Quando colleghi i connettori Data Cloud in modalità query federata, Gemini Enterprise utilizza il Model Context Protocol (MCP) per eseguire query sulle origini dati in loco. Sebbene le definizioni degli strumenti MCP forniscano all'assistente i meccanismi per eseguire SQL, per rispondere alle domande aziendali in linguaggio naturale con un'elevata precisione e una bassa latenza sono necessari due livelli aggiuntivi di indicazioni:
- Un'imbracatura analitica predefinita: competenze procedurali specifiche del motore che insegnano all'assistente Gemini Enterprise come pianificare le query, risolvere i valori dei filtri, utilizzare funzioni analitiche avanzate e gestire gli errori come un analista di dati esperto.
- Contesto organizzativo: competenze specifiche del dominio, istruzioni personalizzate e metadati di Knowledge Catalog che mappano il vocabolario aziendale, le definizioni dei KPI e i guardrail di governance della tua azienda alle tabelle e ai modelli sottostanti corretti.
Questo documento descrive come i connettori di Data Cloud utilizzano le competenze analitiche integrate gestite da Google e come puoi utilizzare Knowledge Catalog, le competenze personalizzate e le istruzioni dell'assistente per fornire un contesto organizzativo per i tuoi dati.
Comprendi l'harness analitico predefinito
Gli strumenti MCP pronti all'uso espongono operazioni di basso livello (come l'elenco delle tabelle o l'esecuzione di una stringa SQL), che da sole sono spesso insufficienti per analisi dei dati complesse in più passaggi. I connettori Data Cloud proprietari colmano questa lacuna raggruppando un harness di analisi predefinito, ovvero un insieme di skill integrate gestite da Google derivate dall'harness dell'agente di analisi conversazionale. Queste competenze integrate gestiscono automaticamente le attività analitiche principali, come la generazione di query SELECT di sola lettura, il recupero da errori del compilatore SQL e il richiamo di funzioni di AI, ML e grafici BigQuery integrate (come AI.FORECAST, AI.DETECT_ANOMALIES, AI.CLASSIFY, AI.AGG, AI.GENERATE e GRAPH_TABLE), senza richiedere alcuna configurazione o azione da parte tua.
Poiché Google controlla queste skill dei connettori integrati, non puoi modificare o aggiungere contesto ai connettori direttamente. Puoi invece risolvere i problemi comuni di esecuzione delle query, latenza di ricerca e accuratezza delle metriche configurando le impostazioni del connettore, curando i metadati in Knowledge Catalog o creando e utilizzando skill personalizzate nell'app Gemini Enterprise.
La tabella seguente descrive i problemi comuni che potresti riscontrare quando utilizzi i connettori Data Cloud e le opzioni per risolverli:
| Problema | Opzioni per la risoluzione |
|---|---|
| Assicurati che tutte le query BigQuery vengano eseguite in un unico progetto |
Configura l'ID progetto di fatturazione (in Opzioni avanzate) quando crei il datastore BigQuery. L'impostazione di un progetto di fatturazione garantisce che tutti i job di query BigQuery eseguiti tramite il connettore vengano eseguiti e fatturati nel progetto Google Cloud designato. |
| Riduzione della latenza di ricerca o assegnazione della priorità a dati specifici |
Utilizza una o entrambe le seguenti opzioni per restringere l'ambito di ricerca e query dei dati da parte dell'agente:
|
| L'agente utilizza la definizione errata di una metrica o unisce chiavi errate |
Utilizza una o più delle seguenti opzioni per standardizzare le definizioni e la logica di join:
|
Per confrontare i vantaggi dell'utilizzo di Knowledge Catalog rispetto alle skill personalizzate, consulta Scegli dove definire le metriche aziendali: skill personalizzate rispetto a Knowledge Catalog. Per istruzioni passo passo su come creare e attivare le skill nella tua app, consulta Crea e gestisci le skill e Gestisci le skill.
Fornisci il contesto dell'organizzazione con le competenze e Knowledge Catalog
Poiché i connettori Data Cloud non sono limitati a un singolo set di dati o a una singola tabella, ma possono accedere a tutte le risorse nell'origine dati connessa per cui l'utente autenticato dispone dell'autorizzazione per eseguire query, l'assistente ha bisogno del contesto organizzativo per sapere quali asset sono autorevoli e in che modo la tua azienda calcola le metriche chiave.
Utilizza un approccio a più livelli che combina Knowledge Catalog, skill personalizzate a livello di organizzazione e personalizzazione dell'utente:
1. Discovery dei dati di base con Knowledge Catalog
Quando colleghi un connettore BigQuery o di database in modalità query federata, Knowledge Catalog viene abilitato automaticamente nella scheda Assistente dell'app Gemini Enterprise. Anziché effettuare chiamate esplorative sequenziali tra gli schemi di database non elaborati, l'agente utilizza gli strumenti di Knowledge Catalog per cercare i dati a cui l'utente ha accesso e cercare un contesto di metadati avanzato in un unico workflow.
Se la tua organizzazione cura i metadati in cataloghi di terze parti (come DataHub) o wiki di documentazione interna, sincronizza queste descrizioni in Knowledge Catalog o acquisisci le regole aziendali essenziali in competenze personalizzate a livello di organizzazione in modo che l'agente possa scoprirle.
