与数据洞察数据对话

本页面将引导您在数据洞察中前往对话式分析，并开始与数据对话。如需了解如何连接到数据源，请参阅在数据洞察中设置对话式分析文档页面。

了解 Gemini for 如何以及何时使用您的数据。 Google Cloud

您可以通过以下方式在数据洞察中访问对话式分析：

  • 直接前往对话式分析。
  • 从数据洞察的导航面板中选择 对话式分析 。
  • 如果您位于沙盒工作区中，请从数据洞察的创建菜单中选择 对话。
  • 如果已为您的实例创建 数据智能体，请从 创建 菜单中选择 数据源 ，然后在 开始使用 页面上选择 与我的数据对话 选项。

关于对话

您针对数据集提出的一系列问题会按对话进行整理。将工作拆分为多个对话有助于整理调查思路。

旧版和新版对话式分析的对话体验有所不同。选择旧版 标签页或新版 标签页，详细了解每种体验的对话运作方式。

新

发起对话

所有对话都与在 BigQuery 中构建并发布到数据洞察的 数据智能体 进行。如需与数据智能体发起对话，请按以下步骤操作：

  1. 前往与数据对话 页面。
  2. 选择您要与之对话的数据智能体。如果需要，您可以使用搜索智能体 栏缩小搜索范围。
  3. 如需开始对话，请输入您的问题，然后按 Return 键 (Mac) 或 Enter 键 (PC)。

如需返回与数据对话 页面以与不同的数据智能体对话，请从主导航栏中选择 + 新对话 。

如果您没有与智能体对话的相应权限，智能体将显示在与数据对话 页面上，但处于非活跃状态。如果您点击智能体卡片，数据洞察会显示一条消息，告知您必须被授予智能体项目的哪个 IAM 角色或权限。 Google Cloud

旧版

发起对话

如需创建新对话，请按以下步骤操作：

  1. 在对话式分析中，点击 + 创建对话 。

  2. 选择您要调查的数据源或要用于对话的数据智能体：

    • 数据源：如需基于现有数据源开始对话，请选择数据源面板，然后选择一个数据源。如需创建新数据源，请选择连接到数据 。

    • 数据智能体：如需与现有数据智能体开始对话，请选择智能体 ，然后选择一个数据智能体。如需创建新数据智能体，请选择+ 创建智能体。

  3. 如需开始对话，请输入您的问题，然后按 Return 键 (Mac) 或 Enter 键 (PC)。

您可以从 近期 部分返回到对话。

与 Looker 数据源对话

当您与数据对话时，可收起式 数据 面板会显示对话正在使用的 Looker 探索的名称。 数据 面板还提供以下选项：

  • 查看字段：点击 查看字段 ，在新的浏览器窗口中查看 Looker 中的探索。
  • 新对话：与当前对话正在使用的 Looker 探索开始新对话。

在 Looker 探索中打开

如需在连接的 Looker 实例中将查询结果作为探索打开，请在查询结果中点击 在“探索”中打开 。

与 BigQuery 数据对话

连接到 BigQuery 数据源后，您可以针对 BigQuery 数据提出问题。

当您与数据对话时，可收起式 数据 面板会显示对话正在使用的 BigQuery 表的名称。 数据 面板还提供以下选项：

  • 查看字段：在新的浏览器标签页中查看 BigQuery 中的表。
  • 新对话：与当前对话正在使用的 BigQuery 数据开始新对话。

积极提问

您可以提出问题，以便从数据中获取洞见。您可以将建议的问题作为探索数据的起点，并熟悉对话式分析。

创建对话后，您可以在对话中的 提出问题 字段中针对数据提出问题。

当您开始新对话时，对话式分析会建议一些起始问题。问题不需要采用特定格式或使用特定语法。不过，问题需要与数据源相关。

在提出问题 字段中，用自然语言输入您的问题。选择问题模式，然后点击发送。 提交查询后，您可以点击 停止回答 来取消回答。对话式分析会停止运行查询，并显示以下消息：The query was cancelled.

