Looker 對話式數據分析總覽

對話式數據分析是 Gemini for Google Cloud 支援的功能，用於展開對話來剖析資料。對話式數據分析以 Looker 語意模型層為基礎，可讓機構中的使用者以日常用語提問資料相關問題，取得受管理且可信賴的自助式商業智慧資訊。這種做法提供企業級管理和安全防護，可加快整個機構採用 Analytics 的速度。

對話式數據分析功能適用於 Looker (Google Cloud Core) 和 Looker (原始版本) 執行個體。

瞭解 Gemini for Google Cloud 如何使用您的資料。

主要功能與特色

對話分析包含下列主要功能：

  • 以自然語言查詢探索：以自然語言與個別探索或資料代理互動，查詢最多五個探索。
  • 建立資料代理來查詢探索：您可以提供與資料相關的背景資訊和指令，自訂 AI 輔助的探索查詢代理，協助資料代理生成更準確且符合對話情境的回覆。您也可以與其他使用者共用資料代理程式，或發布至其他應用程式 (例如 Gemini Enterprise)，讓他們在相同情境下提問。這類資料代理最多可連結至五個探索。
  • 使用資料代理程式查詢資訊主頁 預覽：使用對話式分析功能生成資訊主頁資料代理程式，查詢資訊主頁及其基礎模型。在「管理」面板的「Gemini in Looker」頁面中啟用「啟用資訊主頁代理」設定後，即可使用資訊主頁代理。
  • 進階數據分析：對話式數據分析的「進階數據分析」功能會將自然語言問題轉換為 Python 程式碼，並執行該程式碼。相較於以標準 SQL 為基礎的查詢，進階數據分析功能使用 Python，因此能進行更複雜的分析和視覺化。
  • 嵌入：您可以使用 HTML iframe 標記，在網站或應用程式中嵌入對話式數據分析，就像其他 Looker 內容類型一樣。對話式數據分析支援私人嵌入 (使用者透過 Looker 登入驗證身分) 和簽署嵌入 (使用者透過自己的應用程式驗證身分)。
  • 觸發代理式工作流程 預先發布版：直接透過自然語言查詢，在與探索或探索資料代理的獨立對話中，設定以指標為準的快訊和監控。在「管理」面板的「Gemini in Looker」頁面啟用「Agentic Workflows」設定後，即可使用代理工作流程。

資料代理程式與對話

與資料代理程式交談，相較於與單一探索進行標準對話，有幾項主要優勢。從探索頁面開始對話，可快速以自然語言查詢特定資料來源，而資料代理則可做為專屬的獨立分析師，在貴機構中自訂及共用。

與探索對話相比，資料代理程式具有下列優勢：

  • 與多個探索對話：與探索對話時，一次只能查詢一個探索。不過，資料代理程式最多可以連結五個不同的探索，讓使用者執行跨網域分析，並獲得更全面的答案。
  • 與 Looker 資訊主頁對話：與資訊主頁對話時，Conversational Analytics 會建立資訊主頁資料代理程式，您不僅可以查詢資訊主頁，還能查詢資訊主頁的基礎探索。
  • 撰寫的背景資訊：您可以為資料代理提供標準「探索」對話中沒有的自訂指令，包括下列資源：
    • 黃金查詢：您可以提供自然語言問題和經過驗證的 Looker 查詢配對給代理程式，藉此錨定常見的業務模式，並大幅減少模型的不確定性。
    • 業務詞彙表：您可以在代理程式的指令中，直接定義機構專用的術語或縮寫。
    • 角色架構：您可以為代理指派特定角色或專業領域，為對話設定一致的語氣和專業判斷。
  • 代理專業化：您可以為不同業務部門建立專屬代理，例如收益代理或營運代理，不必使用單一的通用對話介面。這樣就能提供更完善的分析體驗，引導使用者找出最符合需求的特定欄位和篩選器。
  • 協作和重複使用：探索對話通常僅限一位使用者，但資料代理程式可以與機構的其他成員共用。共用可確保多位使用者都能享有管理員或資料專家開發的相同撰寫內容和控管機制。
  • 自訂行為：您可以設定代理程式在嚴格的條件下運作，例如使用預設篩選器，例如「如果沒有提及時間範圍，一律預設為過去 6 個月」。這些控管措施可確保代理程式在貴機構的特定治理和安全標準內運作。您也可以在「探索」中隱藏欄位，避免資料代理程式在查詢中使用這些欄位。

