Mendapatkan insight dengan agen Insight Data

Pratinjau Pribadi

Fitur ini tunduk kepada "Persyaratan Penawaran Pra-GA" di bagian Persyaratan Layanan Umum dari Persyaratan Khusus Layanan. Fitur pra-GA tersedia "sebagaimana adanya" dan mungkin memiliki dukungan terbatas. Untuk mengetahui informasi selengkapnya, lihat deskripsi tahap peluncuran.

Agen Insight Data adalah agen yang Dibuat oleh Google. Fitur ini memberi Anda insight data dari data BigQuery Anda. Dengan agen Insight Data, Anda tidak memerlukan pengetahuan SQL sebelumnya. Dengan begitu, Anda dapat membuat keputusan bisnis berbasis data yang tepat dan analis data dapat berfokus pada tugas yang lebih kompleks.

Halaman ini menjelaskan cara administrator project Google Cloud dapat memberi otorisasi, membuat, dan men-deploy agen Insight Data menggunakan konsolGoogle Cloud dan REST API. Halaman ini juga menunjukkan cara pengguna akhir dapat menggunakan agen.

Catatan: Untuk mengakses fitur ini, hubungi Account Manager Google Anda.

Ringkasan

Agen Insight Data dirancang untuk melakukan hal berikut:

• Memahami maksud pengguna: Menganalisis konteks sumber data yang terhubung dan kueri bahasa alami pengguna untuk memahami sasaran pengguna
• Buat SQL: Berdasarkan pemahaman ini, pertanyaan pengguna dikonversi menjadi kueri SQL yang benar secara sintaksis dan semantik.
• Mengambil data: Kemudian, kueri ini menjalankan SQL yang dihasilkan untuk mengambil data yang relevan langsung dari sumber data yang terhubung, yaitu set data BigQuery.
• Memberikan insight: Menampilkan data yang diambil sebagai visualisasi, seperti diagram dan tabel, atau sebagai ringkasan berbasis teks untuk menjawab kueri pengguna.

Contoh kueri yang dapat Anda ajukan kepada agen Insight Data

Berikut beberapa contoh kueri yang dapat Anda ajukan ke agen Insight Data:

• Penggabungan dan visualisasi data:
  • "Bagaimana perbandingan penjualan pada Kuartal 2 di wilayah Amerika Latin tahun ini dengan Kuartal 2 tahun lalu?"
  • "Buat diagram batang yang menampilkan perbandingan untuk masing-masing 5 negara teratas di wilayah tersebut."
• Analisis tren:
  • "Bagaimana volume panggilan keluar bervariasi selama 6 bulan terakhir, yang dikelompokkan berdasarkan lokasi?"
  • "Analisis pola pemesanan untuk hotel di Lisbon yang memiliki rating lebih tinggi dari 3 bintang"
• Data mining:
  • "Faktor apa saja yang berkorelasi dengan total nilai penjualan saat pelanggan membeli sesuatu? Berikan peta panas yang menunjukkan hubungan."
• Analisis dan pelaporan:
  • "Ringkas tabel peluang dan akun, lalu buat laporan singkat yang menyoroti tren utama."

Sebelum memulai

Untuk mulai menggunakan agen Insight Data di Gemini Enterprise, ikuti langkah-langkah berikut:

• Ikuti petunjuk untuk mulai menggunakan Gemini Enterprise.
• Ikuti petunjuk untuk mendapatkan lisensi Gemini Enterprise.
• Hubungi Account Manager Google Anda untuk mengakses agen Insight Data.
• Siapkan data BigQuery Anda. Untuk mengetahui informasi selengkapnya, lihat dokumentasi BigQuery.
• Untuk mendapatkan hasil terbaik dari agen, pahami data di set data BigQuery Anda.

