Panoramica di Analisi conversazionale in Looker

L'analisi conversazionale è una funzionalità di chat con i tuoi dati basata su Gemini in Google Cloud. Basata sul livello di modellazione semantica di Looker, l'analisi conversazionale consente agli utenti della tua organizzazione di porre domande relative ai dati in un linguaggio normale e naturale (conversazionale) per una BI self-service controllata e affidabile. Questo approccio accelera l'adozione dell'analisi in tutta l'organizzazione fornendo governance e sicurezza di livello enterprise.

L'analisi conversazionale è disponibile sia nelle istanze di Looker (Google Cloud core) sia in quelle di Looker (originale).

Scopri come e quando Gemini per Google Cloud utilizza i tuoi dati.

Funzionalità principali

L'analisi conversazionale include le seguenti funzionalità principali:

  • Esegui query sulle esplorazioni in linguaggio naturale: conversa in linguaggio naturale con una singola esplorazione o con un agente di dati che esegue query su un massimo di cinque esplorazioni.
  • Crea un agente di dati per eseguire query su Esplora: puoi personalizzare un agente di query su Esplora basato sull'AI fornendo contesto e istruzioni specifici per i tuoi dati, il che aiuta l'agente di dati a generare risposte più accurate e contestualmente pertinenti. Puoi anche condividere i tuoi agenti di dati con altri utenti o pubblicarli in altre applicazioni, come Gemini Enterprise, in modo che possano porre domande con lo stesso contesto. Puoi connettere questo tipo di agente dati a un massimo di cinque esplorazioni. Aggiungi query verificate al contesto dell'agente di dati per contribuire a migliorare l'accuratezza delle risposte dell'agente di dati di Esplora.
  • Esegui query su una dashboard utilizzando un agente di dati: utilizza Analisi conversazionale per generare un agente di dati della dashboard in grado di eseguire query sui modelli sottostanti di una dashboard. Quando gli agenti della dashboard sono abilitati, ogni dashboard fornisce un singolo agente predefinito condiviso che può eseguire query sulla dashboard e sui riquadri collegati alle query. Gli agenti della dashboard sono disponibili quando l'impostazione Agenti della dashboard è abilitata nella pagina Gemini in Looker del pannello Amministrazione. Inoltre, i creatori di dashboard possono attivare o disattivare gli agenti della dashboard a livello di singola dashboard. Gli agenti della dashboard sono disponibili per le dashboard definite dall'utente e per le dashboard LookML.
  • Analisi avanzata: la funzionalità Analisi avanzata all'interno di Analisi conversazionale traduce le domande in linguaggio naturale in codice Python ed esegue il codice. Rispetto alle query SQL standard, l'utilizzo di Python da parte della funzionalità Analisi avanzata consente analisi e visualizzazioni più complesse.
  • Incorporamento: puoi incorporare Analisi conversazionale in un sito web o in un'applicazione utilizzando un tag iframe HTML, proprio come faresti con altri tipi di contenuti di Looker. L'analisi conversazionale supporta sia l'incorporamento privato, in cui gli utenti vengono autenticati con le proprie credenziali di accesso a Looker, sia l'incorporamento firmato, in cui gli utenti vengono autenticati tramite la tua applicazione.
  • Coinvolgimento degli utenti e utilizzo dei token: gli utenti con accesso all'attività del sistema di Looker possono monitorare il coinvolgimento degli utenti e l'utilizzo dei token degli agenti di Conversational Analytics nell'istanza. La dashboard Analisi conversazionale è disponibile nella sezione Attività di sistema del pannello Amministratore. Per le istanze di Looker (Google Cloud core), l'osservabilità dell'utilizzo dei token è in anteprima ed è disponibile se un amministratore di Looker ha attivato la funzionalità in anteprima Utilizzo dei token dell'agente di analisi conversazionale.
  • Risposte e feedback alle query degli utenti [Anteprima]: gli utenti con accesso ai contenuti di Attività di sistema di Looker possono monitorare i dati delle query e il feedback degli utenti se gli utenti hanno acconsentito alla condivisione dei dati delle query e se un amministratore di Looker ha attivato la funzionalità in anteprima Revisione delle query di analisi conversazionale (CA) per gli utenti finali. La dashboard Analisi conversazionale è disponibile nella sezione Attività di sistema del pannello Amministratore.
  • Agentic Workflows attivati [Anteprima]: configura avvisi e monitoraggio basati su metriche direttamente tramite query in linguaggio naturale nelle chat dirette con un agente di Esplora o con gli agenti di dati di Esplora. I workflow con agenti sono disponibili quando le impostazioni Abilita le funzionalità di Trusted Tester e Workflow con agenti sono abilitate nella pagina Gemini in Looker del pannello Amministrazione, insieme all'impostazione di Analisi conversazionale corrispondente ai contenuti che utilizzi (Analisi conversazionale (pagina Conversazioni) per le esplorazioni o Agenti della dashboard per le dashboard).
  • Workflow agentici pianificati Anteprima: configura workflow agentici ricorrenti per monitorare i dati e inviare report ricorrenti. I workflow agentici pianificati sono disponibili quando l'impostazione Workflow agentici è abilitata nella pagina Gemini in Looker del pannello Amministrazione, insieme all'impostazione di Analisi conversazionale corrispondente ai contenuti che utilizzi (Analisi conversazionale (pagina Conversazioni) per le esplorazioni o Agenti dashboard per le dashboard).

