会話型分析を使用するデータクラウド コネクタのベスト プラクティス

連携クエリモードで データクラウド コネクタを接続すると、Gemini Enterprise は Model Context Protocol（MCP）を使用してデータソースをその場でクエリします。MCP ツール定義により、アシスタントは SQL を実行するメカニズムを取得しますが、自然言語のビジネスに関する質問に高精度かつ低レイテンシで回答するには、次の 2 つのガイダンス レイヤを追加する必要があります。

• デフォルトの分析ハーネス: クエリの計画、フィルタ値の解決、高度な分析関数の使用、エラーの処理を Gemini Enterprise アシスタントに教えるエンジン固有の手順スキル。
• 組織のコンテキスト: 会社のビジネス用語、KPI の定義、ガバナンス ガードレールを適切な基盤となるテーブルとモデルにマッピングする、ドメイン固有のスキル、カスタム指示、Knowledge Catalog メタデータ。

このドキュメントでは、データクラウド コネクタが Google によって管理される組み込みの分析スキルをどのように使用するかと、Knowledge Catalog、カスタム スキル、アシスタントの手順を使用してデータに組織のコンテキストを提供する方法について説明します。

デフォルトの分析ハーネスについて

すぐに使用できる MCP ツールは、低レベルのオペレーション（テーブルのリスト表示や SQL 文字列の実行など）を公開しますが、これらは複雑な複数ステップのデータ分析には十分でないことがよくあります。ファーストパーティの Data Cloud コネクタは、デフォルトの分析ハーネス（会話型分析エージェント ハーネスから派生した、Google が管理する一連の組み込みスキル）をバンドルすることで、このギャップを埋めます。これらの組み込みスキルは、読み取り専用の SELECT クエリの生成、SQL コンパイラ エラーからの復元、組み込みの BigQuery AI、ML、グラフ関数（AI.FORECAST、AI.DETECT_ANOMALIES、AI.CLASSIFY、AI.AGG、AI.GENERATE、GRAPH_TABLE など）の呼び出しなどのコア分析タスクを自動的に処理します。ユーザーによる構成や操作は必要ありません。

Google がこれらの組み込みコネクタ スキルを制御しているため、コネクタのコンテキストを直接変更したり追加したりすることはできません。代わりに、コネクタ設定の構成、ナレッジ カタログでのメタデータのキュレーション、Gemini Enterprise アプリでのカスタム スキルの作成と使用を行うことで、一般的なクエリ実行、検索レイテンシ、指標の精度に関する問題を解決できます。

次の表に、データクラウド コネクタの使用時に発生する可能性のある一般的な問題と、その解決策を示します。

問題	解決方法
すべての BigQuery クエリが単一のプロジェクトで実行されるようにする	BigQuery データストアを作成するときに、[請求先プロジェクト ID]（[詳細オプション] の下）を構成します。課金プロジェクトを設定すると、コネクタを介して実行されるすべての BigQuery クエリジョブが、指定された Google Cloud プロジェクトで実行され、課金されます。
検索レイテンシの短縮または特定のデータの優先順位付け	次のいずれかまたは両方のオプションを使用して、エージェントがデータを検索してクエリする場所を絞り込みます。 カスタムスキルを作成する: Gemini Enterprise app でスキルを作成して共有し、エージェントが特定の Google Cloud プロジェクト、データセット、テーブル内のデータのみを検索またはクエリするようにガイドします。たとえば、スキルに次の手順を含めます。 「売上、収益、顧客アクティビティに関する質問に回答する場合は、メタデータのみを検索し、analytics-prod.sales_mart データセットのテーブルに対して SQL クエリを実行します。ステージング、サンドボックス、アーカイブのデータセットはスキャンしないでください。」 Knowledge Catalog データ プロダクトを作成する: 優先度の高いテーブルを Knowledge Catalog データ プロダクト（データ プロダクトを作成するを参照）にキュレートして、エージェントが信頼できるアセットを直接検出できるようにします。
エージェントが指標の定義を間違って使用しているか、間違ったキーで結合している	次のオプションを 1 つ以上使用して、定義と結合ロジックを標準化します。 カスタムスキルを作成する: Gemini Enterprise アプリで、エージェントが指標を定義して計算する方法を伝えるカスタムスキルを作成して共有（および共有スキルを管理）します（例については、ビジネス指標を定義する場所を選択する: カスタムスキルとナレッジ カタログをご覧ください）。 Knowledge Catalog で用語集とゴールデン クエリをキュレートする: 指標の定義、ビジネス用語集、事前に検証済みのサンプルクエリ（ゴールデン クエリ）が Knowledge Catalog でキュレートされ、表示されるようにします。ゴールデン クエリは、複雑なスキーマでエージェントがテーブル結合を幻覚するのを防ぐのに役立つ、認定済みの SQL 結合構文を提供します。AI エージェントのメタデータを構造化するためのベスト プラクティスについては、Knowledge Catalog で基盤となるデータ コンテキストを確立すると Knowledge Catalog で用語集を管理するをご覧ください。

