高度な分析を有効にして使用する

会話分析の高度な分析では、自然言語の質問が Python コードに変換され、そのコードが実行されて高度な分析と可視化が提供されます。高度な分析は、Looker（オリジナル）インスタンスと Looker（Google Cloud コア）インスタンスの両方の Conversational Analytics データ エージェントで利用できます。

標準 SQL を使用した BI エクスペリエンスとは異なり、高度な分析では、基本的な計算やグラフ作成から、時系列予測などの高度なタスクまで、さまざまなデータ分析をサポートしています。高度な分析では、会話分析が強化され、従来は高度なコーディングや統計手法に関する専門知識が必要だった高度な分析を実行できるようになります。

このページでは、Looker インスタンスで高度な分析を有効にする方法と、会話型分析データ エージェントで高度な分析を使用する方法について説明します。

Gemini for Google Cloud がデータを使用する方法とタイミングに関する説明をご覧ください。

始める前に

高度な分析を使用するには、Looker で会話分析を使用するための要件を満たしている必要があります。これには、データ エージェントを作成して使用するための権限が含まれます。

  • Looker（オリジナル）インスタンスで会話型分析データ エージェントを使用して高度な分析を使用するには、インスタンスが Looker 25.18 以降である必要があります。

高度な分析を有効にする

このセクションでは、次のプラットフォームで高度な分析を有効にする方法について説明します。

  • Looker（オリジナル）

  • Looker（Google Cloud コア）

Looker（オリジナル）

Looker で高度な分析を有効にする

Looker（オリジナル）インスタンスで、Looker 管理者が高度な分析を有効にして会話分析ユーザーが利用できるようにする手順は次のとおりです。

  1. [管理者] パネルで、[プラットフォーム] セクションに移動し、[Gemini in Looker] ページを選択します。
  2. [Gemini in Looker の有効化] で、[Gemini in Looker を有効にする] の設定をオンにします。
  3. [Gemini in Looker を有効にする] で、[会話分析] の設定をオンにします。
  4. [会話分析] で、[高度な分析] 設定をオンにします。この設定を有効にすると、データ エージェントの作成者は、データ エージェントとのすべての会話で高度な分析を有効にできます。

Looker（Google Cloud コア）

Looker（Google Cloud コア）で高度な分析を有効にする

Looker（Google Cloud コア）インスタンスで、Looker 管理者は次の手順に沿って高度な分析を有効にし、会話型分析のユーザーが利用できるようにする必要があります。

  1. [管理者] パネルで、[プラットフォーム] セクションに移動し、[Gemini in Looker] ページを選択します。
  2. [Gemini in Looker の有効化] で、[Gemini の有効化ステータス] が [オン] になっていることを確認します。有効になっていない場合は、 Google Cloud コンソールでこのインスタンスの Gemini in Looker を有効にしてから、Looker（Google Cloud コア）インスタンスの Gemini in Looker 管理ページに戻ります。
  3. [Gemini の有効化ステータス] で、[会話型アナリティクス] の設定をオンにします。
  4. [会話分析] で、[高度な分析] 設定をオンにします。この設定を有効にすると、データ エージェントの作成者は、データ エージェントとのすべての会話で高度な分析を有効にできます。

Google Cloud コンソールの Looker（Google Cloud コア）インスタンス設定で Gemini in Looker が有効になっている場合でも、高度な分析はデフォルトで無効になっています。

高度な分析を使用するには、Looker 管理者がユーザーに追加の権限を付与する必要があります。

会話型分析データ エージェントで高度な分析を使用する

特定のデータ エージェントに対して高度な分析が有効になっている場合、そのエージェントとのすべての会話で高度な分析機能を利用できます。

データ エージェントの高度な分析は、作成または編集時に有効にできます。[高度な分析を有効にする] オプションをオンにして、高度な分析を有効にします。

既知の制限事項

  • 高度な分析では、Python を使用して問題を解決します。Python は構造化クエリ言語よりも柔軟性が高いため、高度な分析の回答は、コアの会話分析エクスペリエンスの回答よりもばらつきが大きくなる可能性があります。
  • Looker データの場合、Conversational Analytics はクエリごとに最大 5,000 行を返すことができます。
  • 高度な分析では、これらの Python ライブラリのみがサポートされています。
  • マップ ビジュアリゼーションのグラフタイプは、高度な分析のレスポンスでは対象外です。

その他の制限事項については、会話分析の既知の制限事項に関するドキュメントをご覧ください。

サポートされている Python ライブラリ

サポートされている Python ライブラリを表示する

高度な分析は、次の Python ライブラリをサポートしています。

  • 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

質問の候補

高度な分析を有効にすると、Python の高度な分析機能により、会話型分析エージェントは、サポートされている標準タイプの質問に加えて、より幅広い質問に回答できるようになります。次に例を示します。

  • 私のデータに基づいて、売上の主な要因を説明してもらえますか？
  • 平均購入頻度と平均注文額を考慮すると、顧客セグメントごとのライフタイム バリューはどのくらいですか？
  • 今年の売上は昨年の売上と比較してどうですか？
  • 販売データの外れ値を特定して、特にパフォーマンスの高い商品や地域、特にパフォーマンスの低い商品や地域を特定します。
  • コホート分析を実施して、顧客維持率を把握します。
  • 利益率が最も高い商品は、最も人気のある商品でもあるか？この回答を使用して、プロダクト構成を最適化する方法について提案してください。
  • 過去 3 年間の商品カテゴリ別の売上高の年平均成長率（CAGR）は？
  • X 軸に商品カテゴリ、Y 軸に CAGR を示す棒グラフで CAGR を表示します。