2. Scegli dove definire le metriche aziendali: skill personalizzate o Knowledge Catalog
Per codificare le regole analitiche specifiche dell'organizzazione e standardizzare le definizioni delle metriche aziendali e le formule SQL nelle conversazioni, puoi:
- Crea, carica e condividi skill personalizzate (e gestisci le skill condivise) direttamente in Gemini Enterprise.
- Collabora con i tuoi data steward per curare le definizioni delle metriche aziendali, i glossari aziendali e le query di esempio pre-verificate in Knowledge Catalog (consulta Gestisci i glossari in Knowledge Catalog e Panoramica dei prodotti di dati).
La definizione di una logica di calcolo e di regole di filtro precise per i KPI aziendali garantisce che l'assistente non debba indovinare. Ad esempio, puoi definire che "Cliente attivo" indica rigorosamente un account in analytics_prod.crm.user_events_log con più di 10 accessi alla piattaforma negli ultimi 30 giorni (event_type = 'LOGIN' e is_test_account = FALSE) o che "Margine di contribuzione netto" deve escludere gli omaggi promozionali (order_type != 'PROMO') e la riduzione dell'inventario (status != 'SHRINKAGE').
Quando scegli se implementare le definizioni delle metriche in skill personalizzate all'interno di Gemini Enterprise o in Knowledge Catalog, considera i seguenti compromessi:
- Knowledge Catalog:
- Vantaggi:
- Applica i controlli di accesso di Identity and Access Management (IAM) in modo che gli utenti e gli agenti scoprano solo i metadati e le definizioni che hanno l'autorizzazione di visualizzare.
- Possono essere riutilizzati in altre infrastrutture agentiche, strumenti e piattaforme al di fuori di Gemini Enterprise (come BigQuery Studio e i client MCP).
- Gestite centralmente dai team di governance dei dati senza richiedere ai singoli utenti dell'app di attivare una skill.
- Svantaggi:
- Fornisce un contesto di metadati descrittivi e query di esempio anziché istruzioni procedurali rigide, pertanto l'agente potrebbe richiedere prompt aggiuntivi per flussi di calcolo complessi in più passaggi.
- Skill personalizzate a livello di organizzazione in Gemini Enterprise:
- Vantaggi:
- Fornisce istruzioni procedurali specifiche e prescrittive e formule SQL esatte che l'agente segue in modo deterministico all'interno dell'app.
- Possono essere creati e aggiornati rapidamente dagli amministratori dell'app Gemini Enterprise senza modificare le risorse del catalogo aziendale.
- Svantaggi:
- Deve essere condiviso con gli utenti e attivato in Gemini Enterprise e si applica solo all'interno di Gemini Enterprise, non ad altri harness o piattaforme.
3. Personalizza l'analisi in base alle competenze e alle preferenze degli utenti
I singoli analisti e utenti aziendali possono aggiungere un contesto personale alle competenze dell'organizzazione:
- Skill create dagli utenti: gli utenti finali possono creare skill personali per attività analitiche ricorrenti o impostazioni predefinite specifiche del team, ad esempio una skill che indica che ogni volta che l'utente chiede "rendimento settimanale del prodotto", l'assistente deve filtrare automaticamente per la sua linea di prodotti, escludere il traffico QA e raggruppare i risultati per settimana fiscale.
- Memoria e personalizzazione di Gemini Enterprise: quando la personalizzazione è attiva, l'assistente può conservare le preferenze e i chiarimenti specifici dell'utente tra una sessione e l'altra, riducendo nel tempo i prompt di disambiguazione ripetuti.
Scegli dove configurare ogni tipo di contesto
Poiché Google controlla le skill integrate associate ai connettori Data Cloud, non puoi aggiungere un contesto personalizzato direttamente a un connettore. Utilizza invece la seguente tabella per decidere dove configurare le regole analitiche e il contesto aziendale:
| Livello di contesto | Gestito da | Ideale per | Esempio |
|---|---|---|---|
| Metadati di Knowledge Catalog | Data steward e amministratori del catalogo | Rilevamento dinamico degli asset in grandi patrimoni di dati, descrizioni di tabelle e colonne, indicatori di qualità dei dati, glossari dei set di dati e query SQL di esempio verificate. | Selezionare prodotti di dati certificati e termini del glossario aziendale in analytics_prod in modo che l'agente possa scoprire tabelle e definizioni delle metriche autorevoli. |
| Skill personalizzate e istruzioni dell'assistente a livello di organizzazione | Amministratori e operatori dei dati di Gemini Enterprise | Ambito deterministico di progetti e set di dati, definizioni di KPI a livello aziendale, regole di disambiguazione e convenzioni di risposta. | Limitare le query a set di dati di produzione specifici; definire il calcolo SQL esatto per "ARR netto ponderato". |
| Skill utente e personalizzazione | Singoli utenti finali e analisti | Filtri predefiniti specifici per ruolo, layout delle metriche preferiti e workflow ricorrenti del team. | Applicazione automatica dei filtri per la regione EMEA e il controllo qualità attivo quando un utente chiede "metriche della pipeline mensile". |
Passaggi successivi
- Scopri come creare e gestire le skill e gestire le skill condivise in Gemini Enterprise.
- Consulta la panoramica dei connettori Data Cloud e i connettori Data Cloud sicuri.