Knowledge Catalog とカスタムスキルを使用するメリットを比較するには、ビジネス指標を定義する場所を選択する: カスタムスキルと Knowledge Catalog をご覧ください。アプリでスキルを作成して有効にする手順については、スキルを作成して管理するとスキルを管理するをご覧ください。

スキルと Knowledge Catalog を使用して組織のコンテキストを提供する

データクラウド コネクタは単一のデータセットやテーブルに限定されず、認証されたユーザーがクエリを実行する権限を持つ接続されたデータソース内のすべてのリソースにアクセスできるため、アシスタントはどのアセットが信頼できるか、ビジネスで主要な指標をどのように計算するかを把握するために組織のコンテキストを必要とします。

Knowledge Catalog、組織全体のカスタム スキル、ユーザーのパーソナライズを組み合わせたレイヤード アプローチを使用します。

1. Knowledge Catalog を使用したグラウンド データ検出

フェデレーション クエリモードで BigQuery コネクタまたはデータベース コネクタを接続すると、Gemini Enterprise アプリの [アシスタント] タブで Knowledge Catalog が自動的に有効になります。エージェントは、未加工のデータベース スキーマに対して探索的な呼び出しを順次行うのではなく、Knowledge Catalog ツールを使用して、ユーザーがアクセスできるデータを検索し、単一のワークフローでリッチ メタデータ コンテキストを検索します。

組織がサードパーティのカタログ（DataHub など）または内部ドキュメント Wiki でメタデータをキュレートしている場合は、それらの説明を Knowledge Catalog に同期するか、組織全体のカスタム スキルで重要なビジネスルールをキャプチャして、エージェントが検出できるようにします。

2. ビジネス指標を定義する場所を選択する: カスタムスキルと Knowledge Catalog

組織固有の分析ルールをコード化し、会話全体でビジネス指標の定義と SQL 式を標準化するには、次のいずれかを行います。

• Gemini Enterprise でカスタムスキルを直接作成、アップロード、共有（および共有スキルを管理）します。
• データ スチュワードと協力して、Knowledge Catalog で企業指標の定義、ビジネス用語集、事前検証済みのクエリ例をキュレートします（Knowledge Catalog で用語集を管理するとデータ プロダクトの概要をご覧ください）。

会社の KPI の正確な計算ロジックとフィルタ ルールを定義することで、アシスタントが推測する必要がなくなります。たとえば、「アクティブ な顧客」は、過去 30 日間に 10 回以上プラットフォームにログインした analytics_prod.crm.user_events_log のアカウント（event_type = 'LOGIN' と is_test_account = FALSE）を厳密に意味すると定義したり、「純貢献利益」はプロモーションのプレゼント（order_type != 'PROMO'）と在庫の減少 （status != 'SHRINKAGE'）を除外する必要 があると定義したりできます。

