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，可加快貴機構採用分析的腳步。

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出問題。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 預覽版：使用對話式分析功能產生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。如要使用資訊主頁摘要，請前往「管理」面板的「Gemini in Looker」頁面，啟用「啟用資訊主頁摘要」設定。
  • 進階數據分析：對話式數據分析中的「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 代碼，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) 和簽署嵌入 (使用者透過自有應用程式驗證)。
  • 參與度和權杖用量監控：有權存取 Looker 系統活動內容的使用者，可以進一步瞭解使用者與對話式分析代理程式和對話的互動情形，以及監控使用者的權杖用量。「對話式數據分析」資訊主頁位於「管理」面板的「系統活動」部分。啟用 Conversational Analytics Observability 預先發布功能後，即可查看權杖用量資訊。
  • 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，對話式分析會建立資訊主頁資料代理，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。
    • 角色框架：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Ops Agent，不必使用單一通用對話介面。這樣一來，使用者就能獲得更明確的分析指引，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。分享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：

對話內容分析功能 主要用途 進入點 共用功能 限制
探索對話
  • 對單一 Looker 探索進行標準自然語言查詢。
  • 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、目標對象、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、Ops Agent)。
  • 使用最多五個已連結的探索項目進行跨網域分析。
  • 撰寫的內容包含自訂指令、精確查詢、組織詞彙和角色架構，可強制執行防護措施並提高準確率。
  • 如果啟用，可使用 Python 程式碼執行進階分析。
  • 不需要明確的 explore 權限。
 在對話式數據分析頁面中，選取「代理程式」分頁標籤。 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。
  • 您必須對探索的基礎模型擁有 access_data 和其他權限 (共用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。
  • 不會顯示在對話內容分析頁面。與服務專員的對話只能透過「近期對話」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，自訂資訊主頁代理程式行為。
  • 不支援「進階數據分析」功能。

對話式數據分析如何運作？

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。對話式數據分析會使用 Looker 語意模型 (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 LookML 中定義了「收益」或「流失」等指標的業務定義，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您的特定資料和業務情境，對話式數據分析會使用多種技巧：

  • LookML 結構定義：在要求開始時，對話式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著重於相關欄位。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 可以提供欄位的業務專屬術語或情境。對話式分析會忽略使用 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，為欄位命名時更貼近使用者習慣，並使用 value_format 參數設定回覆中的資料格式。
  • 查詢產生：對話式分析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。這個程序與使用者與「探索」介面互動的方式類似；對話式分析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。系統會生成查詢，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，對話內容分析必須判斷篩選器中要使用的正確值。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，找出適當的篩選條件值。 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 功能解讀並摘要結果。
    • 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。

透過 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度，並確保所有回應都一致且受控。

對話式數據分析資料代理程式的運作方式

對話式資料分析代理程式的回應主要依據兩項輸入內容：Looker 開發人員定義的執行個體 LookML 結構定義，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內容，判斷要選取哪些 LookML 欄位，以及要套用哪些篩選器、排序或限制。為此，它會透過下列方式，將查詢中的自然語言對應至本身的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。代理程式會根據代理程式指令和 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「顧客名稱」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」，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。如果使用者要求「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特定問答範例 (稱為「精確查詢」)，提高常見或重要查詢的準確率。

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。 Google Cloud

對於 Looker (Google Cloud Core) 執行個體，每當有新的Assured Workloads 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 客戶都能使用資料駐留 (DRZ) 支援服務，特別是靜態資料。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，可在歐盟管轄區內處理資料。這個選項可讓 Looker 的對話式分析流量透過歐盟多區域端點傳輸，確保歐盟客戶資料在歐盟境內處理。

本地化處理適用於 Looker 功能中的所有對話式數據分析 (資訊主頁資料代理程式除外)，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 對話式分析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申請表單。請注意，名額有限，註冊資格將視功能「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

如要對對話式數據分析中的個別回覆提供意見，請選取下列任一選項：

  • thumb_up「答得好」：表示回覆內容有幫助。
  • thumb_down「有待加強」：表示回覆不實用。