הפעלה של ניתוח מתקדם ושימוש בו

ניתוח מתקדם בניתוח שיחות מתרגם את השאלות שלכם בשפה טבעית לקוד Python ומריץ את הקוד הזה כדי לספק ניתוח מתקדם והמחשות. התכונה 'ניתוח מתקדם' זמינה לסוכני נתונים של ניתוח שיחות במופעים של Looker (מקורי) ושל Looker (Google Cloud Core).

בניגוד לניתוח נתונים עסקיים רגיל שמבוסס על SQL, ניתוח נתונים מתקדם תומך במגוון רחב של ניתוחי נתונים – החל מחישובים בסיסיים וגרפים, ועד למשימות מתקדמות יותר כמו חיזוי של סדרות עיתיות. הניתוח המתקדם משפר את ניתוח השיחות בכך שהוא מאפשר למשתמשים לבצע סוגים כאלה של ניתוח מתקדם, שבדרך כלל דורשים ידע מיוחד בקידוד מתקדם או בשיטות סטטיסטיות.

בדף הזה מוסבר איך להפעיל ניתוח נתונים מתקדם במופע של Looker ואיך להשתמש בניתוח נתונים מתקדם עם סוכן נתונים של ניתוח שיחות.

איך Gemini for Google Cloud ‎ משתמש בנתונים שלכם, ובאילו מקרים.

לפני שמתחילים

כדי להשתמש ב-Advanced Analytics, אתם צריכים לעמוד בדרישות לשימוש ב-Conversational Analytics ב-Looker, כולל הרשאות ליצירה ולשימוש בסוכני נתונים:

  • כדי להשתמש בניתוח מתקדם עם סוכן נתונים של ניתוח נתונים בשיחה במופע Looker (מקורי), המופע צריך להיות בגרסה Looker 25.18 ואילך.

הפעלת ניתוח נתונים מתקדם

בקטע הזה מוסבר איך להפעיל את Analytics מתקדם בפלטפורמות הבאות:

  • Looker (original)

  • Looker (Google Cloud core)‎

Looker (original)

הפעלת ניתוח מתקדם ב-Looker (גרסה מקורית)

במופע Looker (מקורי), אדמין ב-Looker צריך לבצע את השלבים הבאים כדי להפעיל את התכונה 'ניתוח מתקדם' ולהפוך אותה לזמינה למשתמשים ב'ניתוח שיחות':

  1. בחלונית ניהול, עוברים לקטע פלטפורמה ובוחרים בדף Gemini ב-Looker.
  2. בקטע Gemini in Looker enablement (הפעלה של Gemini ב-Looker), מפעילים את ההגדרה Enable Gemini in Looker (הפעלת Gemini ב-Looker).
  3. בקטע Enable Gemini in Looker (הפעלת Gemini ב-Looker), מפעילים את ההגדרה Conversational Analytics (ניתוח נתונים בשיחה).
  4. בקטע ניתוח נתוני שיחות, מפעילים את ההגדרה ניתוח נתונים מתקדם. כשההגדרה הזו מופעלת, יוצרי סוכני נתונים יכולים להפעיל את האפשרות 'ניתוח מתקדם' לכל השיחות עם סוכני הנתונים שלהם.

Looker (Google Cloud core)‎

הפעלת ניתוח מתקדם ב-Looker (Google Cloud Core)‎

במופע Looker (Google Cloud core), אדמין ב-Looker צריך לבצע את השלבים הבאים כדי להפעיל את Analytics מתקדם ולאפשר למשתמשים ב-Analytics שיחותי לגשת אליו:

  1. בחלונית ניהול, עוברים לקטע פלטפורמה ובוחרים בדף Gemini ב-Looker.
  2. בקטע Gemini ב-Looker enablement, מוודאים שהסטטוס של Gemini Enablement הוא On. אם הוא לא מופעל, מפעילים את Gemini ב-Looker עבור המופע הזה במסוף Google Cloud , ואז חוזרים לדף האדמין Gemini ב-Looker במופע Looker (Google Cloud core).
  3. בקטע Gemini Enablement status (סטטוס ההפעלה של Gemini), מפעילים את ההגדרה Conversational Analytics (ניתוח נתונים שיחותי).
  4. בקטע ניתוח נתוני שיחות, מפעילים את ההגדרה ניתוח נתונים מתקדם. כשההגדרה הזו מופעלת, יוצרי סוכני נתונים יכולים להפעיל את האפשרות 'ניתוח מתקדם' לכל השיחות עם סוכני הנתונים שלהם.

