Ringkasan Analisis Percakapan di Looker

Analisis percakapan adalah fitur percakapan dengan data yang didukung oleh Gemini untuk Google Cloud. Berdasarkan lapisan pemodelan semantik Looker, Analisis Percakapan memungkinkan pengguna di organisasi Anda mengajukan pertanyaan terkait data dalam bahasa alami (percakapan) yang biasa untuk BI layanan mandiri yang tepercaya dan diatur. Pendekatan ini mempercepat adopsi analisis di seluruh organisasi Anda dengan menyediakan tata kelola dan keamanan tingkat perusahaan.

Analisis percakapan tersedia di instance Looker (Google Cloud core) dan di instance Looker (asli).

Pelajari cara dan waktu Gemini untuk Google Cloud menggunakan data Anda.

Fitur utama

Analisis percakapan mencakup fitur utama berikut:

  • Mengkueri Eksplorasi dalam bahasa alami: Lakukan percakapan dalam bahasa alami dengan Eksplorasi tertentu atau dengan agen data yang mengkueri hingga lima Eksplorasi.
  • Membuat agen data untuk membuat kueri Eksplorasi: Anda dapat menyesuaikan agen yang membuat kueri Eksplorasi yang didukung AI dengan memberikan konteks dan petunjuk yang spesifik untuk data Anda, yang membantu agen data menghasilkan respons yang lebih akurat dan relevan secara kontekstual. Anda juga dapat membagikan agen data Anda kepada pengguna lain atau memublikasikannya ke aplikasi lain, seperti Gemini Enterprise, sehingga mereka dapat mengajukan pertanyaan dengan konteks yang sama. Anda dapat menghubungkan agen data jenis ini ke maksimal lima Jelajah. Tambahkan kueri terverifikasi ke konteks agen data Anda untuk membantu meningkatkan akurasi respons dari agen data Jelajah Anda.
  • Mengueri dasbor menggunakan agen data Pratinjau: Gunakan Analisis Konversasional untuk membuat agen data dasbor yang dapat mengueri model pokok dasbor. Agen dasbor tersedia jika setelan Aktifkan Agen Dasbor diaktifkan di halaman Gemini in Looker di panel Admin. Selain itu, pembuat dasbor dapat mengaktifkan atau menonaktifkan agen dasbor di tingkat dasbor individual. Agen dasbor tersedia untuk dasbor yang ditentukan pengguna dan untuk dasbor LookML.
  • Analisis lanjutan: Fitur Analisis Lanjutan dalam Analisis Percakapan menerjemahkan pertanyaan bahasa alami Anda menjadi kode Python dan menjalankan kode tersebut. Dibandingkan dengan kueri berbasis SQL standar, penggunaan Python dalam fitur Analisis Lanjutan memungkinkan analisis dan visualisasi yang lebih kompleks.
  • Penyematan: Anda dapat menyematkan Analisis Percakapan di situs atau aplikasi menggunakan tag iframe HTML seperti yang dapat Anda lakukan dengan jenis konten Looker lainnya. Analisis percakapan mendukung penyematan pribadi, tempat pengguna diautentikasi dengan login Looker mereka, dan penyematan bertanda tangan, tempat pengguna diautentikasi melalui aplikasi Anda sendiri.
  • Engagement pengguna, pemantauan penggunaan token, dan masukan Pratinjau: Pengguna dengan akses ke konten Aktivitas Sistem Looker dapat mempelajari lebih lanjut engagement pengguna dan penggunaan token saat admin Looker telah mengaktifkan fitur pratinjau Penggunaan token Agen Analisis Percakapan. Pengguna yang memiliki akses ke konten Aktivitas Sistem Looker dapat memantau data kueri pengguna (jika pengguna telah menyetujui untuk membagikan data kueri mereka) dan jika admin Looker telah mengaktifkan fitur pratinjau Peninjauan Kueri Analisis Percakapan (CA) Pengguna Akhir. Dasbor Analisis Percakapan tersedia di bagian Aktivitas Sistem pada panel Admin.
  • Alur kerja agentik yang dipicu Pratinjau: Siapkan pemberitahuan dan pemantauan berbasis metrik langsung melalui kueri bahasa alami dalam percakapan mandiri dengan Eksplorasi atau dengan agen data Eksplorasi. Alur kerja Agentic Workflows tersedia jika setelan Agentic Workflows diaktifkan di halaman Gemini in Looker di panel Admin.