Memberikan akses ke data BigQuery

Untuk mengizinkan agen Insight Data melihat dan membuat kueri data BigQuery, berikan peran Identity and Access Management (IAM) kepada pengguna agen:

• BigQuery Data Viewer (roles/bigquery.dataViewer)
• BigQuery Job User (roles/bigquery.jobUser)
• BigQuery Metadata Viewer (roles/bigquery.metadataViewer)

Alur kerja

Alur kerja keseluruhan untuk menyiapkan dan menggunakan agen Insight Data adalah sebagai berikut:

• Dapatkan detail otorisasi.
• Siapkan agen menggunakan Google Cloud konsol atau menggunakan REST API.
• Menambahkan atau mengubah pengguna dan izinnya
• Mengubah status kerja instance agen
• Menggunakan agen

Mendapatkan detail otorisasi

Ikuti langkah-langkah berikut untuk menyiapkan otorisasi. Detail yang Anda peroleh diperlukan untuk mengizinkan agen Insight Data terhubung ke data BigQuery.

1. Di konsol Google Cloud , buka halaman Credentials di APIs & Services.

   Buka Kredensial

2. Pilih project Google Cloud yang berisi set data BigQuery yang ingin Anda kueri oleh agen.

3. Klik Buat kredensial, lalu pilih ID klien OAuth.

4. Di Application type, pilih Web application.

5. Di bagian URI pengalihan yang diberi otorisasi, tambahkan URI berikut:

   • https://vertexaisearch.cloud.google.com/oauth-redirect
   • https://vertexaisearch.cloud.google.com/static/oauth/oauth.html

6. Klik Buat.

7. Di panel OAuth client created, klik Download JSON. JSON yang didownload mencakup detail berikut untuk projectGoogle Cloud yang dipilih. Anda memerlukan detail berikut untuk membuat resource otorisasi:

   • Client ID: CLIENT_ID
   • URI Otorisasi:

     https://accounts.google.com/o/oauth2/v2/auth?client_id=CLIENT_ID&redirect_uri=https%3A%2F%2Fvertexaisearch.cloud.google.com%2Fstatic%2Foauth%2Foauth.html&scope=https%3A%2F%2Fwww.googleapis.com%2Fauth%2Fbigquery&include_granted_scopes=true&response_type=code&access_type=offline&prompt=consent
     

   • URI Token: TOKEN_URI
   • Client secret: CLIENT_SECRET

Menyiapkan agen menggunakan konsol Google Cloud

Bagian ini menunjukkan cara memberi otorisasi, membuat, dan men-deploy instance agen Insight Data menggunakan konsol Google Cloud . Anda juga dapat menambahkan izin pengguna yang menentukan siapa yang dapat mengakses agen yang dibuat.

Memberi otorisasi dan membuat instance agen

Izinkan dan buat instance agen Insight Data menggunakan langkah-langkah berikut:

1. Di konsol Google Cloud , buka Gemini Enterprise.

   Buka Gemini Enterprise

2. Pilih aplikasi tempat Anda ingin membuat agen.

3. Di menu, klik Agents.

   Halaman Agen menampilkan agen yang ada.

4. Klik Tambahkan agen.

5. Di panel Create agent, klik Create di kartu Data agent.

6. Di Authorizations, klik Add authorization, lalu masukkan detail otorisasi. Untuk mengetahui informasi selengkapnya, lihat Mendapatkan otorisasi.

7. Klik Selesai.

8. Klik Berikutnya.

9. Konfigurasi agen Anda sebagai berikut:

   1. Masukkan nama dan deskripsi agen Anda.
   2. Di BigQuery dataset, klik Browse dan lakukan salah satu hal berikut:
      • Pilih set data yang tersedia, lalu klik Pilih.
      • Masukkan jalur ke set data BigQuery yang diperlukan, klik Search, pilih set data tersebut, lalu pilih Select.

   3. Opsional: Klik Tampilkan lebih banyak untuk opsi lanjutan.

   4. Pilih opsi akses tabel yang benar. Jika Anda ingin menerapkan daftar yang diizinkan atau daftar yang tidak diizinkan, tentukan jalur ke tabel yang dibatasi.

   5. Opsional: Tentukan konfigurasi kueri bahasa alami untuk memberikan penyesuaian khusus untuk terjemahan bahasa alami ke kode SQL atau Python. Anda juga dapat memberikan contoh SQL menggunakan kueri bahasa alami, output SQL yang diharapkan, dan respons yang diharapkan. Hal ini meningkatkan kualitas output agen.

