Discuter avec un graphique

Vous pouvez utiliser l'analyse conversationnelle pour poser des questions sur un graphique. Les agents peuvent écrire des requêtes SQL et fournir des visualisations de vos résultats. Les agents peuvent également utiliser les descriptions, les synonymes, les extensions et les mesures définis sur votre graphique pour améliorer la qualité des résultats. En fonction de votre schéma de graphe et de la question que vous posez, l'agent interroge un graphe à l'aide du langage GQL (Graph Query Language) ou de la fonction de valeur de table GRAPH_EXPAND en SQL. Les requêtes GQL nécessitent une réservation BigQuery Enterprise ou Enterprise Plus. Dans les projets avec tarification à la demande, les requêtes GQL échouent et renvoient une erreur. Les requêtes contenant la fonction GRAPH_EXPAND peuvent être exécutées avec une tarification à la demande, mais la fonction n'est pas compatible avec tous les types de graphiques. Pour connaître les exigences et les limites, consultez GRAPH_EXPAND.

Les graphiques encodent les relations entre vos tables. Fournir un graphique à un agent permet de lever toute ambiguïté sur la relation entre vos tables. Cette clarté réduit les hallucinations et peut améliorer l'efficacité de vos conversations.

Par exemple, pour interroger un agent sur le graphique Look Ecommerce accessible au public, procédez comme suit :

  1. Dans la console Google Cloud , accédez à la page Agents de BigQuery.

    Accéder à la page "Agents"

  2. Sélectionnez l'onglet Catalogue d'agents.

  3. Dans la section Exemples d'agents par Google, cliquez sur The Look Graph.

  4. Une conversation s'ouvre. Vous pouvez saisir des questions sur le graphique bigquery-public-data.thelook_ecommerce.graph.

Discuter avec un graphique

Pour discuter avec un graphique, vous pouvez créer un agent de données avec votre graphique comme source de données, ou créer une conversation directe avec votre graphique. Si vous ne savez pas quoi demander, essayez de demander What questions can I ask about this data?. Par exemple, si vous posez cette question à propos du graphique Look Ecommerce, la réponse contient un aperçu du schéma du graphique et des suggestions de questions. Les questions suivantes peuvent apparaître dans la réponse :

  • Performances de l'entreprise

    • 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).

  • Insights sur les utilisateurs et la logistique

    • 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?

  • Analyse des relations

    • 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.

Créer des requêtes et des visualisations de graphes

L'analyse conversationnelle peut écrire des requêtes GQL pour répondre à des questions sur votre graphique et afficher le résultat sous forme de visualisation. Par exemple, vous pouvez saisir Show the connection between Tina Fletcher's orders and distribution centers dans le chat. L'agent peut exécuter une requête GQL semblable à celle-ci :

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;

L'agent peut également fournir une visualisation interactive.

Visualisation des commandes reliant un utilisateur aux centres de distribution.

Utiliser les mesures de graphique

L'analyse conversationnelle peut utiliser les mesures définies sur votre graphique pour répondre avec précision aux questions impliquant des agrégations. Par exemple, vous pouvez poser la question suivante à l'agent Look Graph : Which distribution centers process orders from the largest number of distinct customers?

L'agent utilise la mesure user_count sur le nœud User pour éviter de compter deux fois le nombre de clients. La requête utilisée pour calculer la réponse peut ressembler à ceci :

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;

L'agent peut également fournir une visualisation sous forme de graphique.

Une visualisation des utilisateurs distincts par centre de distribution.

Étapes suivantes