Descripción general de Conversational Analytics en Looker

Conversational Analytics es una función de chat con tus datos que funciona con Gemini para Google Cloud. Con fundamentación en la capa de modelado semántico de Looker, Conversational Analytics permite a los usuarios de tu organización hacer preguntas relacionadas con los datos en lenguaje natural normal (conversacional) para obtener IE de autoservicio gobernada y confiable. Este enfoque acelera la adopción de las estadísticas en toda tu organización, ya que proporciona seguridad y administración de nivel empresarial.

Conversational Analytics está disponible en las instancias de Looker (Google Cloud Core) y en las instancias de Looker (original).

Descubre cómo y cuándo Gemini para Google Cloud usa tus datos.

Características clave

Los análisis conversacionales incluyen las siguientes funciones clave:

  • Consulta Explores en lenguaje natural: Conversa en lenguaje natural con un Explore individual o con un agente de datos que consulte hasta cinco Explores.
  • Crea un agente de datos para consultar Explores: Puedes personalizar un agente potenciado por IA para consultar Explores proporcionando contexto e instrucciones específicos para tus datos, lo que ayuda al agente de datos a generar respuestas más precisas y pertinentes según el contexto. También puedes compartir tus agentes de datos con otros usuarios o publicarlos en otras aplicaciones, como Gemini Enterprise, para que puedan hacer preguntas con el mismo contexto. Puedes conectar este tipo de agente de datos a hasta cinco Exploraciones. Agrega preguntas verificadas al contexto de tu agente de datos para mejorar la precisión de las respuestas de tu agente de datos de Explorar.
  • Cómo consultar un panel con un agente de datos Versión preliminar: Usa Conversational Analytics para generar un agente de datos del panel que pueda consultar los modelos subyacentes de un panel. Los agentes del panel están disponibles cuando el parámetro de configuración Habilitar agentes del panel está habilitado en la página Gemini en Looker del panel Administrador. Además, los creadores de paneles pueden habilitar o inhabilitar los agentes de paneles a nivel de cada panel. Los agentes de paneles están disponibles para los paneles definidos por el usuario y los paneles de LookML.
  • Análisis avanzado: La función Análisis avanzado de Conversational Analytics traduce tus preguntas en lenguaje natural a código de Python y ejecuta ese código. En comparación con las consultas estándar basadas en SQL, el uso de Python en la función de Análisis avanzado permite realizar análisis y visualizaciones más complejos.
  • Incorporación: Puedes incorporar Conversational Analytics en un sitio web o una aplicación con una etiqueta iframe de HTML, al igual que con otros tipos de contenido de Looker. Las estadísticas conversacionales admiten la incorporación privada, en la que los usuarios se autentican con su acceso a Looker, y la incorporación firmada, en la que los usuarios se autentican a través de tu propia aplicación.
  • Participación de los usuarios, supervisión del uso de tokens y comentarios Versión preliminar: Los usuarios con acceso al contenido de Actividad del sistema de Looker pueden obtener más información sobre la participación de los usuarios y el uso de tokens cuando un administrador de Looker habilitó la función de versión preliminar Uso de tokens del agente de Conversational Analytics. Los usuarios con acceso al contenido de la Actividad del sistema de Looker pueden supervisar los datos de las consultas de los usuarios (si los usuarios dieron su consentimiento para compartir sus datos de consultas) y si un administrador de Looker habilitó la función de vista previa de Revisión de consultas de Analytics conversacional (CA) para usuarios finales. El panel de Conversational Analytics está disponible en la sección Actividad del sistema del panel Administrador.
  • Flujos de trabajo de agentes activados Versión preliminar: Configura alertas y supervisión basadas en métricas directamente a través de consultas en lenguaje natural en conversaciones independientes con Explores o con agentes de datos de Explore. Los Agentic Workflows están disponibles cuando el parámetro de configuración Agentic Workflows está habilitado en la página Gemini en Looker del panel Administrador.

Agentes de datos frente a conversaciones

Chatear con un agente de datos ofrece varias ventajas clave en comparación con tener una conversación estándar con una sola Exploración. Si bien iniciar una conversación desde Explorar permite realizar consultas rápidas en lenguaje natural sobre esa fuente de datos específica, un agente de datos funciona como un analista independiente especializado que se puede personalizar y compartir en toda tu organización.