Per i link a informazioni più dettagliate su ogni funzionalità, consulta la sezione Elenco della documentazione di questa pagina.

Elenco della documentazione

Agenti di dati e Conversazioni

Chattare con un data agent offre diversi vantaggi chiave rispetto a una conversazione standard con una singola esplorazione. Mentre l'avvio di una conversazione da un'esplorazione consente di eseguire rapidamente query in linguaggio naturale su quella specifica origine dati, un agente di dati funziona come un analista autonomo specializzato che può essere personalizzato e condiviso all'interno dell'organizzazione.

Gli agenti di dati offrono il seguente vantaggio rispetto alle conversazioni con le esplorazioni:

  • Chattare con più Esplora: in una conversazione con un Esplora, puoi interrogare un solo Esplora alla volta. Tuttavia, un agente dati può connettersi a un massimo di cinque esplorazioni distinte, consentendo agli utenti di eseguire analisi cross-domain e ricevere risposte più complete.
  • Chatta con una dashboard di Looker: quando chatti con una dashboard, Conversational Analytics crea un agente di dati della dashboard che puoi utilizzare per eseguire query non solo su una dashboard, ma anche sulle esplorazioni sottostanti.
  • Contesto creato: puoi fornire al tuo agente di dati istruzioni personalizzate che non sono disponibili in una conversazione standard di Esplora, incluse le seguenti risorse:
    • Glossari aziendali: puoi definire gergo o acronimi specifici dell'organizzazione direttamente nelle istruzioni dell'agente.
    • Framework della persona: puoi assegnare un ruolo o una competenza specifica all'agente, impostando un tono coerente e un giudizio professionale per la conversazione.
  • Specializzazione degli agenti: anziché utilizzare l'unica interfaccia generica di una conversazione, puoi creare agenti specializzati per diverse unità aziendali, ad esempio un agente per le entrate o un Ops Agent. In questo modo, l'esperienza di analisi è più guidata e gli utenti vengono indirizzati verso i campi e i filtri specifici più pertinenti alle loro esigenze.
  • Collaborazione e riutilizzo: le conversazioni di Esplora sono in genere limitate a un utente, mentre gli agenti di dati possono essere condivisi con altri membri della tua organizzazione. La condivisione garantisce che più utenti possano usufruire dello stesso contesto e della stessa governance sviluppati da un amministratore o da un esperto di dati.
  • Comportamento personalizzato: puoi configurare l'agente in modo che operi nel rispetto di requisiti rigorosi, ad esempio utilizzando filtri predefiniti, ad esempio "utilizza sempre gli ultimi 6 mesi se non viene menzionato un periodo di tempo". Queste misure di salvaguardia assicurano che l'agente operi nel rispetto degli standard di governance e sicurezza specifici della tua organizzazione. Puoi anche nascondere i campi in Esplora per impedire all'agente di dati di utilizzarli nelle query.

La seguente tabella riepiloga le principali differenze tra questi tipi di conversazioni e agenti di dati:

Funzionalità di Analisi conversazionale Casi d'uso principali Punto di ingresso Funzionalità di condivisione Limitazioni
Esplorare le conversazioni
  • Query standard in linguaggio naturale di una singola esplorazione di Looker.
  • Organizzare le domande correlate su un set di dati specifico in sessioni distinte.
  • Utilizza le modalità di domanda Veloce e Ragionamento.
  • Da Esplora: seleziona Avvia una conversazione.
  • Dalla pagina Analisi conversazionale: seleziona la scheda Conversazioni.
 In genere è limitata a un utente (non condivisibile).
  • Limitato all'esecuzione di query su una sola esplorazione alla volta.
  • Nessun contesto o istruzione personalizzati (ad esempio, query verificate, personas, glossari aziendali).
  • Nessuna specializzazione degli agenti per le diverse unità aziendali di un'organizzazione.
  • L'opzione Avvia una conversazione non è disponibile quando utilizzi la nuova esperienza di Esplora.
Esplorare gli agenti di dati
  • Agenti di analisi dei dati autonomi e specializzati, progettati per unità aziendali specifiche di un'organizzazione (ad esempio, agente per le entrate, Ops Agent).
  • Analisi cross-domain che utilizza fino a cinque esplorazioni connesse.
  • Contesto creato che include istruzioni personalizzate, query verificate, glossari aziendali e framework di personas per applicare guardrail e migliorare l'accuratezza.
  • Analisi avanzata che utilizza l'esecuzione di codice Python, se abilitata.
  • Non richiede autorizzazioni explore esplicite.
 Nella pagina Conversational Analytics: seleziona la scheda Agenti. Possono essere condivisi con altri utenti dell'organizzazione concedendo l'accesso ai contenuti (Visualizzazione o Gestione accesso; Modifica). Può anche essere pubblicato in applicazioni esterne come Gemini Enterprise (anteprima).
  • Richiede access_data e altre autorizzazioni per i modelli alla base delle esplorazioni (la condivisione dell'agente non concede l'accesso alle esplorazioni).
  • Non supporta le query verificate che contengono pivot o campi personalizzati.
Agenti dashboard
  • Query dirette in linguaggio naturale di una dashboard di Looker specifica e dei relativi riquadri collegati alle query.
  • Curating and customizing agent behavior on dashboards with custom instructions.
  • L'accesso è gestito rigorosamente tramite le autorizzazioni a livello di dashboard (Gestisci accesso; Modifica nella dashboard) e le autorizzazioni del modello.
  • Può essere attivata o disattivata a livello di singola dashboard per le dashboard definite dall'utente.
 Dalla dashboard: seleziona Chatta con questa dashboard. Eredita il modello di condivisione della dashboard.
  • Non possono essere condivisi indipendentemente dalla dashboard.
  • Non vengono visualizzate nella pagina Analisi conversazionale. Le conversazioni con un agente della dashboard sono accessibili solo dalla pagina Conversazioni recenti, disponibile nel menu della dashboard.
  • Limitato al contesto della dashboard e ai relativi riquadri collegati alle query.
  • La personalizzazione del comportamento dell'agente della dashboard con istruzioni personalizzate non è supportata per le dashboard LookML.
  • La funzionalità Analisi avanzata non è supportata.

Come funziona l'analisi conversazionale?

L'analisi conversazionale utilizza Gemini in Google Cloud per interpretare le domande in linguaggio naturale e fornire risposte in Looker in base ai tuoi dati. Utilizza il modello semantico di Looker, ovvero le definizioni LookML dei tuoi dati, come fonte attendibile per garantire che le risposte siano accurate e coerenti. Analisi conversazionale può interpretare le definizioni aziendali per metriche come "entrate" o "abbandono" perché sono definite in LookML, utilizzando queste definizioni per fornire domande accurate e coerenti.

Per basare le sue risposte sui tuoi dati specifici e sul contesto aziendale, Analisi conversazionale utilizza diverse tecniche:

