Panoramica di Analisi conversazionale in Looker

L'analisi conversazionale è una funzionalità di chat con i dati basata su Gemini in Google Cloud. Basata sul livello di modellazione semantica di Looker, l'analisi conversazionale consente agli utenti della tua organizzazione di porre domande relative ai dati in un linguaggio normale e naturale (conversazionale) per una BI self-service controllata e affidabile. Questo approccio accelera l'adozione dell'analisi in tutta l'organizzazione fornendo governance e sicurezza di livello aziendale.

L'analisi conversazionale è disponibile sia nelle istanze di Looker (Google Cloud core) sia in quelle di Looker (originale).

Scopri come e quando Gemini per Google Cloud utilizza i tuoi dati.

Funzionalità principali

L'analisi conversazionale include le seguenti funzionalità chiave:

  • Query in linguaggio naturale in Esplora: interagisci in linguaggio naturale con una singola esplorazione o con un agente di dati che esegue query su un massimo di cinque esplorazioni.
  • Crea un agente di dati per eseguire query su Esplorazioni: puoi personalizzare un agente di query di Esplorazioni basato sull'AI fornendo contesto e istruzioni specifici per i tuoi dati, il che aiuta l'agente di dati a generare risposte più accurate e pertinenti al contesto. Puoi anche condividere i tuoi agenti di dati con altri utenti o pubblicarli in altre applicazioni, come Gemini Enterprise, in modo che possano porre domande con lo stesso contesto. Puoi connettere questo tipo di agente dati a un massimo di cinque esplorazioni.
  • Eseguire query su una dashboard utilizzando un agente dati Anteprima: utilizza Conversational Analytics per generare un agente dati della dashboard in grado di eseguire query sulla dashboard e sui relativi modelli sottostanti. Gli agenti della dashboard sono disponibili quando l'impostazione Abilita agenti della dashboard è attivata nella pagina Gemini in Looker del pannello Amministrazione. I riepiloghi delle dashboard sono disponibili quando l'impostazione Abilita riepilogo della dashboard è attivata nella pagina Gemini in Looker del pannello Amministrazione.
  • Analisi avanzata: la funzionalità Analisi avanzata all'interno di Analisi conversazionale traduce le domande in linguaggio naturale in codice Python ed esegue il codice. Rispetto alle query standard basate su SQL, l'utilizzo di Python nella funzionalità Advanced Analytics consente analisi e visualizzazioni più complesse.
  • Incorporamento: puoi incorporare Conversational Analytics in un sito web o in un'applicazione utilizzando un tag iframe HTML, proprio come puoi fare con altri tipi di contenuti di Looker. L'analisi conversazionale supporta sia l'incorporamento privato, in cui gli utenti vengono autenticati con le credenziali di accesso a Looker, sia l'incorporamento firmato, in cui gli utenti vengono autenticati tramite la tua applicazione.
  • Workflow agentici attivati Anteprima: configura avvisi e monitoraggio basati su metriche direttamente tramite query in linguaggio naturale in conversazioni autonome con Esplora o con gli agenti di dati di Esplora. I workflow con agenti sono disponibili quando l'impostazione Workflow con agenti è attivata nella pagina Gemini in Looker del pannello Amministrazione.

Agenti di dati e Conversazioni

Chattare con un agente dati offre diversi vantaggi chiave rispetto a una conversazione standard con una singola esplorazione. L'avvio di una conversazione da un'esplorazione consente di eseguire rapidamente query in linguaggio naturale di quella specifica origine dati, mentre un agente di dati funziona come un analista autonomo specializzato che può essere personalizzato e condiviso all'interno dell'organizzazione.

Gli agenti di dati offrono il seguente vantaggio rispetto alle conversazioni con Esplora:

  • Chattare con più Esplora: in una conversazione con un Esplora, puoi interrogare un solo Esplora alla volta. Tuttavia, un agente dati può connettersi a un massimo di cinque esplorazioni distinte, consentendo agli utenti di eseguire analisi cross-domain e ricevere risposte più complete.
  • Chatta con una dashboard di Looker: quando chatti con una dashboard, Conversational Analytics crea un agente di dati della dashboard che puoi utilizzare per eseguire query non solo su una dashboard, ma anche sulle esplorazioni sottostanti.
  • Contesto creato: puoi fornire al tuo agente di dati istruzioni personalizzate che non sono disponibili in una conversazione standard di Esplora, incluse le seguenti risorse:
    • Query d'oro: puoi fornire all'agente coppie di domande in linguaggio naturale e query Looker verificate per ancorare pattern aziendali comuni e ridurre significativamente l'ambiguità per il modello.
    • Glossari aziendali: puoi definire gerghi o acronimi specifici dell'organizzazione direttamente nelle istruzioni dell'agente.
    • Framework delle persona: puoi assegnare un ruolo o una competenza specifica all'agente, impostando un tono coerente e un giudizio professionale per la conversazione.
  • Specializzazione degli agenti: anziché utilizzare l'unica interfaccia generica di una conversazione, puoi creare agenti specializzati per diverse unità aziendali, ad esempio un agente per le entrate o un Ops Agent. Ciò consente un'esperienza di analisi più guidata, indirizzando gli utenti verso i campi e i filtri più pertinenti alle loro esigenze.
  • Collaborazione e riutilizzo: le esplorazioni conversazionali sono in genere limitate a un solo utente, mentre gli agenti dei dati possono essere condivisi con altri membri della tua organizzazione. La condivisione garantisce che più utenti possano usufruire dello stesso contesto e della stessa governance sviluppati da un amministratore o da un esperto di dati.
  • Comportamento personalizzato: puoi configurare l'agente in modo che operi in base a requisiti rigorosi, ad esempio utilizzando filtri predefiniti, come "utilizza sempre gli ultimi 6 mesi se non viene menzionato alcun periodo di tempo". Queste misure di salvaguardia assicurano che l'agente operi nel rispetto degli standard di governance e sicurezza specifici della tua organizzazione. Puoi anche nascondere i campi in Esplora per impedire all'agente dati di utilizzarli nelle query.

La seguente tabella riepiloga le principali differenze tra questi tipi di conversazioni e agenti di dati:

Funzionalità di analisi conversazionale Casi d'uso principali Punto di ingresso Funzionalità di condivisione Limitazioni
Esplorare le conversazioni
  • Query in linguaggio naturale standard di una singola esplorazione di Looker.
  • Organizzazione di domande correlate su un set di dati specifico in sessioni distinte.
  • Utilizza le modalità di domanda Veloce e Ragionamento.
  • Nell'esplorazione, seleziona Avvia una conversazione.
  • Nella pagina Analisi conversazionale, seleziona la scheda Conversazioni.
 In genere limitata a un solo utente (non condivisibile).
  • Limitato all'esecuzione di query su un solo Explore alla volta.
  • Nessun contesto o istruzione personalizzati (ad esempio, query d'oro, buyer persona, glossari aziendali).
  • Nessuna specializzazione dell'agente per le diverse unità aziendali di un'organizzazione.
  • L'opzione Avvia una conversazione non è disponibile quando utilizzi la nuova esperienza Esplora.
Esplora gli agenti di dati
  • Agenti di analisi dei dati specializzati e autonomi progettati per unità aziendali specifiche di un'organizzazione (ad esempio, agente per le entrate, Ops Agent).
  • Analisi cross-domain che utilizza fino a cinque esplorazioni connesse.
  • Contesto creato che include istruzioni personalizzate, query d'oro, glossari aziendali e framework di persona per applicare misure di salvaguardia e migliorare l'accuratezza.
  • Analisi avanzate che utilizzano l'esecuzione del codice Python, se abilitata.
  • Non richiede autorizzazioni explore esplicite.
 Nella pagina Conversational Analytics, seleziona la scheda Agenti. Può essere condiviso con altri utenti dell'organizzazione concedendo l'accesso ai contenuti (Visualizzazione o Gestione accesso; Modifica). Possono anche essere pubblicati su applicazioni esterne come Gemini Enterprise (anteprima).
  • Richiede access_data e altre autorizzazioni per i modelli alla base delle esplorazioni (la condivisione dell'agente non concede l'accesso alle esplorazioni).
  • Non supporta le query di riferimento contenenti pivot o campi personalizzati.
Agenti della dashboard
  • Query in linguaggio naturale diretta di una specifica dashboard Looker e dei relativi riquadri collegati alle query.
  • Curare e personalizzare il comportamento dell'agente nelle dashboard con istruzioni personalizzate.
  • L'accesso è gestito rigorosamente tramite le autorizzazioni a livello di dashboard (Gestisci accesso; Modifica nella dashboard) e le autorizzazioni del modello.
 Dalla dashboard, seleziona Chatta con questa dashboard. Non possono essere condivisi con altri utenti.
  • Non possono essere condivisi singolarmente.
  • Non vengono visualizzati nella pagina Analisi conversazionale. Le conversazioni con un agente della dashboard sono accessibili solo dalla pagina Conversazioni recenti, disponibile dal menu della dashboard.
  • Limitato al contesto del dashboard e dei relativi riquadri collegati alle query.
  • La personalizzazione del comportamento dell'agente della dashboard con istruzioni personalizzate non è supportata per le dashboard LookML.
  • La funzionalità Analisi avanzata non è supportata.