Los agentes de datos ofrecen la siguiente ventaja en comparación con las conversaciones con Explorar:

  • Chatea con varias Exploraciones: En una conversación con una Exploración, solo puedes hacer consultas a una Exploración a la vez. Sin embargo, un agente de datos puede conectarse a hasta cinco exploraciones distintas, lo que permite a los usuarios realizar análisis en varios dominios y recibir respuestas más completas.
  • Chatea con un panel de Looker: Cuando chateas con un panel, Conversational Analytics crea un agente de datos del panel que puedes usar para consultar no solo un panel, sino también los Explorar subyacentes del panel.
  • Contexto creado: Puedes proporcionar a tu agente de datos instrucciones personalizadas que no están disponibles en una conversación estándar de Explorar, incluidos los siguientes recursos:
    • Glosarios de la empresa: Puedes definir jerga o siglas específicas de la organización directamente en las instrucciones del agente.
    • Marco de trabajo de arquetipos: Puedes asignar un rol o un nivel de experiencia específicos al agente, lo que establece un tono coherente y un juicio profesional para la conversación.
  • Especialización del agente: En lugar de usar la interfaz genérica única de una conversación, puedes crear agentes especializados para diferentes unidades de negocios, como un agente de ingresos o un agente de operaciones. Esto permite una experiencia de análisis más guiada, que dirige a los usuarios hacia los campos y filtros específicos más relevantes para sus necesidades.
  • Colaboración y reutilización: Por lo general, las conversaciones de Explorar se limitan a un solo usuario, mientras que los agentes de datos se pueden compartir con otros miembros de tu organización. El uso compartido garantiza que varios usuarios puedan beneficiarse del mismo contexto y la misma gobernanza creados por un administrador o un experto en datos.
  • Comportamiento personalizado: Puedes configurar tu agente para que opere dentro de requisitos estrictos, como usar filtros predeterminados, por ejemplo, "siempre usa los últimos 6 meses de forma predeterminada si no se menciona un período". Estos límites garantizan que el agente opere dentro de los estándares específicos de seguridad y administración de tu organización. También puedes ocultar campos en Explorar para evitar que el agente de datos los use en las consultas.

En la siguiente tabla, se resumen las diferencias clave entre estos tipos de conversaciones y agentes de datos:

Función de Conversational Analytics Casos de uso clave Punto de entrada Capacidades de uso compartido Limitaciones
Explorar conversaciones
  • Consultas estándar en lenguaje natural de una sola exploración de Looker.
  • Organizar preguntas relacionadas sobre un conjunto de datos específico en sesiones discretas
  • Utiliza los modos de preguntas Rápido y Pensar.
  • En la exploración, selecciona Iniciar una conversación.
  • En la página Conversational Analytics, selecciona la pestaña Conversaciones.
 Por lo general, se limita a un usuario (no se puede compartir).
  • Solo se puede consultar una exploración a la vez.
  • No hay instrucciones ni contexto creados de forma personalizada (por ejemplo, búsquedas verificadas, arquetipos, glosarios empresariales).
  • No hay especialización de agentes para las diferentes unidades de negocio de una organización.
  • La opción Iniciar una conversación no está disponible cuando se usa la nueva experiencia de Explorar.
Explorar agentes de datos
  • Agentes de análisis de datos especializados y autónomos diseñados para unidades de negocios específicas de una organización (por ejemplo, agente de ingresos o agente de operaciones)
  • Análisis multidominio que usa hasta cinco exploraciones conectadas.
  • Contexto creado que incluye instrucciones personalizadas, búsquedas verificadas, glosarios de la empresa y marcos de trabajo de arquetipos para aplicar medidas de protección y mejorar la precisión.
  • Estadísticas avanzadas que usan la ejecución de código de Python, si está habilitada
  • No requiere permisos explícitos de explore.
 En la página Conversational Analytics, selecciona la pestaña Agents. Se puede compartir con otros usuarios de la organización otorgando acceso al contenido (acceso de visualización o acceso de administrador; edición). También se puede publicar en aplicaciones externas, como Gemini Enterprise (versión preliminar).
  • Requiere access_data y otros permisos en los modelos subyacentes de las Exploraciones (compartir el agente no otorga acceso a las Exploraciones).
  • No admite búsquedas verificadas que contengan campos personalizados o pivotes.
Agentes de panel
  • Consultas directas en lenguaje natural de un panel de Looker específico y sus tarjetas vinculadas a consultas
  • Organizar y personalizar el comportamiento del agente en los paneles con instrucciones personalizadas
  • El acceso se administra de forma estricta a través de los permisos a nivel del panel (Administrar acceso; Editar en el panel) y los permisos del modelo.
  • Se puede habilitar o inhabilitar a nivel del panel individual para los paneles definidos por el usuario.
 En el panel, selecciona Chatea con este panel. Hereda el modelo de uso compartido del panel.
  • No se puede compartir de forma independiente del panel.
  • No aparecen en la página de Conversational Analytics. Solo se puede acceder a las conversaciones con un agente del panel desde la página Conversaciones recientes, que está disponible en el menú del panel.
  • Se limita al contexto del panel y sus mosaicos vinculados a consultas.
  • La personalización del comportamiento del agente del panel con instrucciones personalizadas no se admite en los paneles de LookML.
  • No se admite la función Advanced Analytics.