      • Deskripsi skema: string dalam bahasa alami yang menjelaskan skema set data BigQuery.
      • Perintah kueri bahasa alami ke SQL: kueri dalam bahasa alami yang diubah menjadi perintah SQL.
      • Kueri bahasa alami ke perintah Python: kueri dalam bahasa alami yang diubah menjadi petunjuk Python.

   6. Opsional: Tambahkan contoh kueri bahasa alami yang diubah menjadi kueri SQL:

      • Kueri: contoh kueri alami yang harus dikonversi menjadi kueri SQL. Misalnya, "Apa nama dan alamat email pelanggan yang berbasis di California"
      • SQL yang Diharapkan: string yang mengilustrasikan contoh kueri SQL yang sesuai dengan kueri bahasa alami. Misalnya, Anda memiliki tabel BigQuery bernama customers. Kemudian, kueri SQL yang diharapkan dapat berupa SELECT customer_name, email FROM customers WHERE state = 'California'.
      • Respons yang diharapkan: string yang memberikan jawaban yang diharapkan untuk kueri dengan mengeksekusi kueri SQL yang diharapkan. Contoh:

      Here are the names and email addresses of your customers in California: \
      * Customer name: Lara B, Email address: [e-mail] \
      * Customer name: Alex A, Email address: [e-mail] \
      * Customer name: Bola C, Email address: [e-mail] \
      

10. Klik Buat.

    Instance agen Insight Data akan muncul dalam daftar Agen.
    Untuk mulai menggunakan agen, tunggu hingga kolom Agent state menampilkan Enabled untuk instance Anda.

Menyiapkan agen menggunakan REST API

Bagian ini menjelaskan cara mengotorisasi, membuat, dan men-deploy instance agen Insight Data menggunakan REST API.

Memberi otorisasi agen

Sebagai administrator, buat resource otorisasi di Gemini Enterprise. Dengan demikian, agen Insight Data dapat mengakses data BigQuery.

1. Buat resource otorisasi.

   REST

   Contoh berikut menunjukkan cara membuat resource otorisasi menggunakan metode authorizations.create.

   curl -X POST \
   -H "Authorization: Bearer $(gcloud auth print-access-token)" \
    -H "Content-Type: application/json" \
    -H "X-Goog-User-Project: PROJECT_NUMBER" \
    "https://discoveryengine.googleapis.com/v1alpha/projects/PROJECT_NUMBER/locations/LOCATION/authorizations?authorizationId=AUTHORIZATION_ID" \
    -d '{
      "name": "projects/PROJECT_NUMBER/locations/LOCATION/authorizations/AUTHORIZATION_ID",
      "serverSideOauth2": {
        "clientId": "CLIENT_ID",
        "clientSecret": "CLIENT_SECRET",
        "authorizationUri": "AUTHORIZATION_URI",
        "tokenUri": "TOKEN_URI"
   }
   }'
   

   Ganti kode berikut:

   • PROJECT_NUMBER: jumlah project Google Cloud Anda.
   • LOCATION: lokasi Google Cloud project Anda.
   • AUTHORIZATION_ID: ID yang harus Anda berikan untuk mengidentifikasi resource otorisasi.
   • CLIENT_ID: ID klien yang Anda peroleh pada langkah sebelumnya.
   • CLIENT_SECRET: rahasia klien yang Anda peroleh pada langkah sebelumnya.
   • AUTHORIZATION_URI: URI otorisasi yang Anda peroleh pada langkah sebelumnya.
   • TOKEN_URI: URI token yang Anda peroleh pada langkah sebelumnya.

   Respons

   Anda akan menerima respons JSON yang mirip dengan respons berikut. Perhatikan AUTHORIZATION_RESOURCE_NAME, yang harus Anda gunakan untuk membuat agen Insight Data. ID unik di akhir AUTHORIZATION_RESOURCE_NAME adalah AUTHORIZATION_ID.