选择问题模式

提出问题时，您可以从下拉菜单中选择问题模式，该菜单包含快速 和思考 选项。界面将快速 描述为旨在快速回答问题，将思考 描述为旨在解决复杂问题。对话式分析默认采用思考 问题模式。在任何多轮对话中，对话式分析都将保持相同的问题模式，除非您手动更改。

快速模式

当您在快速 模式下提出问题时，对话式分析会尝试将您的自然语言查询直接映射到 LookML 模型中定义的 LookML 参数，这些模型是对话的探索的基础。对话式分析能够快速响应，因为它依赖于 LookML 的受监管定义，并且不使用或显示任何类型的推理。

例如，像“我们上个月的总收入是多少？”这样的查询可以快速转换为选择 total_revenue 指标并按上个月进行过滤的查询。

如果您的查询要求从数据中获取特定事实或预定义指标，请选择快速 模式。

思考模式

思考 模式适用于更复杂的分析请求，这些请求需要进行超出直接 LookML 查找范围的分析。在此模式下，智能体会“规划”其方法，决定使用哪些工具以及如何组合结果。此模式允许解决多步问题并执行高级数据科学任务，而这些任务可能无法通过基于 SQL 的单个查询完成。

当您询问数据的“原因”时，当您比较趋势时，或者当您提出可能需要多个步骤的更复杂的分析请求时，请选择思考 模式。 在测试智能体以了解其如何使用数据源的基础 LookML 时，此模式也特别有用。

对话式分析如何处理您的问题

您提交查询后，对话式分析可能会改述您的问题，改述后的问题将显示在对话窗口中，紧随您原来的问题之后。例如，对话式分析可能会将问题“用户年龄的平均值是多少？”改述为“用户的平均年龄是多少？”

在对话式分析运行查询时，您可以观察其推理和思考过程。对话式分析可能会提出后续问题，以澄清原始查询中的任何歧义。例如，如果有多个名称相似的字段，对话式分析可能会要求您澄清哪个字段最适合用于处理您的查询。

多轮对话

在您继续对话时，对话式分析会考虑之前的问题和回答。您可以根据之前的回答，通过进一步优化结果或更改可视化图表类型来继续对话。

如需获得有关创建问题的更多指导，请参阅问题的限制。

管理对话中的查询

当您与数据对话时，您可以通过停止正在运行的活跃查询回答，或者通过删除最近的问题及其回答来管理对话。

停止查询回答

如需在发送消息后停止运行查询，请点击 停止回答。对话式分析会停止运行查询，并显示以下消息：The query was cancelled.

删除最近的问题

如需删除最近的问题及其回答，请按以下步骤操作：

  1. 将光标悬停在最近的问题上，然后点击 删除消息。
  2. 在要永久删除消息吗？ 对话框中，点击删除 以永久删除问题及其回答。

了解查询结果和计算

当您在对话式分析中针对数据提出问题时，回答可能包含可视化图表、数据表或其他详细信息，具体取决于您的特定查询和连接的数据。

除了此查询回答之外，对话式分析还提供以下选项，帮助您了解查询结果和计算：

确定如何解读查询

如需查看对话式分析如何推理您的查询，请展开显示推理 选项。如需隐藏其推理，请点击隐藏推理 。

对话式分析会分析每个查询并思考如何回答，使用查询中的关键字从对话的关联数据集中推断相关维度、指标和其他参数，并从查询中解读可能需要执行的聚合。当您展开显示推理时，对话式分析会以纯文本形式显示其解读查询所采取的步骤的说明。说明还包括对话式分析思考查询所用的时间。

根据其推理，对话式分析会生成回答，其中可能包含要求澄清查询的请求。

确定如何计算回答

如需查看对话式分析如何得出回答或创建可视化图表，请在查询结果中点击 这是如何计算出来的？ 。

点击这是如何计算出来的？ 后，对话式分析会显示以下标签页：

  • 代码：显示为生成结果而运行的 SQL 查询。如果您将对话式分析连接到 BigQuery 表，代码 标签页会显示生成的 BigQuery SQL。

  • 文本：以纯文本形式说明对话式分析得出给定回答所采取的步骤。此说明包括所使用的原始字段名称、所做的计算、应用的过滤条件、排序顺序和其他详细信息。

获取其他洞见

当对话式分析能够提供有关回答的其他数据洞见时，系统会显示一个 Insights keyboard_arrow_down 按钮。点击Insights keyboard_arrow_down 可查看有关查询的其他信息。Insights 只会分析提示返回的数据，不会运行其他查询来提取其他数据。Insights 可以为后续问题提供有用的想法，以便继续对话。

以下是提示“每个州有多少用户？”可能会返回的一些洞见示例：

  • 数据量高和低的区域的总体摘要。例如：
    • “根据提供的数据，加利福尼亚州、得克萨斯州和俄亥俄州是业务运营的关键州。”
    • “英格兰和中国的特定区域（即安徽和广东）显示出显著的业务活动。”
    • “根据数据，一些州（包括三重、秋田和岩手）的存在感很低。”
  • 对数据集变异性的评估。例如，“数据表明不同地点的运营规模各不相同。”