Agen data versus Percakapan

Berinteraksi dengan agen data menawarkan beberapa keuntungan utama dibandingkan melakukan percakapan standar dengan satu Eksplorasi. Meskipun memulai percakapan dari Eksplorasi memungkinkan pembuatan kueri bahasa alami yang cepat untuk sumber data tertentu tersebut, agen data berfungsi sebagai analis mandiri khusus yang dapat disesuaikan dan dibagikan di seluruh organisasi Anda.

Agen data memberikan keuntungan berikut dibandingkan percakapan dengan Eksplorasi:

  • Melakukan percakapan dengan beberapa Eksplorasi: Dalam percakapan dengan Eksplorasi, Anda hanya dapat membuat kueri satu Eksplorasi dalam satu waktu. Namun, agen data dapat terhubung ke maksimal lima Eksplorasi berbeda, sehingga pengguna dapat melakukan analisis lintas domain dan menerima jawaban yang lebih komprehensif.
  • Chat dengan dasbor Looker: Saat Anda melakukan chat dengan dasbor, Analisis Percakapan akan membuat agen data dasbor yang dapat Anda gunakan untuk membuat kueri tidak hanya dasbor, tetapi juga Eksplorasi pokok dasbor.
  • Konteks yang dibuat: Anda dapat memberikan petunjuk kustom kepada agen data yang tidak tersedia dalam percakapan Explore standar, termasuk resource berikut:
    • Glosarium bisnis: Anda dapat menentukan jargon atau akronim khusus organisasi langsung dalam petunjuk agen.
    • Framework persona: Anda dapat menetapkan peran atau keahlian tertentu untuk agen, sehingga menetapkan nada bahasa yang konsisten dan penilaian profesional untuk percakapan.
  • Spesialisasi agen: Daripada menggunakan satu antarmuka percakapan generik, Anda dapat membuat agen khusus untuk berbagai unit bisnis, seperti Agen Pendapatan atau Agen Operasional. Hal ini memungkinkan pengalaman analisis yang lebih terpandu, sehingga mengarahkan pengguna ke kolom dan filter tertentu yang paling relevan dengan kebutuhan mereka.
  • Kolaborasi dan penggunaan ulang: Percakapan eksplorasi biasanya terbatas pada satu pengguna, sementara agen data dapat dibagikan kepada anggota lain di organisasi Anda. Berbagi memastikan bahwa beberapa pengguna dapat memanfaatkan konteks dan tata kelola yang sama yang dibuat oleh administrator atau pakar data.
  • Perilaku kustom: Anda dapat mengonfigurasi agen agar beroperasi dalam persyaratan yang ketat, seperti menggunakan filter default — misalnya, "selalu gunakan default 6 bulan terakhir jika tidak ada jangka waktu yang disebutkan". Batasan ini memastikan bahwa agen beroperasi sesuai dengan standar keamanan dan tata kelola khusus organisasi Anda. Anda juga dapat menyembunyikan kolom di Eksplorasi untuk mencegah agen data menggunakannya dalam kueri.

Tabel berikut merangkum perbedaan utama dalam jenis percakapan dan agen data ini:

Fitur Analisis Percakapan Kasus penggunaan utama Titik entri Kemampuan berbagi Batasan
Menjelajahi percakapan
  • Pembuatan kueri bahasa alami standar dari satu Eksplorasi Looker.
  • Mengatur pertanyaan terkait tentang set data tertentu ke dalam sesi terpisah.
  • Menggunakan mode pertanyaan Cepat dan Penalaran.
  • Dari Jelajahi: Pilih Mulai percakapan.
  • Dari halaman Analisis Percakapan: Pilih tab Percakapan.
 Biasanya terbatas untuk satu pengguna (tidak dapat dibagikan).
  • Terbatas untuk membuat kueri hanya satu Eksplorasi dalam satu waktu.
  • Tidak ada konteks atau petunjuk yang ditulis khusus (misalnya, kueri terverifikasi, persona, glosarium bisnis).
  • Tidak ada spesialisasi agen untuk berbagai unit bisnis dalam organisasi.
  • Opsi Mulai percakapan tidak tersedia saat menggunakan pengalaman Jelajahi baru.
Menjelajahi agen data
  • Agen analisis data khusus dan mandiri yang dirancang untuk unit bisnis tertentu dalam organisasi (misalnya, Agen Pendapatan, Agen Operasi).
  • Analisis lintas domain yang menggunakan hingga lima Eksplorasi yang terhubung.
  • Konteks yang dibuat yang mencakup petunjuk kustom, kueri terverifikasi, glosarium bisnis, dan framework persona untuk menerapkan batasan dan meningkatkan akurasi.
  • Analisis lanjutan yang menggunakan eksekusi kode Python, jika diaktifkan.
  • Tidak memerlukan izin explore eksplisit.
 Dari halaman Conversational Analytics: Pilih tab Agen. Dapat dibagikan kepada pengguna lain di organisasi dengan memberikan akses konten (Akses lihat atau akses Pengelola; Edit). Juga dapat dipublikasikan ke aplikasi eksternal seperti Gemini Enterprise (Pratinjau).
  • Memerlukan access_data dan izin lainnya pada model yang mendasari Eksplorasi (membagikan agen tidak memberikan akses ke Eksplorasi).
  • Tidak mendukung kueri terverifikasi yang berisi pivot atau kolom kustom.
Agen dasbor
  • Pembuatan kueri bahasa alami langsung dari dasbor Looker tertentu dan petak yang terkait dengan kueri.
  • Menyeleksi dan menyesuaikan perilaku agen di dasbor dengan petunjuk kustom.
  • Akses dikelola secara ketat melalui izin tingkat dasbor (Kelola akses; Edit di dasbor) dan izin model.
  • Dapat diaktifkan atau dinonaktifkan di tingkat dasbor individual untuk dasbor yang ditentukan pengguna.
 Dari dasbor: Pilih Chat dengan dasbor ini. Mewarisi model berbagi dasbor.
  • Tidak dapat dibagikan secara terpisah dari dasbor.
  • Tidak muncul di halaman Analisis Percakapan. Percakapan dengan agen dasbor hanya dapat diakses dari halaman Percakapan terbaru, yang tersedia dari menu dasbor.
  • Terbatas pada konteks dasbor dan kartu yang terkait dengan kuerinya.
  • Menyesuaikan perilaku agen dasbor dengan petunjuk kustom tidak didukung untuk dasbor LookML.
  • Fitur Analytics Lanjutan tidak didukung.

Bagaimana cara kerja Analisis Percakapan?

Analisis percakapan menggunakan Gemini untuk Google Cloud menafsirkan pertanyaan dalam bahasa alami dan memberikan jawaban di Looker berdasarkan data Anda. Fitur ini menggunakan model semantik Looker — definisi LookML data Anda — sebagai sumber tepercaya untuk memastikan bahwa respons akurat dan konsisten. Analisis Percakapan dapat menafsirkan definisi bisnis Anda untuk metrik seperti "pendapatan" atau "churn" karena metrik tersebut ditentukan di LookML, menggunakan definisi ini untuk memberikan pertanyaan yang akurat dan konsisten.

Untuk mendasarkan responsnya pada data dan konteks bisnis spesifik Anda, Conversational Analytics menggunakan beberapa teknik:

  • Skema LookML: Di awal permintaan, Analisis Percakapan mengambil skema dari Eksplorasi yang terhubung dengannya. Analisis percakapan menggunakan parameter dari model LookML dalam beberapa cara:
    • Identifikasi kolom: Metadata dari skema membantu Analisis Percakapan berfokus pada kolom yang relevan. Metadata ini mencakup parameter LookML seperti name, label, description, type, dan dimension_group. Parameter ini membantu Analisis Percakapan memetakan istilah dalam pertanyaan pengguna ke kolom yang benar. Misalnya, description dapat memberikan terminologi atau konteks khusus bisnis untuk suatu kolom. Conversational Analytics mengabaikan semua kolom yang menggunakan parameter hidden.
    • Pemformatan respons: Analisis percakapan menggunakan parameter label untuk penamaan kolom yang mudah digunakan dan parameter value_format untuk memformat data dalam respons.
  • Pembuatan kueri: Daripada membuat kueri database secara langsung, Analisis Percakapan menentukan kolom, filter, pengurutan, dan batas yang harus digunakan dalam kueri. Kemudian, Looker menyusun dan menjalankan kueri menggunakan model LookML yang mendasarinya. Proses ini mirip dengan cara pengguna berinteraksi dengan antarmuka Jelajah; Analisis Percakapan tidak perlu memahami logika gabungan atau definisi kolom yang kompleks karena Looker menangani komposisi kueri berdasarkan model LookML. Pembuatan kueri memastikan bahwa semua kueri mematuhi logika gabungan, pemfilteran, agregasi, dan izin data yang ditentukan dalam model LookML Anda. Untuk membuat kueri, Analisis Percakapan harus menentukan nilai yang benar untuk digunakan dalam filter. Nilai ini harus cocok persis dengan nilai dalam data pokok atau ekspresi filter yang lebih canggih seperti karakter pengganti. Untuk mengatasi perbedaan antara nilai yang disertakan pengguna dalam pertanyaan bahasa alami dan nilai persis yang mungkin diperlukan oleh filter, Analisis Percakapan menggunakan nilai yang ditentukan dengan allowed_value di kolom parameter dan dapat menggunakan alat untuk memeriksa nilai tertentu dalam kolom:
    • Data sampel: Menampilkan hingga 100 nilai dari kolom untuk membantu Analisis Percakapan mempelajari pola atau menemukan kecocokan persis untuk nilai filter.
    • Penelusuran fuzzy: Membuat serangkaian istilah penelusuran berdasarkan input pengguna dan memeriksa keberadaannya dalam dimensi untuk menemukan nilai filter yang sesuai. Data sampel dan penelusuran fuzzy menggunakan API saran Looker dan oleh karena itu dipengaruhi oleh parameter LookML seperti suggestions, suggest_explore, dan suggest_dimension.
  • Analisis: Setelah Looker menjalankan kueri, Analisis Percakapan akan menganalisis hasil kueri untuk menjawab pertanyaan pengguna. Analisis percakapan dapat menganalisis hasil dengan satu atau beberapa cara berikut:
    • Fitur ini menggunakan kemampuan Gemini bawaan untuk menafsirkan dan meringkas hasil.
    • Fitur ini menggunakan eksekusi kode Python melalui Analisis Lanjutan untuk melakukan analisis lebih lanjut pada hasilnya.
    • Fitur ini membuat visualisasi berdasarkan hasil kueri.