¿Cómo funciona Conversational Analytics?

El análisis conversacional usa Gemini para Google Cloud interpretar preguntas en lenguaje natural y proporcionar respuestas en Looker basadas en tus datos. Utiliza el modelo semántico de Looker (las definiciones de LookML de tus datos) como fuente de información para garantizar que las respuestas sean precisas y coherentes. Conversational Analytics puede interpretar las definiciones de tu empresa para métricas como "ingresos" o "clientes que abandonan la empresa" porque se definen en LookML, y usa estas definiciones para brindar respuestas precisas y coherentes.

Para fundamentar sus respuestas en tus datos y contexto empresarial específicos, Conversational Analytics usa varias técnicas:

  • Esquema de LookML: Al comienzo de una solicitud, Conversational Analytics recupera el esquema de los Explores que están conectados a él. Conversational Analytics usa parámetros del modelo de LookML de varias maneras:
    • Identificación de campos: Los metadatos del esquema ayudan a Conversational Analytics a enfocarse en los campos pertinentes. Estos metadatos incluyen parámetros de LookML, como name, label, description, type y dimension_group. Estos parámetros ayudan a Conversational Analytics a asignar términos en las preguntas de los usuarios a los campos correctos. Por ejemplo, description puede proporcionar terminología o contexto específicos de la empresa para un campo. Conversational Analytics ignora los campos que usan el parámetro hidden.
    • Formato de respuesta: Conversational Analytics usa parámetros label para asignar nombres de campos fáciles de usar y parámetros value_format para dar formato a los datos en las respuestas.
  • Generación de consultas: En lugar de consultar tu base de datos directamente, Conversational Analytics determina qué campos, filtros, ordenamientos y límites se deben usar en la consulta. Luego, Looker redacta y ejecuta la consulta con el modelo de LookML subyacente. Este proceso es similar a la forma en que un usuario interactúa con una interfaz de Explore. Conversational Analytics no necesita comprender la lógica de unión compleja ni las definiciones de campos, ya que Looker controla la composición de las consultas en función del modelo de LookML. La generación de consultas garantiza que todas las consultas cumplan con la lógica de unión, el filtrado, la agregación y los permisos de datos que se definen en tu modelo de LookML. Para generar consultas, Conversational Analytics debe determinar los valores correctos que se usarán en los filtros. Estos valores deben coincidir exactamente con los valores de los datos subyacentes o con expresiones de filtro más avanzadas, como comodines. Para resolver las discrepancias entre los valores que el usuario incluye en sus preguntas en lenguaje natural y los valores exactos que puede requerir un filtro, Conversational Analytics usa valores que se definen con allowed_value en los campos parameter y puede usar herramientas para verificar valores específicos en los campos:
    • Datos de muestra: Muestra hasta 100 valores de un campo para ayudar a Conversational Analytics a aprender patrones o encontrar una coincidencia exacta para los valores de filtro.
    • Búsqueda parcial: Genera un conjunto de términos de búsqueda basados en la entrada del usuario y verifica su presencia en una dimensión para encontrar valores de filtro adecuados. Tanto los datos de muestra como la búsqueda aproximada usan la API de sugerencias de Looker y, por lo tanto, se ven influenciados por parámetros de LookML como suggestions, suggest_explore y suggest_dimension.
  • Análisis: Después de que Looker ejecuta las consultas, Conversational Analytics analiza los resultados de las consultas para responder las preguntas de los usuarios. Los análisis conversacionales pueden analizar los resultados de una o más de las siguientes maneras:
    • Utiliza las capacidades integradas de Gemini para interpretar y resumir los resultados.
    • Utiliza la ejecución de código de Python a través de Advanced Analytics para realizar análisis adicionales sobre los resultados.
    • Crea visualizaciones basadas en los resultados de las consultas.