ניתוח מתקדם מושבת כברירת מחדל, גם כשGemini ב-Looker מופעל בהגדרות של מופע Looker (Google Cloud core) במסוף Google Cloud .

אדמין ב-Looker צריך להעניק הרשאות נוספות למשתמשים כדי שהם יוכלו להשתמש ב-Advanced Analytics.

שימוש בניתוח נתונים מתקדם עם סוכן נתונים של ניתוח נתונים בשיחה

כשמפעילים את התכונה 'ניתוח מתקדם' לסוכן נתונים מסוים, יכולות ניתוח משופרות זמינות לכל השיחות עם הסוכן הזה.

אפשר להפעיל את התכונה 'ניתוח מתקדם' לסוכן נתונים כשיוצרים או עורכים אותו. כדי להפעיל את ניתוח הנתונים המתקדם, מפעילים את האפשרות הפעלת ניתוח נתונים מתקדם.

מגבלות ידועות

  • ב-Advanced Analytics נעשה שימוש ב-Python כדי לפתור בעיות. מכיוון ש-Python גמישה יותר משפות שאילתות מובנות, התשובות ב-Advanced Analytics עשויות להיות מגוונות יותר מהתשובות בממשק השיחה הרגיל של Analytics.
  • בנתוני Looker, ניתוח שיחות יכול להחזיר עד 5,000 שורות לכל שאילתה.
  • ‫Advanced Analytics תומך רק בספריות Python האלה.
  • אין תמיכה בסוגי תרשימים של ויזואליזציה של מפות בתשובות של ניתוח נתונים מתקדם.

מידע על מגבלות נוספות זמין במאמר בנושא מגבלות ידועות ב-Conversational Analytics.

ספריות Python נתמכות

הצגת ספריות Python נתמכות

הניתוח המתקדם תומך בספריות Python הבאות:

  • altair
  • attrs
  • chess
  • contourpy
  • cycler
  • entrypoints
  • fonttools
  • fpdf
  • geopandas
  • imageio
  • jinja2
  • joblib
  • jsonschema
  • jsonschema-specifications
  • kiwisolver
  • lxml
  • markupsafe
  • matplotlib
  • mpmath
  • numexpr
  • numpy
  • opencv-python
  • openpyxl
  • packaging
  • pandas
  • patsy
  • pdfminer-six
  • pillow
  • plotly
  • protobuf
  • pylatex
  • pyparsing
  • PyPDF2
  • python-dateutil
  • python-docx
  • python-pptx
  • pytz
  • referencing
  • reportlab
  • rpds-py
  • scikit-image
  • scikit-learn
  • scipy
  • seaborn
  • six
  • statsmodels
  • striprtf
  • sympy
  • tabulate
  • tensorflow
  • threadpoolctl
  • toolz
  • torch
  • tzdata
  • xlrd

הצעות לשאלות

כשמפעילים את התכונה 'ניתוח מתקדם', היכולות המתקדמות של Python מאפשרות לסוכני הנתונים של Conversational Analytics לענות על מגוון רחב יותר של שאלות, בנוסף לסוגים הרגילים של שאלות נתמכות. לדוגמה:

  • תוכל להסביר לי מהם הגורמים העיקריים שמשפיעים על המכירות על סמך הנתונים שלי?
  • מהו ערך הלקוח לטווח הארוך (CLV) של כל אחד מפלח הלקוחות שלי, בהתחשב בתדירות הרכישה הממוצעת וערך ההזמנה הממוצע?
  • מה ההבדל בין המכירות השנה לבין המכירות בשנה שעברה?
  • לזהות חריגים בנתוני המכירות כדי לזהות מוצרים או אזורים עם ביצועים טובים במיוחד או גרועים במיוחד.
  • לבצע ניתוח קבוצות משתמשים כדי להבין את שימור הלקוחות.
  • האם המוצרים עם שולי הרווח הכי גבוהים הם גם המוצרים הכי פופולריים? תשתמש בתשובה הזו כדי לתת לי הצעה לאופטימיזציה של תמהיל המוצרים שלי.
  • מה שיעור הצמיחה השנתי המורכב (CAGR) של המכירות לפי קטגוריית מוצרים ב-3 השנים האחרונות?
  • צור תרשים עמודות שבו קטגוריית המוצרים בציר ה-X ושיעור הצמיחה השנתי הממוצע בציר ה-Y.