启用和使用高级分析

对话式分析中的高级分析功能会将您的自然语言问题转换为 Python 代码,并执行该代码以提供高级分析和可视化图表。在 Looker(原始版本)和 Looker (Google Cloud Core) 实例中,高级分析功能均适用于对话式分析数据代理。

与标准 SQL 驱动的 BI 体验相比,高级分析支持各种数据分析,从基本计算和图表到更高级的任务(例如时序预测)。高级分析功能增强了对话式分析功能,使用户能够执行这些类型的高级分析,而这些分析通常需要具备高级编码或统计方法的专业知识。

本页介绍了如何为 Looker 实例启用高级分析,以及如何将高级分析与对话式分析数据代理搭配使用

了解 Gemini for Google Cloud 如何以及何时使用您的数据

准备工作

如要使用高级分析,您必须满足在 Looker 中使用对话式分析的要求,包括创建和使用数据智能体的权限:

  • 如需在 Looker(原始)实例中使用高级分析和对话式分析数据代理,您的实例必须使用 Looker 25.18 或更高版本。

启用高级分析

本部分介绍如何在以下平台中启用高级分析:

  • Looker(原始版本)
  • Looker (Google Cloud Core)

Looker(原版)

在 Looker(原始版本)中启用高级分析

在 Looker(原始版本)实例中,Looker 管理员必须按以下步骤操作,才能启用高级分析并向对话分析用户提供该功能:

  1. 管理面板中,前往平台部分,然后选择 Gemini in Looker 页面。
  2. Gemini in Looker 启用下,开启启用 Gemini in Looker 设置。
  3. Gemini in Looker 启用下,启用对话分析设置。
  4. 对话式分析下,启用高级分析设置。启用此设置后,数据代理创建者可以选择为与数据代理的所有对话启用高级分析。

Looker (Google Cloud Core)

在 Looker (Google Cloud Core) 中启用高级分析

在 Looker (Google Cloud Core) 实例中,Looker 管理员必须按以下步骤操作,才能启用高级分析并向对话分析用户提供该功能:

  1. 管理面板中,前往平台部分,然后选择 Gemini in Looker 页面。
  2. Gemini in Looker 启用下,确保 Gemini 启用状态开启。如果未启用,请在 Google Cloud 控制台中为此实例启用 Gemini in Looker,然后返回到 Looker (Google Cloud Core) 实例中的 Gemini in Looker 管理员页面。
  3. Gemini 启用状态下,开启对话分析设置。
  4. 对话式分析下,启用高级分析设置。启用此设置后,数据代理创建者可以选择为与数据代理的所有对话启用高级分析。

即使在 Google Cloud 控制台中的 Looker (Google Cloud Core) 实例设置中启用了 Gemini in Looker,高级分析功能也会默认处于停用状态。

Looker 管理员必须先向用户授予额外权限,然后用户才能使用高级分析。

将高级分析与对话式分析数据代理搭配使用

为特定数据代理启用高级分析后,您可以在与该代理的所有对话中使用增强型分析功能。

您可以在创建或修改数据代理时为其启用高级分析。开启启用高级分析选项,以启用高级分析。

已知限制

  • 高级分析使用 Python 解决问题。由于 Python 比结构化查询语言更灵活,因此高级分析的回答可能比核心对话式分析体验的回答更具多样性。
  • 对于 Looker 数据,Conversational Analytics 每次查询最多可返回 5,000 行。
  • 高级分析仅支持这些 Python 库
  • 高级分析响应不支持地图可视化图表类型。

如需了解其他限制,请参阅有关 Conversational Analytics 中的已知限制的文档。

受支持的 Python 库

显示受支持的 Python 库

高级分析支持以下 Python 库:

  • 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

建议的问题

启用高级分析后,Python 的高级分析功能可让对话式分析数据智能体回答更多问题,而不仅仅是标准支持的问题类型。例如:

  • 你能根据我的数据说明销售额的关键驱动因素吗?
  • 考虑到平均购买频率和平均订单价值,每个客户细分的生命周期价值是多少?
  • 今年的销售额与去年的销售额相比如何?
  • 识别销售数据中的离群值,以帮助确定表现特别好或特别差的产品或区域。
  • 执行同类群组分析,了解客户留存情况。
  • 利润最高的产品是否也是最受欢迎的产品?使用此答案提供有关如何优化我的产品组合的建议。
  • 过去 3 年内,各商品类别的销售额的复合年增长率 (CAGR) 是多少?
  • 以条形图显示复合年增长率,其中 x 轴为商品类别,y 轴为复合年增长率。