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：整理数据并定义初始范围

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。建议您先从小范围着手，并进行可控的测试：

  • 初始设置：按照在 Looker 中设置对话分析中的设置步骤为您的实例设置对话分析。
  • 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，您可以考虑仅限访问您为对话式分析精心挑选的一两个模型。
  • 选择精选的探索：首先选择一两个结构合理的探索，这些探索基于相对干净的数据，可提供清晰的商业价值。按照在 Looker 中配置对话分析的最佳实践中的详细说明，针对 Looker 中的对话分析优化这些探索。

第 2 阶段：配置代理并进行内部验证

在此阶段，您需要构建并完善对话式分析智能体，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：创建对话式分析智能体，这些智能体仅基于您在精选和初始设置阶段准备的精选探索。

  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，您可以通过授予访问权限、收集反馈和迭代代理来扩大对话分析的采用范围，让更多用户使用对话分析。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，通过向其他相关用户群组授予适当的权限，扩大这些群组的访问权限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 Gemini 角色可访问的模型的范围。