コード インタープリタは、会話型分析の機能の 1 つで、自然言語の質問を Python コードに変換して、高度な分析とビジュアリゼーションを提供します。標準の SQL ベースの BI エクスペリエンスとは異なり、コード インタープリタは、基本的な計算やグラフ作成から、時系列予測などの高度なタスクまで、幅広いデータ分析をサポートしています。コード インタープリタを使用すると、通常は高度なコーディングや統計手法に関する専門知識が必要となる高度な分析をユーザーが実行できるようになるため、会話型分析が強化されます。
コード インタープリタは、データポータル Pro サブスクリプションの一部として、会話型分析で利用できます。
Gemini for がデータを使用する方法とタイミングに関する説明をご覧ください。 Google Cloud
始める前に
コード インタープリタを使用するには、データポータルで会話型分析を使用するための要件を満たしている必要があります。
- データポータル Pro サブスクリプションのユーザーである必要があります。
- データポータル Pro サブスクリプションに関連付けられている Google Cloud プロジェクトで、データポータルの Gemini とコード インタープリタ の設定を有効にする必要があります。
エージェントのコード インタープリタを有効にする
すべての会話エージェントとデータ エージェントのコード インタープリタを有効にするには、次の手順を行います。
- 会話型分析の左側のナビゲーション パネルで、[高度な分析] 切り替えをクリックして、コード インタープリタを有効にします。
- コード インタープリタを有効にすると、通常どおり会話型分析を使用して会話を開始し、データに質問できます。コード インタープリタは、Gemini とのチャットを強化するエンジンを使用して、クエリを Python コードに変換し、そのコードを実行します。
既知の制限事項
- コード インタープリタは Python を使用して問題を解決します。Python は構造化クエリ言語よりも柔軟性が高いため、コード インタープリタのレスポンスは、会話型分析のコア エクスペリエンスのレスポンスよりもばらつきが大きくなる可能性があります。
- Looker データの場合、会話型分析はクエリごとに最大 5,000 行を返すことができます。
- コード インタープリタは、次の Python ライブラリのみをサポートしています。
- コード インタープリタのレスポンスでは、次の可視化グラフタイプはサポートされていません。
- マップ
この機能は pre-GA です。エラー、予期しない結果、フィードバックに関するサポートや、追加の Python ライブラリのサポートをリクエストする場合は、conversational-analytics-feedback@google.com までメールをお送りください。
その他の制限事項については、会話型分析の既知の制限事項に関するドキュメントをご覧ください。
サポートされている Python ライブラリ
サポートされている Python ライブラリを表示する
コード インタープリタは、次の Python ライブラリをサポートしています。
altairattrschesscontourpycyclerentrypointsfonttoolsfpdfgeopandasimageiojinja2joblibjsonschemajsonschema-specificationskiwisolverlxmlmarkupsafematplotlibmpmathnumexprnumpyopencv-pythonopenpyxlpackagingpandaspatsypdfminer-sixpillowplotlyprotobufpylatexpyparsingPyPDF2python-dateutilpython-docxpython-pptxpytzreferencingreportlabrpds-pyscikit-imagescikit-learnscipyseabornsixstatsmodelsstriprtfsympytabulatetensorflowthreadpoolctltoolztorchtzdataxlrd
質問の候補
コード インタープリタを有効にすると、Python の高度な分析機能により、会話型分析で サポートされている標準の質問タイプに加えて、より幅広い質問に回答できるようになります。次に例を示します。
- 私のデータに基づいて、売上の主な要因を説明していただけますか？
- 平均購入頻度と平均注文額を考慮して、顧客セグメントごとのライフタイム バリューを教えてください。
- 今年の売上と昨年の売上を比較してください。
- 売上データの外れ値を特定して、特にパフォーマンスの高い商品や地域、または特にパフォーマンスの低い商品や地域を特定してください。
- コホート分析を実施して、顧客維持率を把握してください。
- 最も利益率の高い商品が最も人気のある商品ですか？この回答を使用して、プロダクト構成を最適化する方法についての提案をしてください。
- 過去 3 年間の商品カテゴリ別の売上の年平均成長率（CAGR）を教えてください。
- 商品カテゴリを X 軸、CAGR を Y 軸とする棒グラフで CAGR を表示してください。