管理对话

您可以更改对话的名称、删除对话或从回收站文件夹中恢复对话。

为话题命名

对话式分析会自动生成对话标题，该标题基于您的第一个问题和回答。如需更改生成的名称，请按以下步骤操作：

  1. 点击会话页面顶部的标题。
  2. 输入新的对话名称。
  3. 如需保存更改，请点击页面上的其他位置，或按 Return 键 (Mac) 或 Enter 键 (PC)。

删除对话

如需将对话移至回收站，请打开对话，然后点击 移至回收站。

恢复或永久删除对话

如需从回收站中恢复或永久删除对话，请按以下步骤操作：

  1. 在对话式分析中，选择 回收站 在左侧导航面板中，以查看已移至回收站的对话列表。
  2. 在回收站 部分，点击要恢复或永久删除的对话的名称。
  3. 在您确定吗？ 对话框中，选择以下选项之一：
    • 取消：取消操作。
    • 恢复：恢复对话。您可以从对话式分析左侧导航菜单的 近期 部分访问对话。
    • 永久删除：永久删除对话。

搜索对话

如需按标题搜索特定对话，请按以下步骤操作：

  1. 在搜索对话式分析 搜索栏中，输入搜索查询。在您输入时，系统会显示与您的搜索查询匹配的对话标题列表。
  2. 从搜索结果中选择一个对话，以打开该对话。

已知限制

对话式分析存在以下已知限制：

可视化图表的限制

对话式分析利用 Vega-lite 生成对话图表。完全支持以下 Vega 图表类型：

  • 折线图（一个或多个系列）
  • 面积图
  • 条形图（水平、垂直、堆叠）
  • 散点图（一个或多个群组）
  • 饼图

支持以下 Vega 图表类型，但在呈现这些图表时，您可能会遇到意外行为：

  • 地图
  • 热图
  • 带有提示的图表

不支持 Vega 目录之外的图表类型。此部分中未指定的任何图表均被视为不受支持。

数据源的限制

  • 对于 Looker 数据源，存在以下限制：
    • 对话式分析无法设置使用 LookML parameter 参数定义的仅限过滤条件的值。
    • 对话式分析每次查询最多可返回 5,000 行。
  • 对于 BigQuery 数据源，存在以下限制：
    • 您一次只能与一个 BigQuery 表对话。如需与不同的 BigQuery 表对话，或与使用不同 BigQuery 表的数据智能体对话，请开始新对话。
    • 对话式分析不支持 BigQuery 的灵活列名称功能。
  • 对话式分析无法很好地处理停用了报告中的字段修改功能的数据源，因为这样设置会阻止对话式分析创建计算字段。

问题的限制

对话式分析支持可通过单个可视化图表回答的问题，例如：

  • 指标随时间变化的趋势
  • 指标按维度细分或分布的情况
  • 一个或多个维度的唯一值
  • 单个指标值
  • 维度值排行榜（按指标排序）

对话式分析尚不支持只能通过以下类型的复杂可视化图表回答的问题：

  • 预测
  • 高级统计分析，包括相关性和异常检测

启用 Code Interpreter 后，可以回答更高级的问题，例如预测。

对话示例

以下对话示例展示了用户如何以自然、来回的方式与对话式分析互动。在此示例中，用户提出以下问题：“您能否绘制 2023 年热饮与冰沙的月销量图，并突出显示每种饮品的畅销月份？”对话式分析会生成折线图，显示 2023 年热饮和冰沙的月销量，并突出显示 7 月份，因为这两个类别的销量在该月份最高。

对话式分析聊天界面，其中包含 2023 年热饮和冰沙的月度销售额折线图，并突出显示了 7 月。 对话式分析聊天界面，其中包含 2023 年热饮和冰沙的月度销售额折线图，并突出显示了 7 月。s

正如这个对话示例所示，对话式分析可以解读自然语言请求，包括使用“销量”和“热饮”等常用术语的多部分问题，而无需用户指定确切的数据库字段名称（例如 Total monthly drink sales）或定义过滤条件（例如 type of beverage = hot）。对话式分析会描述其主要发现结果、解释其推理过程，并提供包含文本的回答，并在适当情况下提供图表。为了鼓励更深入的分析，对话式分析还可能会建议后续问题。

相关资源

  • 对话式分析概览：对话式分析的着陆页包含设置要求、已知限制、支持的问题类型等。

  • 创建数据智能体并与之对话：借助数据智能体，您可以自定义 AI 驱动的数据查询智能体，方法是提供特定于您的数据的上下文和说明，这有助于对话式分析生成更准确且与上下文相关的回答。

  • 使用 Code Interpreter 启用高级分析：对话式分析中的 Code Interpreter 会将您的自然语言问题转换为 Python 代码并执行该代码。与基于标准 SQL 查询相比，Code Interpreter 使用 Python 可以实现更复杂的分析和可视化图表。