Gemini Enterprise 内のカスタムスキルで指標定義を実装するか、Knowledge Catalog で実装するかを選択する際は、次のトレードオフを考慮してください。

• Knowledge Catalog:
  • メリット:
  • Identity and Access Management（IAM）アクセス制御を適用し、ユーザーとエージェントが、表示する権限を持つメタデータと定義のみを検出するようにします。
  • Gemini Enterprise 以外の他のエージェント ハーネス、ツール、プラットフォーム（BigQuery Studio や MCP クライアントなど）で再利用できます。
  • データ ガバナンス チームによって一元的に維持され、個々のアプリユーザーがスキルを有効にする必要はありません。
  • デメリット:
  • 厳密な手順ではなく、説明的なメタデータ コンテキストとサンプルクエリが提供されるため、複雑なマルチステップの計算フローでは、エージェントに追加のプロンプトが必要になることがあります。
• Gemini Enterprise の組織全体のカスタム スキル:
  • メリット:
  • アプリ内でエージェントが確定的に準拠する、具体的な処方的な手順と正確な SQL 式を提供します。
  • Gemini Enterprise アプリの管理者は、企業カタログ リソースを変更することなく、迅速に作成して更新できます。
  • デメリット:
  • ユーザーと共有され、Gemini Enterprise で有効になっている必要があります。他のハーネスやプラットフォームではなく、Gemini Enterprise 内でのみ適用されます。

3. ユーザーのスキルとパーソナライズに合わせて分析を調整する

個々の分析担当者やビジネス ユーザーは、組織全体のスキルに個人のコンテキストを重ねることができます。

• ユーザー作成スキル: エンドユーザーは、定期的な分析タスクやチーム固有のデフォルト用に個人用スキルを作成できます。たとえば、ユーザーが「週ごとのプロダクト パフォーマンス」を尋ねたときに、アシスタントが商品ラインを自動的にフィルタし、QA トラフィックを除外し、結果を会計週ごとにグループ化するスキルを作成できます。
• Gemini Enterprise のメモリーとパーソナライズ: パーソナライズが有効になっている場合、アシスタントはセッション間でユーザー固有の設定と説明を保持できるため、時間の経過とともに曖昧さ回避のプロンプトが繰り返されるのを減らすことができます。

各タイプのコンテキストを構成する場所を選択する

Google はデータクラウド コネクタに付加された組み込みスキルを制御するため、カスタム コンテキストをコネクタに直接追加することはできません。代わりに、次の表を使用して、分析ルールとビジネス コンテキストを構成する場所を決定します。

コンテキスト レイヤ	管理者	最適な用途	例
Knowledge Catalog メタデータ	データ スチュワードとカタログ管理者	大規模なデータ資産全体にわたる動的なアセット検出、テーブルと列の説明、データ品質シグナル、データセット用語集、検証済みのサンプル SQL クエリ。	analytics_prod で認定済みのデータ プロダクトとビジネス用語集の用語をキュレートし、エージェントが信頼できるテーブルと指標の定義を見つけられるようにします。
組織全体のカスタムスキルとアシスタントの手順	Gemini Enterprise の管理者とデータ オペレーター	決定論的なプロジェクトとデータセットのスコープ設定、全社的な KPI 定義、曖昧性除去ルール、レスポンスの規則。	クエリを特定の本番環境データセットに制限する。重み付けされた純 ARR の正確な SQL 計算を定義する。
ユーザーのスキルとパーソナライズ	個々のエンドユーザーとアナリスト	ロール固有のデフォルト フィルタ、優先する指標レイアウト、チームの定期的なワークフロー。	ユーザーが「月間のパイプライン指標」をリクエストしたときに、EMEA 地域とアクティブな QA フィルタを自動的に適用します。

次のステップ

• Gemini Enterprise でスキルを作成して管理する方法と共有スキルを管理する方法を学習する。
• データクラウド コネクタの概要とデータクラウド コネクタの保護を確認します。