Al aprovechar el modelo semántico de Looker, Conversational Analytics proporciona acceso a datos de varias plataformas, como BigQuery, AlloyDB, Redshift, Snowflake y Databricks, sin necesidad de comprender la complejidad de los datos subyacentes, y garantiza que todas las respuestas sean coherentes y estén controladas.

¿Cómo funcionan los agentes de datos de Conversational Analytics?

Un agente de datos de Conversational Analytics basa sus respuestas en dos entradas principales: el esquema LookML de tu instancia, que define un desarrollador de Looker, y las instrucciones del agente, que escribes cuando creas o editas el agente.

A partir de tu pregunta, un agente de datos debe determinar qué campos de LookML seleccionar y qué filtros, ordenamientos o límites aplicar. Para hacerlo con precisión, asigna el lenguaje natural de tu búsqueda a sus propias instrucciones del agente y al esquema LookML de los datos de las siguientes maneras:

  1. Asignación de términos semánticos: Los usuarios suelen usar jerga empresarial en sus preguntas. El agente usa tus instrucciones y los metadatos de los campos de LookML para interpretar tu consulta. Por ejemplo, para la búsqueda "¿Cuántos negocios nuevos hicimos?", un agente de datos podría correlacionar "negocios nuevos" con una métrica que calcula los ingresos recurrentes mensuales. Para la pregunta "¿Quiénes son nuestros principales clientes?", un agente de datos podría correlacionar "principales" con un recuento de uso y "clientes" con una dimensión llamada Nombre del cliente.
  2. Asignación de valores de campo: El agente busca puntos de datos específicos (por ejemplo, "California" o "Jeans ajustados") con herramientas especializadas para muestrear los datos o realizar búsquedas aproximadas. Por ejemplo, si un usuario busca "jeans", el agente podría activar una búsqueda aproximada en el campo Nombre del producto para encontrar las coincidencias exactas de la cadena en tu base de datos. Si un usuario busca "NY", ¿se refiere al campo Ciudad o al campo Estado? Es posible que el agente deba tomar una muestra de los datos para ver qué campo contiene "NY" o hacer una pregunta aclaratoria.
  3. Ejemplos de preguntas: Puedes proporcionar ejemplos específicos de preguntas y respuestas, llamados preguntas verificadas y también conocidos como preguntas de referencia, en el contexto del agente de datos para mejorar la precisión de las preguntas comunes o críticas.

Luego, Looker usa las definiciones de LookML de estos campos y otra lógica definida en la exploración, incluidas las definiciones de campos, los otorgamientos de acceso o los atributos del usuario, los filtros del panel definidos por el usuario o la lógica compleja de Liquid o de unión, para componer la consulta que se envía a la base de datos. Como el agente no escribe toda la consulta en SQL, no necesita "comprender" los datos y puede operar con mayor precisión y determinismo.

Para obtener más información sobre cómo tu agente usa LookML, consulta la página de documentación Prácticas recomendadas para configurar Conversational Analytics en Looker.