下表摘要列出這幾種對話和資料代理程式的主要差異：

對話式數據分析功能 主要用途 進入點 共用功能 限制
探索對話
  • 單一 Looker 探索的標準自然語言查詢。
  • 將特定資料集的相關問題整理到個別工作階段。
  • 使用「快速」和「思考型」問題模式。
  • 從「探索」頁面：選取「開始對話」。
  • 在「對話式數據分析」頁面中，選取「對話」分頁標籤。
 通常僅限一位使用者 (無法共用)。
  • 一次只能查詢一個探索。
  • 沒有自訂撰寫的脈絡或指令 (例如黃金查詢、角色、業務詞彙)。
  • 無法為機構單位的不同業務部門設定專屬的代理程式。
  • 使用新版「探索」時，無法使用「開始對話」選項。
探索資料代理
  • 專用的獨立資料分析代理，專為機構的特定業務單位設計 (例如收益代理、營運代理)。
  • 使用最多五個已連結的探索進行跨網域分析。
  • 撰寫的內容包含自訂指令、黃金查詢、業務詞彙和角色架構，可強制執行防護措施並提高準確度。
  • 如果啟用這項功能，系統會使用 Python 程式碼執行進階分析。
  • 不需要明確的 explore 權限。
 在「對話式分析」頁面中，選取「代理程式」分頁。 授予內容存取權 (「查看」或「管理員存取權；編輯」)，即可與機構中的其他使用者共用。也可以發布至 Gemini Enterprise (搶先版) 等外部應用程式。
  • 需要探索基礎模型的 access_data 和其他權限 (分享代理程式不會授予探索存取權)。
  • 不支援含有透視或自訂欄位的黃金查詢。
資訊主頁代理
  • 直接以自然語言查詢特定 Looker 資訊主頁及其查詢連結的圖塊。
  • 使用自訂指令，在資訊主頁上管理及自訂代理程式行為。
  • 存取權完全透過資訊主頁層級的權限 (資訊主頁上的「管理存取權」和「編輯」) 和模型權限管理。
 在資訊主頁中選取「透過對話探索這個資訊主頁」。 無法與其他使用者共用。
  • 無法個別分享。
  • 不會顯示在「對話式數據分析」頁面。與資訊主頁代理的對話只能從「最近的對話」頁面存取，該頁面位於資訊主頁選單中。
  • 僅限於資訊主頁及其查詢連結的圖塊。
  • LookML 資訊主頁不支援使用自訂指令調整資訊主頁代理程式行為。
  • 不支援「進階數據分析」功能。

對話式數據分析的運作方式

對話式數據分析會使用 Gemini Google Cloud 解讀自然語言問題，並根據您的資料在 Looker 中提供答案。這項功能會使用 Looker 語意模型 (也就是資料的 LookML 定義) 做為單一資料來源，確保回覆內容準確一致。由於「收益」或「流失」等指標的業務定義已在 LookML 中定義，對話式數據分析可以解讀這些定義，並據此提供準確一致的答案。

為確保回覆內容符合特定資料和業務情境，對話式數據分析會採用下列幾種技術：

  • LookML 結構定義：在要求開始時，對話式數據分析會從與其連結的探索中擷取結構定義。對話式數據分析會以多種方式使用 LookML 模型中的參數：
    • 欄位識別：結構定義中的中繼資料可協助對話式數據分析專注於相關欄位。這類中繼資料包括 LookML 參數，例如 name、label、description、type 和 dimension_group。這些參數可協助對話式數據分析將使用者問題中的字詞對應至正確的欄位。舉例來說，description 可提供特定業務的術語或欄位背景資訊。對話式數據分析會忽略使用 hidden 參數的任何欄位。
    • 回覆格式：對話式數據分析會使用 label 參數為欄位命名，方便使用者辨識，並使用 value_format 參數設定回覆中的資料格式。
  • 查詢產生：對話式 Analytics 會判斷查詢中應使用的欄位、篩選器、排序方式和限制，而不是直接查詢資料庫。接著，Looker 會使用基礎 LookML 模型編寫及執行查詢。這個程序與使用者在探索介面中的互動方式類似；Conversational Analytics 不需要瞭解複雜的聯結邏輯或欄位定義，因為 Looker 會根據 LookML 模型處理查詢組成。查詢生成功能可確保所有查詢都符合 LookML 模型中定義的聯結邏輯、篩選條件、匯總和資料權限。如要產生查詢，Conversational Analytics 必須判斷篩選條件中要使用的正確值。這些值必須與基礎資料中的值完全相符，或是更進階的篩選運算式 (例如萬用字元)。為解決使用者在自然語言問題中加入的值，與篩選器可能需要的確切值之間的差異，對話式數據分析會使用 parameter 欄位中以 allowed_value 定義的值，並可使用工具檢查欄位中的特定值：
    • 範例資料：從欄位傳回最多 100 個值，協助對話式數據分析學習模式，或找出篩選條件值的完全相符項目。
    • 模糊搜尋：根據使用者輸入內容產生一組搜尋字詞，並檢查維度中是否有這些字詞，找出適當的篩選值。 樣本資料和模糊搜尋都使用 Looker 的建議 API，因此會受到 LookML 參數 (例如 suggestions、suggest_explore 和 suggest_dimension) 影響。
  • 分析：Looker 執行查詢後，對話式數據分析會分析查詢結果，回答使用者的問題。對話式數據分析可透過下列一或多種方式分析結果：
    • 這項功能會運用內建的 Gemini 功能解讀結果並產生摘要。
    • 這項功能會透過進階分析執行 Python 程式碼，進一步分析結果。
    • 並根據查詢結果建立視覺化圖表。