   {
    "name": "AUTHORIZATION_RESOURCE_NAME",
    "serverSideOauth2": {
      "clientId": "CLIENT_ID",
      "clientSecret": "CLIENT_SECRET",
      "tokenUri": "TOKEN_URI",
      "authorizationUri": "AUTHORIZATION_URI"
    }
   }
   

Membuat instance agen

Sebagai administrator Google Cloud project, Anda dapat membuat instance agen Insight Data. Tindakan ini memerlukan ID project dan ID set data BigQuery yang ingin Anda kueri menggunakan agen Anda.

REST

Contoh berikut menunjukkan cara membuat instance agen Insight Data menggunakan metode agents.create. Untuk mempelajari kolom lanjutan yang dapat Anda tambahkan ke sampel ini, lihat Menambahkan konfigurasi lanjutan untuk agen.

curl -X POST \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json" \
  -H "X-Goog-User-Project: PROJECT_NUMBER" \
  "https://discoveryengine.googleapis.com/v1alpha/projects/PROJECT_NUMBER/locations/LOCATION/collections/default_collection/engines/APP_ID/assistants/default_assistant/agents" \
  -d '{
    "displayName": "AGENT_DISPLAY_NAME",
    "description": "AGENT_DESCRIPTION",
    "icon": {
       "uri": "AGENT_ICON_URI"
     },
    "managed_agent_definition": {
      "tool_settings": {
        "tool_description": "AGENT_DESCRIPTION"
      },
      "data_science_agent_config": {
        "bq_project_id": "BIGQUERY_PROJECT_ID",
        "bq_dataset_id": "BIGQUERY_DATASET_ID"
      }
    },
    "authorization_config": {
      "tool_authorizations" : [
        "AUTHORIZATION_RESOURCE_NAME"
      ]
    }
  }'

Ganti kode berikut:

• PROJECT_NUMBER: jumlah project Google Cloud Anda.
• LOCATION: lokasi aplikasi Gemini Enterprise Anda.
• APP_ID: ID aplikasi.
• AGENT_DISPLAY_NAME: nama instance agen Insight Data Anda.
• AGENT_ICON_URI: kolom opsional untuk memberikan URI untuk ikon agen.
• AGENT_DESCRIPTION: deskripsi instance agen Insight Data Anda yang menunjukkan tujuan agen atau detail sumber data BigQuery-nya.
• BIGQUERY_PROJECT_ID: project ID projectGoogle Cloud yang berisi set data BigQuery.
• BIGQUERY_DATASET_ID: ID set data BigQuery yang berisi data yang akan dikueri.
• AUTHORIZATION_RESOURCE_NAME: nama resource otorisasi yang Anda peroleh di bagian sebelumnya.

Respons

Anda akan menerima respons JSON yang mirip dengan respons berikut. Perhatikan AGENT_RESOURCE_NAME, yang harus Anda gunakan untuk men-deploy agen Insight Data. ID unik di akhir AGENT_RESOURCE_NAME adalah AGENT_ID.

{
  "name": "AGENT_RESOURCE_NAME",
  "displayName": "AGENT_DISPLAY_NAME",
  "description": "AGENT_DESCRIPTION",
  "icon": {
    "uri": "AGENT_ICON_URI"
  },
  "createTime": "CREATION_TIME",
  "managedAgentDefinition": {
    "toolSettings": {
      "toolDescription": "AGENT_DISPLAY_NAME"
    },
    "deploymentInfo": {},
    "dataScienceAgentConfig": {
      "bqProjectId": "BIGQUERY_PROJECT_ID",
      "bqDatasetId": "BIGQUERY_DATASET_ID"
    }
  },
  "authorization_config": {
    "tool_authorizations" : [
      "AUTHORIZATION_RESOURCE_NAME"
    ]
  },
  "state": "CONFIGURED"
}

Menambahkan konfigurasi lanjutan untuk agen

Anda dapat secara opsional menentukan kolom nlQueryConfig untuk memberikan penyesuaian khusus untuk terjemahan bahasa alami ke kode SQL atau Python. Anda juga dapat memberikan contoh SQL menggunakan kueri bahasa alami, output SQL yang diharapkan, dan respons yang diharapkan. Hal ini meningkatkan kualitas output agen. Cuplikan kode berikut menunjukkan cara mengonfigurasi kolom lanjutan ini:

"dataScienceAgentConfig": {
  "nlQueryConfig": {
    "nl2sqlPrompt": "NL_TO_SQL_INSTRUCTIONS",
    "nl2pyPrompt": "NL_TO_PYTHON_INSTRUCTIONS",
    "nl2sqlExample": {
      "query": "EXAMPLE_NL_QUERY",
      "expectedSql": "EXPECTED_SQL_QUERY",
      "expectedResponse": "EXPECTED_SQL_RESPONSE"
    },
    "schemaDescription": "NL_DESCRIPTION_OF_BQ_DATASET"
  }
}

Ganti kode berikut:

• NL_TO_SQL_INSTRUCTIONS: kueri dalam bahasa alami yang diubah menjadi perintah SQL.
• NL_TO_PYTHON_INSTRUCTIONS: kueri dalam bahasa alami diubah menjadi instruksi Python.
• EXAMPLE_NL_QUERY: contoh kueri bahasa alami yang harus dikonversi menjadi kueri SQL. Misalnya, "Apa nama dan alamat email pelanggan yang berada di California"
• EXPECTED_SQL_QUERY: string yang menggambarkan contoh kueri SQL yang sesuai dengan kueri natural. Misalnya, Anda memiliki tabel BigQuery bernama customers. Kemudian, kueri SQL yang diharapkan dapat berupa "SELECT customer_name, email FROM customers WHERE state = 'California'".

• EXPECTED_SQL_RESPONSE: string yang memberikan jawaban yang diharapkan untuk kueri dan kueri SQL yang diharapkan. Contoh:

  Here are the names and email addresses of your customers in California: \
  * Customer name: Lara B, Email address: [e-mail] \
  * Customer name: Alex A, Email address: [e-mail] \
  * Customer name: Bola C, Email address: [e-mail] \
  

• NL_DESCRIPTION_OF_BQ_DATASET: string dalam bahasa alami yang menjelaskan skema set data BigQuery.

Men-deploy instance

Setelah membuat instance agen Insight Data, sebagai administrator, Anda dapat men-deploy-nya agar dapat digunakan oleh pengguna akhir.

REST

1. Deploy agen. Contoh berikut menunjukkan cara men-deploy agen yang dibuat menggunakan metode agents.deploy. Men-deploy agen adalah operasi yang berjalan lama (LRO).

   curl -X POST \
    -H "Authorization: Bearer $(gcloud auth print-access-token)" \
    -H "Content-Type: application/json" \
    -H "X-Goog-User-Project: PROJECT_NUMBER" \
    "https://discoveryengine.googleapis.com/v1alpha/AGENT_RESOURCE_NAME:deploy" \
    -d '{
      "name":"AGENT_RESOURCE_NAME"
    }'
   

   Ganti kode berikut:

   • PROJECT_NUMBER: jumlah project Google Cloud Anda.
   • AGENT_RESOURCE_NAME: nama resource agen yang Anda peroleh di bagian sebelumnya saat Anda membuat agen.

   Respons

   Anda akan menerima respons JSON yang mirip dengan respons berikut. Perhatikan DEPLOY_OPERATION_NAME, yang harus Anda gunakan untuk mendapatkan status LRO.

   {
    "name": "DEPLOY_OPERATION_NAME",
    "metadata": {
      "@type": "type.googleapis.com/google.cloud.discoveryengine.v1alpha.DeployAgentMetadata"
    }
   }

2. Mendapatkan status operasi deployment. Contoh berikut menunjukkan cara mendapatkan status operasi deployment operations.get metode.

   curl -X GET \
   -H "Authorization: Bearer $(gcloud auth print-access-token)" \
   "https://discoveryengine.googleapis.com/v1alpha/DEPLOY_OPERATION_NAME"
   

   Ganti DEPLOY_OPERATION_NAME dengan nama LRO yang Anda dapatkan di langkah sebelumnya saat men-deploy agen.

   Dalam respons, jika nilai kolom done adalah true, deployment telah selesai. Jika nilai kolom done adalah false, deployment sedang berlangsung.

