Chatta con un grafico

Puoi utilizzare l'analisi conversazionale per porre domande su un grafico. Gli agenti possono scrivere query SQL e fornire visualizzazioni dell'output. Gli agenti possono anche utilizzare descrizioni, sinonimi, estensioni e misure definiti nel grafico per migliorare la qualità dei risultati. A seconda dello schema del grafo e della domanda che poni, l'agente esegue una query su un grafo utilizzando Graph Query Language (GQL) o la funzione con valori di tabella GRAPH_EXPAND in SQL. Le query GQL richiedono una prenotazione della versione BigQuery Enterprise o Enterprise Plus. Nei progetti con prezzi on-demand, le query GQL non vanno a buon fine e generano un errore. Le query che contengono la funzione GRAPH_EXPAND possono essere eseguite utilizzando i prezzi on demand, ma la funzione non supporta tutti i tipi di grafici. Per i requisiti e le limitazioni, consulta GRAPH_EXPAND.

I grafici codificano le relazioni tra le tabelle. Fornire un grafico a un agente elimina l'ambiguità su come sono correlate le tabelle. Questa chiarezza riduce le allucinazioni e può migliorare l'efficienza delle conversazioni.

Ad esempio, per provare a chiedere a un agente informazioni sul grafico Look Ecommerce disponibile pubblicamente, segui questi passaggi:

  1. Nella console Google Cloud , vai alla pagina Agenti di BigQuery.

    Vai ad Agenti

  2. Seleziona la scheda Catalogo degli agenti.

  3. Nella sezione Agenti di esempio di Google, fai clic su The Look Graph.

  4. Si apre una conversazione. Puoi inserire domande sul grafico bigquery-public-data.thelook_ecommerce.graph.

Chatta con un grafico

Per chattare con un grafico, puoi creare un agente di dati con il grafico come origine dati o creare una conversazione diretta con il grafico. Se non sai cosa chiedere, prova a chiedere What questions can I ask about this data? Ad esempio, se fai questa domanda sul grafico Look Ecommerce, la risposta contiene una panoramica dello schema del grafico e le domande suggerite. Nella risposta potrebbero essere visualizzate le seguenti domande:

  • Rendimento dell'attività

    • 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).

  • Insight su utenti e logistica

    • 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?

  • Analisi delle relazioni

    • 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 query e visualizzazioni di grafi

L'analisi conversazionale può scrivere query GQL per rispondere a domande sul tuo grafico e visualizzare l'output come visualizzazione. Ad esempio, puoi inserire Show the connection between Tina Fletcher's orders and distribution centers nella chat. L'agente potrebbe eseguire una query GQL simile alla seguente:

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'agente potrebbe anche fornire una visualizzazione interattiva.

Una visualizzazione degli ordini che collega un utente ai centri di distribuzione.

Utilizza le misure del grafico

L'analisi conversazionale può utilizzare le misure definite nel grafico per rispondere con precisione alle domande che coinvolgono le aggregazioni. Ad esempio, puoi porre la seguente domanda all'agente Look Graph: Which distribution centers process orders from the largest number of distinct customers?

L'agente utilizza la misura user_count sul nodo User per evitare di conteggiare più volte il numero di clienti. La query utilizzata per calcolare la risposta potrebbe essere simile alla seguente:

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'agente potrebbe anche fornire una visualizzazione del grafico.

Una visualizzazione degli utenti distinti per centro di distribuzione.

Passaggi successivi