categories based on their total revenue for each product department (Men/Women).

  • Estadísticas de usuarios y logística

    • How many users do we have in each country?
    • What is the distribution of user ages in the United States?
    • Which distribution centers handle the most orders with a 'Complete' status?

  • Análisis de relaciones

    • Show the connection between users and the distribution centers their products are shipped from.
    • Find all products that have been ordered by users who came from a 'Search' traffic source.

Crea consultas y visualizaciones de grafos

Las estadísticas conversacionales pueden escribir consultas de GQL para responder preguntas sobre tu grafo y mostrar el resultado como una visualización. Por ejemplo, puedes ingresar Show the connection between Tina Fletcher's orders and distribution centers en el chat. El agente podría ejecutar una consulta de GQL similar a la siguiente:

GRAPH `bigquery-public-data.thelook_ecommerce.graph`
MATCH p = (u:User {id: 32})
          <-[:placed_order]-(o:`Order`)
          <-[:belongs_to_order]-(oi:OrderItem)
          -[:includes_product]->(pr:Product)
          -[:product_stocked_at]->(dc:DistributionCenter)
RETURN TO_JSON(p) AS path;

El agente también puede proporcionar una visualización interactiva.

Una visualización de pedidos que conecta a un usuario con centros de distribución.

Usa medidas de gráficos

Las estadísticas conversacionales pueden usar las mediciones definidas en tu grafo para ayudar a responder con precisión las preguntas que involucran agregaciones. Por ejemplo, puedes hacerle la siguiente pregunta al agente de Look Graph: Which distribution centers process orders from the largest number of distinct customers?

El agente usa la medición user_count en el nodo User para evitar un recuento excesivo de la cantidad de clientes. La consulta que se usa para calcular la respuesta podría ser similar a la siguiente:

SELECT
  DistributionCenter_id,
  DistributionCenter_name,
  AGG(User_user_count) AS distinct_customer_count
FROM
  GRAPH_EXPAND("bigquery-public-data.thelook_ecommerce.graph")
GROUP BY
  DistributionCenter_id,
  DistributionCenter_name
ORDER BY
  distinct_customer_count DESC;

El agente también podría proporcionar una visualización de gráfico.

Una visualización de los usuarios distintos por centro de distribución.

¿Qué sigue?