Come funziona Conversational Analytics?

L'analisi conversazionale utilizza Gemini per Google Cloud interpretare le domande in linguaggio naturale e fornire risposte in Looker in base ai tuoi dati. Utilizza il modello semantico di Looker, ovvero le definizioni LookML dei tuoi dati, come fonte attendibile per garantire che le risposte siano accurate e coerenti. Analisi conversazionale può interpretare le definizioni aziendali per metriche come "entrate" o "churn" perché sono definite in LookML, utilizzando queste definizioni per fornire domande accurate e coerenti.

Per basare le sue risposte sui tuoi dati e sul contesto aziendale specifici, Analisi conversazionale utilizza diverse tecniche:

  • Schema LookML: all'inizio di una richiesta, Conversational Analytics recupera lo schema dalle esplorazioni a cui è connesso. L'analisi conversazionale utilizza i parametri del modello LookML in diversi modi:
    • Identificazione dei campi: i metadati dello schema aiutano Analisi conversazionale a concentrarsi sui campi pertinenti. Questi metadati includono parametri LookML come name, label, description, type e dimension_group. Questi parametri aiutano l'analisi conversazionale a mappare i termini nelle domande degli utenti ai campi corretti. Ad esempio, description può fornire terminologia o contesto specifici per un campo. Conversational Analytics ignora tutti i campi che utilizzano il parametro hidden.
    • Formattazione delle risposte: l'analisi conversazionale utilizza i parametri label per la denominazione intuitiva dei campi e i parametri value_format per la formattazione dei dati nelle risposte.
  • Generazione di query: anziché eseguire query direttamente nel database, Conversational Analytics determina quali campi, filtri, ordinamenti e limiti devono essere utilizzati nella query. Looker compone ed esegue la query utilizzando il modello LookML sottostante. Questo processo è simile al modo in cui un utente interagisce con un'interfaccia Esplora. L'analisi conversazionale non ha bisogno di comprendere la logica di join complessa o le definizioni dei campi perché Looker gestisce la composizione delle query in base al modello LookML. La generazione di query garantisce che tutte le query rispettino la logica di join, il filtraggio, l'aggregazione e le autorizzazioni dei dati definite nel modello LookML. Per generare query, Conversational Analytics deve determinare i valori corretti da utilizzare nei filtri. Questi valori devono corrispondere esattamente ai valori nei dati sottostanti o a espressioni di filtro più avanzate, come i caratteri jolly. Per risolvere le discrepanze tra i valori inclusi dall'utente nelle domande in linguaggio naturale e i valori esatti che potrebbero essere richiesti da un filtro, l'analisi conversazionale utilizza i valori definiti con allowed_value nei campi parameter e può utilizzare strumenti per verificare la presenza di valori specifici nei campi:
    • Dati di esempio: restituisce fino a 100 valori da un campo per aiutare Analisi conversazionale a imparare i pattern o a trovare una corrispondenza esatta per i valori dei filtri.
    • Ricerca approssimativa: genera un insieme di termini di ricerca in base all'input utente'utente e ne verifica la presenza in una dimensione per trovare valori di filtro appropriati. Sia i dati di esempio sia la ricerca fuzzy utilizzano l'API di suggerimento di Looker e sono quindi influenzati da parametri LookML come suggestions, suggest_explore e suggest_dimension.
  • Analisi: dopo l'esecuzione delle query, l'analisi conversazionale analizza i risultati delle query per rispondere alle domande degli utenti. L'analisi conversazionale può analizzare i risultati in uno o più dei seguenti modi:
    • Utilizza le funzionalità integrate di Gemini per interpretare e riassumere i risultati.
    • Utilizza l'esecuzione del codice Python tramite Advanced Analytics per eseguire ulteriori analisi sui risultati.
    • Crea visualizzazioni in base ai risultati delle query.

Sfruttando il modello semantico di Looker, l'analisi conversazionale fornisce l'accesso ai dati di varie piattaforme, come BigQuery, AlloyDB, Redshift, Snowflake e Databricks, senza la necessità di comprendere la complessità dei dati sottostanti e garantisce che tutte le risposte siano coerenti e controllate.

Come funzionano gli agenti di dati di Conversational Analytics?

Un agente di dati di Conversational Analytics basa le sue risposte su due input principali: lo schema LookML della tua istanza, definito da uno sviluppatore Looker, e le istruzioni dell'agente, che scrivi quando crei o modifichi l'agente.