Menambahkan atau mengubah pengguna dan izin mereka

Tambahkan atau ubah prinsipal ke instance agen Data Insights Anda dan tetapkan peran Pengelolaan Akses dan Identitas (IAM) tertentu kepada mereka, menggunakan langkah-langkah berikut:

Konsol

1. Di konsol Google Cloud , buka Gemini Enterprise.

   Buka Gemini Enterprise

2. Pilih aplikasi yang berisi instance agen Data Insights Anda.

3. Di menu, klik Agents.

   Halaman Agen menampilkan agen yang ada.

4. Klik agen yang ingin Anda tambahi atau ubah penggunanya.

   Secara default, agen yang baru dibuat tidak memiliki pengguna.

5. Di tabel Pengguna yang diberi izin, klik Tambahkan pengguna.

6. Pilih Jenis anggota dari daftar yang tersedia.

7. Masukkan identitas anggota, bergantung pada jenisnya, dan tetapkan satu atau beberapa peran.

   • Untuk pengguna, grup, atau akun layanan, string anggota adalah email.
   • Untuk domain, string anggota adalah nama domain yang valid.
   • Untuk akun utama, string anggota adalah akun utama yang valid. Misalnya, principal://iam.googleapis.com/locations/global/workforcePools/pool-1/subject/subject-1.
   • Untuk set akun utama, string anggota adalah set akun utama yang valid. Misalnya, principalSet://iam.googleapis.com/locations/global/workforcePools/pool-1/group/group-1.
   • Untuk domain dan set akun utama, semua identitas dan grup pengguna dalam domain dan set akun utama tersebut diberi peran yang sama. Untuk akses yang aman ke agen, pilih grup individual dan set utama atau domain yang dikontrol, lalu tetapkan peran dengan hak istimewa paling rendah kepada grup dan set utama atau domain tersebut.

8. Klik Simpan.

   Kebijakan IAM diperbarui, dan pengguna ditambahkan ke daftar pengguna yang diberi izin.

9. Untuk mengubah izin yang ditetapkan, klik Tindakan, pilih Ubah, lalu lakukan salah satu hal berikut:

   • Ubah peran yang ditetapkan.
   • Tambahkan peran lain.
   • Klik Hapus untuk menghapus peran. Anda harus menetapkan setidaknya satu peran kepada pengguna.

Mengubah status kerja instance

Setelah Anda membuat instance agen Insight Data, agen akan diaktifkan secara default. Anda dapat mengubah status kerjanya menjadi Dinonaktifkan, Ditangguhkan, Diaktifkan, atau Dihapus menggunakan langkah-langkah berikut:

Konsol

1. Di konsol Google Cloud , buka Gemini Enterprise.

   Buka Gemini Enterprise

2. Pilih aplikasi yang berisi instance agen Data Insights Anda.

3. Di menu, klik Agents.

   Halaman Agen menampilkan agen yang ada.

4. Klik Tindakan untuk agen Anda, lalu pilih salah satu opsi berikut:

   • Ditangguhkan: untuk membuat agen tidak tersedia untuk sementara. Namun, pengguna dengan tingkat izin apa pun ke agen akses masih dapat melihat agen tersebut.
   • Dinonaktifkan: agar agen tidak tersedia untuk semua pengguna kecuali pengguna yang membuatnya.
   • Diaktifkan: untuk membuat agen tersedia bagi semua pengguna dengan tingkat izin apa pun untuk agen akses.
   • Hapus: untuk menghapus instance agen.

Menggunakan agen

Ikuti langkah-langkah berikut untuk mendapatkan insight data menggunakan agen Anda:

Aplikasi

1. Di menu navigasi aplikasi, klik Agen.

2. Klik Lihat semua agen.

3. Pilih instance agen Data Insights Anda.

4. Jika agen Anda memerlukan otorisasi tambahan, klik Authorize, lalu berikan detail otorisasi.

5. Klik Tambahkan file untuk menyertakan file sebagai sumber data tambahan yang akan digunakan agen.

6. Klik Sumber untuk memilih sumber yang harus disertakan oleh agen untuk memberikan insight data yang paling relevan.

7. Masukkan pertanyaan atau perintah Anda, lalu tekan Enter atau klik Kirim.