Looker 中对话式分析的推荐设置和发布策略

本指南旨在帮助您规划如何向 Looker 实例的用户推出“对话式分析”。建议采用以下分阶段方法在 Looker 中实现对话式分析：

借助此方法，您可以先从较小的受控范围入手，验证设置，然后再扩展到更多用户和数据。

第 1 阶段：整理数据并确定初始范围

在此阶段，您需要准备数据，以便用户使用对话分析功能进行查询，并定义初始部署的范围。若要从小范围受控范围开始，请遵循以下建议：

  • 初始设置：按照在 Looker 中设置对话式分析中的设置步骤为您的实例设置对话式分析。
  • 限制初始用户访问权限：为了进行内部测试和验证，请使用 Looker 的权限系统向一小部分熟悉数据的用户授予使用对话式分析所需的权限。首先，您可以考虑限制对您为对话式分析精心挑选的一两个模型的访问权限。
  • 选择精选的探索：先从一两个结构合理的探索开始，这些探索基于相对干净的数据，可提供明确的商业价值。按照在 Looker 中配置对话式分析的最佳实践中的详细说明，针对 Looker 中的对话式分析优化这些探索。

第 2 阶段：配置智能体并在内部进行验证

在此阶段，您需要构建并优化对话式分析智能体，然后让内部用户对其进行全面测试，以确认其准确性和有效性。此阶段涉及以下步骤：

  1. 创建精选智能体：创建仅基于您在精选和初始设置阶段准备的精选探索的对话式分析智能体。

  2. 使用代理指令进行优化：使用代理指令提供更多上下文信息和进一步的指导。例如：

    • 使用 synonym LookML 参数可为字段名称或值定义同义词。
    • 提供有关应如何使用某些字段的具体背景信息或规则。

  3. 进行内部验证并迭代：让熟悉数据的用户对代理进行全面测试。提出各种问题，测试极端情况，并找出弱点。根据测试反馈进行以下更改：

    1. 优化 LookML。例如，调整 label、description 或 hidden LookML 参数的值。
    2. 调整智能体指令。
    3. 继续标记数据质量问题。

第 3 阶段：将对话分析功能推广给更多用户

在此阶段，通过授予访问权限、收集反馈和迭代优化代理，将对话分析功能推广给更多用户。此阶段涉及以下步骤：

  1. 授予有针对性的访问权限：向其他用户授予对话式分析访问权限，并鼓励这些用户使用您创建的经过审核的特定代理。

  2. 发布并收集反馈：主动征求有关以下主题的反馈：

    • 回答的准确性
    • 易用性
    • 信息缺失或结果令人困惑

  3. 持续迭代：根据反馈进一步优化 LookML 和代理指令，并优先处理数据清理工作。

  4. 扩大访问权限：当智能体被证明稳定且有价值时，通过授予这些用户适当的权限，将访问权限扩大到其他相关用户群组，并引入新的精选智能体。您还可以按照之前阶段中使用的相同流程，引入新的精选代理并扩大对 Gemini 角色可用的模型的访问权限。