Dengan memanfaatkan model semantik Looker, Analisis Percakapan memberikan akses ke data dari berbagai platform — seperti BigQuery, AlloyDB, Redshift, Snowflake, dan Databricks — tanpa perlu memahami kompleksitas data yang mendasarinya, dan memastikan bahwa semua respons konsisten dan diatur.

Bagaimana cara kerja agen data Analisis Percakapan?

Agen data Analisis Percakapan mendasarkan responsnya pada dua input utama: skema LookML instance Anda, yang ditentukan oleh developer Looker, dan petunjuk agen, yang Anda tulis saat membuat atau mengedit agen.

Dari kueri Anda, agen data harus menentukan kolom LookML mana yang akan dipilih dan filter, pengurutan, atau batas mana yang akan diterapkan. Untuk melakukannya secara akurat, alat ini memetakan bahasa natural dalam kueri Anda ke petunjuk agennya sendiri dan skema LookML data dengan cara berikut:

  1. Memetakan istilah semantik: Pengguna sering menggunakan jargon bisnis dalam pertanyaan mereka. Agen menggunakan petunjuk agen dan metadata kolom LookML untuk menafsirkan kueri Anda. Misalnya, untuk kueri "Berapa banyak bisnis baru yang kita lakukan?", agen data akan dapat memetakan "bisnis baru" ke metrik yang menghitung pendapatan berulang bulanan. Untuk kueri "Siapa pelanggan terbaik kita?", agen data akan dapat memetakan "terbaik" ke jumlah penggunaan dan "pelanggan" ke dimensi yang disebut Nama Pelanggan.
  2. Memetakan nilai kolom: Agen mencari titik data tertentu — misalnya, "California" atau "Jeans Slim-fit" — menggunakan alat khusus untuk mengambil sampel data atau melakukan penelusuran fuzzy. Misalnya, jika pengguna meminta "celana jeans", agen dapat memicu penelusuran fuzzy di seluruh kolom Nama Produk untuk menemukan kecocokan string yang tepat dalam database Anda. Jika pengguna meminta "NY", apakah itu kolom City atau kolom State? Agen mungkin perlu mengambil sampel data untuk melihat kolom mana yang berisi "NY" atau mengajukan pertanyaan klarifikasi.
  3. Contoh kueri: Anda dapat memberikan contoh tanya jawab spesifik, yang disebut kueri terverifikasi dan juga dikenal sebagai kueri emas, dalam konteks agen data untuk meningkatkan akurasi kueri umum atau penting.

Kemudian, Looker menggunakan definisi LookML dari kolom ini dan logika lain yang ditentukan di Jelajah — termasuk definisi kolom, pemberian akses atau atribut pengguna, filter dasbor yang ditentukan pengguna, atau logika gabungan atau Liquid yang kompleks — untuk menyusun kueri yang dikirim ke database. Karena agen tidak menulis seluruh kueri SQL, agen tidak perlu "memahami" data dan dapat beroperasi dengan lebih akurat dan deterministik.

Untuk mempelajari lebih lanjut cara agen Anda menggunakan LookML, lihat halaman dokumentasi Praktik terbaik untuk mengonfigurasi Analisis Percakapan di Looker.