  • Schema LookML: all'inizio di una richiesta, Analisi conversazionale recupera lo schema dalle esplorazioni collegate. L'analisi conversazionale utilizza i parametri del modello LookML in diversi modi:
    • Identificazione dei campi: i metadati dello schema aiutano Analisi conversazionale a concentrarsi sui campi pertinenti. Questi metadati includono parametri LookML come name, label, description, type e dimension_group. Questi parametri aiutano l'analisi conversazionale a mappare i termini nelle domande degli utenti ai campi corretti. Ad esempio, description può fornire terminologia o contesto specifici dell'attività per un campo. Conversational Analytics ignora tutti i campi che utilizzano il parametro hidden.
    • Formattazione delle risposte: l'analisi conversazionale utilizza i parametri label per la denominazione dei campi facile da usare e i parametri value_format per la formattazione dei dati nelle risposte.
  • Generazione di query: anziché eseguire query direttamente nel database, Conversational Analytics determina quali campi, filtri, ordinamenti e limiti devono essere utilizzati nella query. Looker compone ed esegue la query utilizzando il modello LookML sottostante. Questo processo è simile al modo in cui un utente interagisce con un'interfaccia di esplorazione; Conversational Analytics non ha bisogno di comprendere la logica di join complessa o le definizioni dei campi perché Looker gestisce la composizione delle query in base al modello LookML. La generazione delle query garantisce che tutte le query rispettino la logica di join, i filtri, l'aggregazione e le autorizzazioni dei dati definiti nel modello LookML. Per generare query, Analisi conversazionale deve determinare i valori corretti da utilizzare nei filtri. Questi valori devono corrispondere esattamente ai valori dei dati sottostanti o a espressioni di filtro avanzate, come i caratteri jolly. Per risolvere le discrepanze tra i valori inclusi dall'utente nelle domande in linguaggio naturale e i valori esatti che potrebbero essere richiesti da un filtro, Analisi conversazionale utilizza i valori definiti con allowed_value nei campi parameter e può utilizzare strumenti per verificare la presenza di valori specifici nei campi:
    • Dati campionati: restituisce fino a 100 valori da un campo per aiutare Analisi conversazionale a imparare i pattern o a trovare una corrispondenza esatta per i valori dei filtri.
    • Ricerca approssimativa: genera un insieme di termini di ricerca in base all'input utente'utente e ne verifica la presenza in una dimensione per trovare i valori di filtro appropriati. Sia i dati campionati sia la ricerca fuzzy utilizzano l'API di suggerimento di Looker e sono quindi influenzati da parametri LookML come suggestions, suggest_explore e suggest_dimension.
  • Analisi: dopo l'esecuzione delle query, l'analisi conversazionale analizza i risultati delle query per rispondere alle domande degli utenti. L'analisi conversazionale può analizzare i risultati in uno o più dei seguenti modi:
    • Utilizza le funzionalità integrate di Gemini per interpretare e riassumere i risultati.
    • Utilizza l'esecuzione di codice Python tramite Advanced Analytics per eseguire ulteriori analisi sui risultati.
    • Crea visualizzazioni in base ai risultati delle query.

Sfruttando il modello semantico di Looker, Conversational Analytics fornisce l'accesso ai dati di varie piattaforme, come BigQuery, AlloyDB, Redshift, Snowflake e Databricks, senza dover comprendere la complessità dei dati sottostanti, e garantisce che tutte le risposte siano coerenti e governate.

Come funzionano gli agenti di dati di Analisi conversazionale?

Un agente di dati di Analisi conversazionale basa le sue risposte su due input principali: lo schema LookML della tua istanza, definito da uno sviluppatore Looker, e le istruzioni dell'agente, che scrivi quando crei o modifichi l'agente.

Dalla tua query, un agente di dati deve determinare quali campi LookML selezionare e quali filtri, ordinamenti o limiti applicare. Per farlo in modo accurato, mappa il linguaggio naturale della query con le proprie istruzioni dell'agente e con lo schema LookML dei dati nei seguenti modi:

  1. Mappatura dei termini semantici: gli utenti spesso utilizzano un linguaggio tecnico nelle loro domande. L'agente utilizza le istruzioni dell'agente e i metadati del campo LookML per interpretare la query. Ad esempio, per la query "Quante nuove attività abbiamo svolto?", un agente di dati sarebbe in grado di mappare "nuove attività" a una misura che calcola le entrate ricorrenti mensili. Per la query "Chi sono i nostri clienti più importanti?", un agente di dati sarebbe in grado di mappare "più importanti" a un conteggio di utilizzo e "clienti" a una dimensione chiamata Nome cliente.
  2. Mappatura dei valori dei campi: l'agente cerca punti dati specifici, ad esempio "California" o "Slim-fit Jeans", utilizzando strumenti specializzati per campionare i dati o eseguire ricerche fuzzy. Ad esempio, se un utente chiede "jeans", l'agente potrebbe attivare una ricerca fuzzy nel campo Nome prodotto per trovare le corrispondenze esatte delle stringhe nel tuo database. Se un utente chiede "NY", si tratta del campo Città o del campo Stato? L'agente potrebbe dover campionare i dati per vedere quale campo contiene "NY" o porre una domanda di chiarimento.
  3. Esempi di query: puoi fornire esempi specifici di domande e risposte, chiamati query verificate e noti anche come query di riferimento, nel contesto dell'agente di dati per migliorare l'accuratezza delle query comuni o critiche.

Looker utilizza quindi le definizioni LookML di questi campi e un'altra logica definita nell'esplorazione, tra cui definizioni dei campi, concessioni di accesso o attributi utente, filtri della dashboard definiti dall'utente o logica di join o Liquid complessa, per comporre la query inviata al database. Poiché l'agente non scrive l'intera query SQL, non deve "comprendere" i dati e può operare in modo più accurato e deterministico.

