Looker の会話分析の推奨設定とロールアウト戦略

このガイドは、Looker インスタンスのユーザーに会話分析をロールアウトする計画を立てる際に役立つことを目的としています。Looker で会話型分析を実装するには、次の段階的なアプローチをおすすめします。

このアプローチでは、小規模で制御された範囲から開始し、設定を検証してから、より多くのユーザーとデータに拡大できます。

フェーズ 1: データをキュレートし、初期スコープを定義する

このフェーズでは、ユーザーが会話型分析でクエリを実行できるようにデータを準備し、初期デプロイの範囲を定義します。小規模で制御されたスコープから始めるには、次の推奨事項に沿って操作します。

  • 初期設定: インスタンスの Looker で会話分析を設定するの手順に沿って設定します。
  • 初期ユーザー アクセスを制限する: 内部テストと検証を有効にするには、Looker の権限システムを使用して、データに精通している少数のユーザーに会話分析の使用に必要な権限を付与します。まず、会話型分析用にキュレートした 1 つまたは 2 つのモデルへのアクセスを制限することを検討してください。
  • 厳選された探索を選択する: 比較的クリーンなデータに基づいており、明確なビジネス価値を提供する、構造化された 1 つまたは 2 つの探索から始めます。Looker の会話型分析用にこれらのデータ探索を最適化するには、Looker で会話型分析を構成するためのベスト プラクティスの詳細な手順に沿って操作します。

フェーズ 2: エージェントを構成して内部で検証する

このフェーズでは、会話型分析エージェントを構築して改良し、内部ユーザーによる徹底的なテストを実施して、精度と有効性を確認します。このフェーズには次の手順が含まれます。

  1. キュレーションされたエージェントを作成する: キュレーションと初期設定のフェーズで準備したキュレーションされた探索のみに基づいて、会話型分析エージェントを作成します。

  2. エージェントの指示で絞り込む: エージェントの指示を使用して、追加のコンテキストとガイダンスを提供します。次に例を示します。

    • synonym LookML パラメータを使用して、フィールド名または値の同義語を定義します。
    • 特定のフィールドの使用方法に関する具体的なコンテキストやルールを指定します。

  3. 内部で検証して反復処理を行う: データに精通しているユーザーにエージェントを徹底的にテストしてもらいます。さまざまな質問をしたり、エッジケースをテストしたりして、弱点を特定します。テストからのフィードバックに基づいて、次の変更を行います。

    1. LookML を調整します。たとえば、label、description、hidden の LookML パラメータの値を調整します。
    2. エージェントへの指示を調整します。
    3. データ品質に関する問題の報告を続けます。

フェーズ 3: 会話型分析の導入をより多くのユーザーに拡大する

このフェーズでは、アクセス権を付与し、フィードバックを収集し、エージェントを反復処理することで、会話型分析の導入をより多くのユーザーに拡大します。このフェーズには次の手順が含まれます。

  1. ターゲットを絞ったアクセス権を付与する: 追加のユーザーに会話分析へのアクセス権を付与し、作成した特定の審査済みのエージェントを使用するようユーザーに促します。

  2. リリースしてフィードバックを収集する: 以下のトピックについて積極的にフィードバックを求めます。

    • 回答の精度
    • 使いやすさ
    • 情報が不足している、または結果がわかりにくい

  3. 継続的に反復する: フィードバックを使用して、LookML とエージェントの手順をさらに絞り込み、データ クリーンアップの取り組みを優先します。

  4. アクセスを拡大する: エージェントが安定していて価値があることが証明されたら、他の関連するユーザー グループにアクセスを拡大し、これらのユーザーに適切な権限を付与して、新しいキュレートされたエージェントを導入します。また、前のフェーズで使用したのと同じプロセスに従って、新しいキュレートされたエージェントを導入し、Gemini ロールで使用できるモデルへのアクセスを拡大することもできます。