Mengaktifkan dan menggunakan Code Interpreter

Code Interpreter adalah fitur Analisis Percakapan yang menerjemahkan pertanyaan bahasa alami menjadi kode Python untuk memberikan analisis dan visualisasi lanjutan. Berbeda dengan pengalaman BI standar yang didukung SQL, Code Interpreter mendukung berbagai analisis data—mulai dari perhitungan dan pembuatan diagram dasar hingga tugas yang lebih canggih seperti perkiraan deret waktu. Code Interpreter meningkatkan Analisis Percakapan dengan memungkinkan pengguna melakukan jenis analisis lanjutan ini, yang biasanya memerlukan pengetahuan khusus tentang metode statistik atau coding lanjutan.

Code Interpreter tersedia untuk Analisis Percakapan sebagai bagian dari langganan Data Studio Pro.

Pelajari cara dan waktu Gemini untuk Google Cloud menggunakan data Anda.

Sebelum memulai

Untuk menggunakan Code Interpreter, Anda harus memenuhi persyaratan untuk menggunakan Analisis Percakapan di Data Studio:

Mengaktifkan Code Interpreter untuk agen

Untuk mengaktifkan Code Interpreter untuk semua percakapan dan agen data, ikuti langkah-langkah berikut:

  1. Di panel navigasi sebelah kiri dalam Analisis Percakapan, klik tombol Advanced analytics untuk mengaktifkan Code Interpreter.
  2. Setelah Code Interpreter diaktifkan, Anda dapat menggunakan Analisis Percakapan seperti biasa untuk memulai percakapan dan mengajukan pertanyaan terkait data Anda. Code Interpreter menggunakan mesin yang mendukung chat Gemini untuk menerjemahkan kueri Anda menjadi kode Python dan menjalankan kode tersebut.

Batasan umum

  • Code Interpreter menggunakan Python untuk memecahkan masalah. Karena Python lebih fleksibel daripada bahasa kueri terstruktur, respons Code Interpreter mungkin memiliki lebih banyak variabilitas daripada respons dari pengalaman Analisis Percakapan inti.
  • Untuk data Looker, Analisis Percakapan dapat menampilkan maksimum 5.000 baris per kueri.
  • Code Interpreter hanya mendukung library Python ini.
  • Jenis diagram visualisasi berikut tidak didukung dalam respons Code Interpreter:
    • Maps

Fitur ini berada dalam tahap Pra-GA. Untuk mendapatkan dukungan terkait error, hasil yang tidak terduga, masukan, atau untuk meminta dukungan untuk library Python tambahan, kirim email ke conversational-analytics-feedback@google.com.

Untuk mengetahui informasi tentang batasan tambahan, lihat dokumentasi tentang batasan umum di Analisis Percakapan.

Library Python yang didukung

Menampilkan library Python yang didukung

Code Interpreter mendukung library Python berikut:

  • altair
  • attrs
  • chess
  • contourpy
  • cycler
  • entrypoints
  • fonttools
  • fpdf
  • geopandas
  • imageio
  • jinja2
  • joblib
  • jsonschema
  • jsonschema-specifications
  • kiwisolver
  • lxml
  • markupsafe
  • matplotlib
  • mpmath
  • numexpr
  • numpy
  • opencv-python
  • openpyxl
  • packaging
  • pandas
  • patsy
  • pdfminer-six
  • pillow
  • plotly
  • protobuf
  • pylatex
  • pyparsing
  • PyPDF2
  • python-dateutil
  • python-docx
  • python-pptx
  • pytz
  • referencing
  • reportlab
  • rpds-py
  • scikit-image
  • scikit-learn
  • scipy
  • seaborn
  • six
  • statsmodels
  • striprtf
  • sympy
  • tabulate
  • tensorflow
  • threadpoolctl
  • toolz
  • torch
  • tzdata
  • xlrd

Pertanyaan yang disarankan

Saat Anda mengaktifkan Code Interpreter, kemampuan analisis lanjutan Python memungkinkan Analisis Percakapan menjawab berbagai pertanyaan, selain jenis pertanyaan standar yang didukung. Contoh:

  • Dapatkah Anda menjelaskan pendorong utama penjualan berdasarkan data saya?
  • Berapa nilai umur untuk setiap segmen pelanggan saya, dengan mempertimbangkan frekuensi pembelian rata-rata dan nilai pesanan rata-rata?
  • Bagaimana perbandingan penjualan tahun ini dengan penjualan tahun lalu?
  • Identifikasi nilai ekstrem dalam data penjualan saya untuk membantu mengidentifikasi produk atau wilayah yang berkinerja sangat baik atau sangat buruk.
  • Lakukan analisis kohor untuk memahami retensi pelanggan.
  • Apakah produk dengan margin tertinggi juga merupakan produk terpopuler? Gunakan jawaban ini untuk memberikan saran tentang cara mengoptimalkan kombinasi produk saya.
  • Berapa tingkat pertumbuhan tahunan majemuk (CAGR) untuk penjualan berdasarkan kategori produk selama 3 tahun terakhir?
  • Tampilkan CAGR sebagai diagram batang dengan kategori produk di sumbu x dan CAGR di sumbu y.