Dalla query, un agente dati deve determinare quali campi LookML selezionare e quali filtri, ordinamenti o limiti applicare. Per farlo in modo accurato, mappa il linguaggio naturale della query con le proprie istruzioni dell'agente e lo schema LookML dei dati nei seguenti modi:

  1. Mappatura dei termini semantici: gli utenti spesso utilizzano un linguaggio tecnico nelle loro domande. L'agente utilizza le istruzioni dell'agente e i metadati del campo LookML per interpretare la query. Ad esempio, per la query "Quanto nuovo business abbiamo generato?", un agente dei dati potrebbe mappare "nuovo business" a una misura che calcola le entrate ricorrenti mensili. Per la query "Chi sono i nostri clienti più importanti?", un agente di dati sarebbe in grado di mappare "più importanti" a un conteggio di utilizzo e "clienti" a una dimensione chiamata Nome cliente.
  2. Mappatura dei valori dei campi: l'agente cerca punti dati specifici, ad esempio "California" o "Jeans slim fit", utilizzando strumenti specializzati per campionare i dati o eseguire ricerche approssimative. Ad esempio, se un utente chiede "jeans", l'agente potrebbe attivare una ricerca approssimativa nel campo Nome prodotto per trovare le corrispondenze esatte delle stringhe nel tuo database. Se un utente chiede "NY", si tratta del campo Città o del campo Stato? L'agente potrebbe dover campionare i dati per vedere quale campo contiene "NY" o porre una domanda chiarificatrice.
  3. Perfezionamento con esempi di query: puoi fornire esempi specifici di domande e risposte, chiamati "query d'oro", nelle istruzioni dell'agente di dati per migliorare l'accuratezza delle query comuni o critiche.

Looker utilizza quindi le definizioni LookML di questi campi e altre logiche definite nell'esplorazione, tra cui definizioni di campi, concessioni di accesso o attributi utente, filtri del dashboard definiti dall'utente o logica di join o Liquid complessa, per comporre la query inviata al database. Poiché l'agente non scrive l'intera query SQL, non ha bisogno di "comprendere" i dati e può operare in modo più accurato e deterministico.

Per saperne di più su come l'agente utilizza LookML, consulta la pagina della documentazione Best practice per la configurazione di Conversational Analytics in Looker.

Elenco della documentazione

Comprendere le funzionalità di conformità di Gemini in Looker

L'analisi conversazionale non è ancora inclusa nei limiti di autorizzazione FedRAMP High o FedRAMP Medium. Prima di attivare l'impostazione Gemini in Looker per la tua istanza di Looker, discuti con il tuo ente autorizzatore se le offerte di conformità di Gemini per Google Cloudsoddisfano le esigenze della tua organizzazione.

Per le istanze di Looker (Google Cloud core), ogni pacchetto di controlli Assured Workloads che diventa disponibile aggiungerà le funzionalità di Gemini in Looker alle offerte predefinite man mano che vengono soddisfatti i requisiti e i processi di modifica del pacchetto. L'analisi conversazionale in Looker rispetta le funzionalità di conformità dell'istanza di Looker (Google Cloud core) associata, con la seguente eccezione:

Il supporto della residenza dei dati (DRZ), in particolare per i dati at-rest, è disponibile per tutti i clienti Looker. Tutti i dati inattivi associati ad Analisi conversazionale si trovano esclusivamente all'interno dell'istanza di Looker e sono limitati a una singola regione. I dati in transito e il machine learning (ML) vengono elaborati utilizzando un servizio globale.

Conformità nell'Unione Europea

Ora disponibile per i clienti con sede nell'Unione Europea (UE) è un'opzione di trattamento localizzato che consente il trattamento dei dati all'interno della giurisdizione dell'UE. Questa opzione consente di instradare il traffico di Conversational Analytics di Looker tramite un endpoint multiregionale UE, il che garantisce che i dati dei clienti dell'UE vengano trattati all'interno dell'UE.

L'elaborazione localizzata si applica a tutte le funzionalità di analisi conversazionale in Looker (esclusi gli agenti di dati delle dashboard) e a tutti gli endpoint di analisi conversazionale dell'API Looker. ma non si applica all'API Conversational Analytics.

Questa opzione è disponibile tramite una lista consentita. Per richiedere la registrazione alla lista consentita per l'elaborazione ML di Looker Conversational Analytics UE, compila il modulo di richiesta per l'elaborazione ML di Looker UE. Tieni presente che la capacità è limitata; la registrazione viene concessa in base alla disponibilità funzionale e potrebbe influire sulla velocità effettiva del servizio. Riceverai un'email di conferma una volta completata la registrazione.

Invia il tuo feedback

Puoi fornire un feedback a Google sulle singole risposte in Analisi conversazionale selezionando una delle seguenti opzioni:

  • thumb_up Risposta valida: indica che la risposta è stata utile.
  • thumb_down La risposta non va bene: indica che la risposta non è stata utile.