このガイドは、Looker インスタンスのユーザーに会話型分析をロールアウトする計画を立てることを目的としています。Looker で会話型分析を実装する際は、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、小規模で管理されたスコープから始めて、設定を検証し、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て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、初期デプロイのスコープを定義します。小規模で管理されたスコープから始めるには、次の推奨事項に従ってください。
- 初期設定: インスタンスの Looker で会話型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、会話型分析を使用するために必要な権限を、データに精通している少数のユーザーに付与します。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。
- キュレートされた Explore 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 Explore を 1 つまたは 2 つから始めます。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、これらの Explore を Looker の会話型分析用に最適化します。
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、内部ユーザーで徹底的にテストして、正確性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。
- キュレート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トされた Explore のみに基づいて、会話型分析エージェントを作成します。
エージェントの手順で改良する: エージェントの手順を使用して、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。
synonymLookML 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またはルールを指定します。
内部で検証して反復する: データに精通しているユーザーでエージェントを徹底的にテストします。さまざまな質問をして、エッジケースをテストし、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。
- LookML を改良します。たとえば、
label、description、hiddenLookML パラメータの値を調整します。 - エージェントの手順を調整します。
- データ品質に関する問題のフラグ設定を続けます。
- LookML を改良します。たとえば、
フェーズ 3: 会話型分析の導入をさらに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することで、会話型分析の導入をさらに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。
- ターゲット アクセスを許可する: 会話型分析へのアクセス権を付与する 追加のユーザーに、作成した特定の検証済みエージェントを使用するよう促します。
リリースしてフィードバックを収集する: 次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
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改良し、データ クリーニング作業を優先します。
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 グループへのアクセスを拡大し、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、前のフェーズと同じプロセスで、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。