Per saperne di più su come l'agente utilizza LookML, consulta la pagina della documentazione Best practice per la configurazione di Conversational Analytics in Looker.

Limitazioni note

Gli agenti della dashboard di Analisi conversazionale presentano le seguenti limitazioni note:

  • Analisi avanzata non è supportata per gli agenti della dashboard.
  • Gli agenti dashboard ereditano il modello di condivisione della dashboard; l'accesso all'agente è regolato dall'accesso alla dashboard sottostante.
  • Non puoi modificare il contesto o le istruzioni per gli agenti delle dashboard LookML.

Limitazioni delle visualizzazioni

Analisi conversazionale utilizza Vega-lite per la generazione dei grafici delle conversazioni. Sono supportati completamente i seguenti tipi di grafici Vega:

  • Grafico a linee (una o più serie)
  • Grafico ad area
  • Grafico a barre (orizzontale, verticale, in pila)
  • Grafico a dispersione (uno o più gruppi)
  • Grafico a torta

I seguenti tipi di grafici Vega sono supportati, ma potresti riscontrare un comportamento imprevisto durante il rendering:

  • Maps
  • Mappe termiche
  • Grafici con descrizioni comando

I tipi di grafici che non fanno parte del catalogo Vega non sono supportati. I grafici non specificati in questa sezione sono considerati non supportati.

Limitazioni delle origini dati

Analisi conversazionale presenta le seguenti limitazioni relative alle origini dati:

  • L'analisi conversazionale può restituire un massimo di 50.000 righe per query.
  • Conversational Analytics non può impostare il valore di un campo solo con filtri definito utilizzando i parametri parameter o filter di LookML.

Limitazioni relative alle domande

Analisi conversazionale supporta domande a cui è possibile rispondere con una singola visualizzazione, ad esempio:

  • Tendenze delle metriche nel tempo
  • Suddivisione o distribuzione di una metrica per dimensione
  • Valori univoci per una o più dimensioni
  • Valori di una singola metrica
  • Valori delle dimensioni principali per metrica

L'analisi conversazionale non supporta ancora le domande a cui è possibile rispondere solo con i seguenti tipi di visualizzazioni complesse:

  • Previsione e previsione
  • Analisi statistica avanzata, tra cui correlazione e rilevamento di anomalie

Comprendere le funzionalità di conformità di Gemini in Looker

L'analisi conversazionale non è ancora inclusa nei limiti di autorizzazione FedRAMP High o FedRAMP Medium. Prima di attivare l'impostazione Gemini in Looker per la tua istanza di Looker, discuti con l'organismo di autorizzazione se le offerte di conformità di Gemini in Google Cloudsoddisfano le esigenze della tua organizzazione.

Per le istanze di Looker (Google Cloud core), ogni pacchetto di controlli di Assured Workloads che diventa disponibile aggiungerà le funzionalità di Gemini in Looker alle offerte predefinite man mano che i requisiti e i processi di modifica del pacchetto vengono soddisfatti. L'analisi conversazionale in Looker rispetta le funzionalità di conformità dell'istanza di Looker (Google Cloud core) associata, con la seguente eccezione:

Il supporto della residenza dei dati (DRZ), in particolare per i dati at-rest, è disponibile per tutti i clienti Looker. Tutti i dati at-rest associati ad Analisi conversazionale risiedono esclusivamente all'interno dell'istanza di Looker e sono limitati a una singola regione. I dati in transito e il machine learning (ML) vengono elaborati utilizzando un servizio globale.

Conformità nell'Unione Europea

L'elaborazione localizzata è disponibile per i clienti con sede nell'Unione Europea (UE) con istanze di Looker (originale) o Looker (Google Cloud core) che eseguono Looker 26.10 o versioni successive. Questa opzione consente il trattamento dei dati all'interno della giurisdizione dell'UE e consente di instradare il traffico di Conversational Analytics di Looker tramite un endpoint multiregionale dell'UE, il che garantisce che i dati dei clienti dell'UE vengano trattati all'interno dell'UE.

L'elaborazione localizzata si applica a tutte le funzionalità di Analisi conversazionale in Looker e a tutti gli endpoint di Analisi conversazionale dell'API Looker. Non si applica all'API Conversational Analytics.

Invia il tuo feedback

Puoi fornire un feedback a Google sulle singole risposte in Analisi conversazionale selezionando una delle seguenti opzioni:

  • thumb_up Risposta buona: indica che la risposta è stata utile.
  • thumb_down Risposta scadente: indica che la risposta non è stata utile.