運用 Looker 語意模型，對話式分析可存取各種平台 (例如 BigQuery、AlloyDB、Redshift、Snowflake 和 Databricks) 的資料，不必瞭解基礎資料的複雜性，並確保所有回覆內容一致且受控。

對話式數據分析資料代理程式如何運作？

Conversational Analytics 資料代理程式的回覆內容主要依據兩項輸入內容：執行個體的 LookML 結構定義 (由 Looker 開發人員定義)，以及您在建立或編輯代理程式時撰寫的代理程式指令。

資料代理程式必須根據查詢結果，判斷要選取的 LookML 欄位，以及要套用的篩選器、排序或限制。為確保準確性，這項功能會透過下列方式，將查詢中的自然語言對應至代理程式指令和資料的 LookML 結構定義：

  1. 對應語意字詞：使用者經常在問題中使用商業術語。代理程式會使用代理程式指令和 LookML 欄位中繼資料解讀查詢。 舉例來說，如果查詢「我們做了多少新業務？」，資料代理程式就能將「新業務」對應至計算每月經常性收益的指標。如果查詢是「誰是我們的頂尖顧客？」，資料代理程式就能將「頂尖」對應至使用次數，並將「顧客」對應至名為「顧客名稱」的維度。
  2. 對應欄位值：代理程式會使用專用工具對資料取樣或執行模糊搜尋，尋找特定資料點，例如「加州」或「窄版牛仔褲」。舉例來說，如果使用者要求「牛仔褲」，智慧代理程式可能會在「產品名稱」欄位中觸發模糊搜尋，在資料庫中找出完全相符的字串。如果使用者詢問「NY」，這是城市欄位還是州欄位？代理人可能需要對資料取樣，查看哪個欄位包含「NY」，或提出釐清問題。
  3. 使用查詢範例進行修正：您可以在資料代理指令中提供具體問答範例 (稱為「黃金查詢」)，提高常見或重要查詢的準確度。

接著，Looker 會使用這些欄位的 LookML 定義，以及「探索」中定義的其他邏輯 (包括欄位定義、存取權限或使用者屬性、使用者定義的資訊主頁篩選器，或複雜的 Liquid 或聯結邏輯)，編寫傳送至資料庫的查詢。由於代理程式不會編寫整個 SQL 查詢，因此不需要「瞭解」資料，可以更準確且確定地運作。

如要進一步瞭解代理程式如何使用 LookML，請參閱「在 Looker 中設定對話式數據分析的最佳做法」說明文件頁面。

說明文件清單

瞭解 Gemini in Looker 功能的法規遵循能力

對話式數據分析目前不包含在 FedRAMP 高影響等級或 FedRAMP 中影響等級授權範圍內。為 Looker 執行個體啟用 Gemini in Looker 設定前，請先與授權機構討論，確認 Gemini for Google Cloud的法規遵循要求是否符合貴機構的需求。

對於 Looker (Google Cloud Core) 執行個體，每當有新的安全防護工作負載控制套件推出，只要符合該套件的變更需求和程序，預設產品就會新增 Gemini in Looker 功能。Looker 的對話式數據分析功能會遵守相關聯 Looker (Google Cloud Core) 執行個體的法規遵循功能，但有以下例外情況：

所有 Looker 客戶都能使用資料落地 (DRZ) 支援服務，特別是針對靜態資料。與對話式數據分析相關的所有待用資料，都嚴格存放在 Looker 執行個體中，且僅限於單一區域。傳輸中的資料和機器學習 (ML) 都是透過全球服務處理。

歐盟法規遵循

我們現在為歐盟境內的客戶提供本地化處理選項，可在歐盟管轄範圍內處理資料。這個選項可讓 Looker 的對話式分析流量透過歐盟多地區端點傳送，確保歐盟客戶資料在歐盟境內處理。

本地化處理適用於 Looker 的所有對話式數據分析功能 (資訊主頁資料代理除外)，以及所有 Looker API 對話式數據分析端點。這不適用於 Conversational Analytics API。

這項功能僅限許可清單中的人員使用。如要申請加入 Looker Conversational Analytics 歐盟機器學習處理作業許可清單，請填寫 Looker 機器學習處理作業歐盟要求表單。請注意，名額有限，註冊資格會視功能「可用性」而定，且可能會影響服務輸送量。註冊完成後，你會收到確認電子郵件。

提供意見回饋

如要對 Conversational Analytics 中的個別回覆提供意見回饋，請選取下列其中一個選項：

  • thumb_up 回覆良好：表示回覆內容有幫助。
  • thumb_down「有待加強」：指出回覆內容不實用。