Batasan umum

Agen dasbor Analytics Percakapan memiliki batasan umum berikut:

  • Analytics Lanjutan tidak didukung untuk agen dasbor.
  • Agen dasbor mewarisi model berbagi dasbor; akses ke agen diatur oleh akses ke dasbor pokok.
  • Anda tidak dapat mengubah konteks atau petunjuk untuk agen dasbor LookML.

Batasan pada visualisasi

Analisis Percakapan memanfaatkan Vega-lite untuk pembuatan diagram percakapan. Jenis diagram Vega berikut didukung sepenuhnya:

  • Diagram garis (satu atau beberapa deret)
  • Diagram area
  • Diagram batang (horizontal, vertikal, bertumpuk)
  • Diagram sebar (satu atau beberapa grup)
  • Diagram lingkaran

Jenis diagram Vega berikut didukung, tetapi Anda mungkin mengalami perilaku yang tidak terduga saat merendernya:

  • Maps
  • Peta Panas
  • Diagram dengan tooltip

Jenis diagram yang ada di luar katalog Vega tidak didukung. Semua diagram yang tidak ditentukan di bagian ini dianggap tidak didukung.

Batasan pada sumber data

Analisis Percakapan memiliki batasan sumber data berikut:

  • Analytics Konversasional dapat menampilkan maksimum 50.000 baris per kueri.
  • Analisis Konversasional tidak dapat menetapkan nilai kolom hanya filter yang ditentukan menggunakan parameter LookML parameter atau filter.

Batasan pada pertanyaan

Analisis Percakapan mendukung pertanyaan yang dapat dijawab oleh satu visualisasi, misalnya:

  • Tren metrik dari waktu ke waktu
  • Perincian atau distribusi metrik menurut dimensi
  • Nilai unik untuk satu atau beberapa dimensi
  • Nilai metrik tunggal
  • Nilai dimensi teratas menurut metrik

Analisis Percakapan belum mendukung pertanyaan yang hanya dapat dijawab dengan jenis visualisasi rumit berikut:

  • Prediksi dan perkiraan
  • Analisis statistik tingkat lanjut, termasuk deteksi korelasi dan anomali

Daftar dokumentasi

Memahami kemampuan kepatuhan fitur Gemini in Looker

Analisis percakapan belum termasuk dalam batas otorisasi FedRAMP High atau FedRAMP Medium. Sebelum Anda mengaktifkan setelan Gemini in Looker untuk instance Looker Anda, diskusikan dengan badan pemberi otorisasi Anda apakah penawaran kepatuhan Gemini untuk Google Cloud Google Cloudmemenuhi kebutuhan organisasi Anda.

Untuk instance Looker (inti Google Cloud), setiap paket kontrol Assured Workloads yang tersedia akan menambahkan fitur Gemini in Looker ke penawaran default setelah persyaratan dan proses perubahan paket tersebut terpenuhi. Analisis percakapan di Looker mematuhi kemampuan kepatuhan instance Looker (Google Cloud core) terkait, dengan pengecualian berikut:

Dukungan Residensi Data (DRZ), khususnya untuk data dalam penyimpanan, tersedia untuk semua pelanggan Looker. Semua data tersimpan yang terkait dengan Analisis Percakapan berada sepenuhnya dalam instance Looker dan terbatas pada satu region. Data dalam pengiriman dan machine learning (ML) diproses menggunakan layanan global.

Kepatuhan di Uni Eropa

Pemrosesan yang dilokalkan tersedia untuk pelanggan yang berlokasi di Uni Eropa (EU) dengan instance Looker (asli) atau Looker (Google Cloud core) yang menjalankan Looker 26.10 atau yang lebih baru. Opsi ini memungkinkan pemrosesan data dalam wilayah hukum Uni Eropa dan memungkinkan traffic Analisis Percakapan Looker dirutekan melalui endpoint multiregional Uni Eropa, yang memastikan data pelanggan Uni Eropa diproses di Uni Eropa.

Pemrosesan yang dilokalkan berlaku untuk semua fitur Conversational Analytics di Looker (kecuali agen data dasbor) dan semua endpoint Conversational Analytics Looker API. Hal ini tidak berlaku untuk Conversational Analytics API.

Berikan masukan

Anda dapat memberikan masukan kepada Google tentang setiap respons di Conversational Analytics dengan memilih salah satu opsi berikut:

  • thumb_up Respons bagus: Menunjukkan bahwa respons tersebut membantu.
  • thumb_down Respons buruk: Menunjukkan bahwa respons tidak membantu.