Limitaciones conocidas

Los agentes del panel de Conversational Analytics tienen las siguientes limitaciones conocidas:

  • Advanced Analytics no es compatible con los agentes del panel.
  • Los agentes del panel heredan el modelo de uso compartido del panel. El acceso al agente se rige por el acceso al panel subyacente.
  • No puedes modificar el contexto ni las instrucciones de los agentes de paneles de LookML.

Limitaciones de las visualizaciones

Conversational Analytics aprovecha Vega-Lite para generar gráficos de conversaciones. Se admiten por completo los siguientes tipos de gráficos de Vega:

  • Gráfico de líneas (una o más series)
  • Gráfico de áreas
  • Gráfico de barras (horizontal, vertical, apilado)
  • Diagrama de dispersión (uno o más grupos)
  • Gráfico circular

Se admiten los siguientes tipos de gráficos de Vega, pero es posible que observes un comportamiento inesperado cuando los renderices:

  • Maps
  • Mapas de calor
  • Gráficos con información sobre herramientas

No se admiten los tipos de gráficos que existen fuera del catálogo de Vega. Los gráficos que no se especifican en esta sección no se admiten.

Limitaciones en las fuentes de datos

Conversational Analytics tiene las siguientes limitaciones de fuentes de datos:

  • Conversational Analytics puede devolver un máximo de 50,000 filas por consulta.
  • Analytics Conversacional no puede establecer el valor de un campo solo de filtro que se define con los parámetros de LookML parameter o filter.

Limitaciones en las preguntas

Conversational Analytics admite preguntas que se pueden responder con una sola visualización, por ejemplo:

  • Tendencias de las métricas a lo largo del tiempo
  • Desglose o distribución de una métrica por dimensión
  • Valores únicos para una o más dimensiones
  • Valores de una sola métrica
  • Los valores de dimensión principales por métrica

Por el momento, Conversational Analytics no admite preguntas que solo se pueden responder con los siguientes tipos de visualizaciones complicadas:

  • Predicción y previsión
  • Análisis estadístico avanzado, incluida la correlación y la detección de anomalías

Lista de documentación

Comprende las capacidades de cumplimiento de las funciones de Gemini en Looker

El análisis conversacional aún no se incluye en los límites de autorización de FedRAMP High o FedRAMP Medium. Antes de habilitar el parámetro de configuración Gemini en Looker para tu instancia de Looker, analiza con tu organismo de autorización si las ofertas de cumplimiento de Gemini para Google Cloudsatisfacen las necesidades de tu organización.

En el caso de las instancias de Looker (Google Cloud Core), cada paquete de controles de Assured Workloads que esté disponible agregará funciones de Gemini en Looker a las ofertas predeterminadas a medida que se cumplan los requisitos y procesos de cambio de ese paquete. El análisis conversacional en Looker respeta las capacidades de cumplimiento de la instancia de Looker (Google Cloud Core) asociada, con la siguiente excepción:

La compatibilidad con la residencia de datos (DRZ), específicamente para los datos en reposo, está disponible para todos los clientes de Looker. Todos los datos en reposo asociados con Conversational Analytics residen estrictamente dentro de la instancia de Looker y se limitan a una sola región. Los datos en tránsito y el aprendizaje automático (AA) se procesan con un servicio global.

Cumplimiento en la Unión Europea

El procesamiento localizado está disponible para los clientes que se encuentran en la Unión Europea (UE) y que tienen instancias de Looker (original) o Looker (Google Cloud Core) que ejecutan Looker 26.10 o versiones posteriores. Esta opción habilita el procesamiento de datos dentro de la jurisdicción de la UE y permite que el tráfico de Conversational Analytics de Looker se enrute a través de un extremo multirregional de la UE, lo que garantiza que los datos de los clientes de la UE se procesen dentro de la UE.

El procesamiento localizado se aplica a todas las funciones de Conversational Analytics en Looker (excepto los agentes de datos del panel) y a todos los extremos de Conversational Analytics de la API de Looker. No se aplica a la API de Conversational Analytics.

Proporcionar comentarios

Puedes proporcionar comentarios a Google sobre respuestas individuales en Conversational Analytics seleccionando una de las siguientes opciones:

  • thumb_up Buena respuesta: Indica que la respuesta fue útil.
  • thumb_down Respuesta incorrecta: Indica que la respuesta no fue útil.