コード インタープリタを有効にして使用する

コード インタープリタは、自然言語の質問を Python コードに変換して高度な分析と可視化を提供する Conversational Analytics の機能です。標準 SQL を使用した BI エクスペリエンスとは異なり、コード インタープリタは、基本的な計算やグラフ作成から時系列予測などの高度なタスクまで、幅広いデータ分析をサポートしています。コード インタープリタを使用すると、従来は高度なコーディングや統計手法に関する専門知識が必要だった高度な分析を実行できるため、会話分析の機能が強化されます。

コード インタープリタは、Looker Studio の会話分析で Looker Studio Pro サブスクリプションの一部として利用できます。

Gemini for Google Cloud がデータを使用する方法とタイミングに関する説明をご覧ください。

始める前に

コード インタープリタを使用するには、Looker Studio で会話型分析を使用するための要件を満たしている必要があります。

  • Looker Studio Pro サブスクリプションのユーザーである必要があります。

コード インタープリタを有効にする

すべての会話とデータ エージェントでコード インタープリタを有効にするには、次の手順を行います。

  1. 会話分析の左側のナビゲーション パネルで、[高度な分析] 切り替えをクリックして、コード インタープリタを有効にします。
  2. コード インタープリタが有効になっている場合は、通常どおり会話分析を使用して会話を開始し、データに関する質問をすることができます。コード インタープリタは、Gemini チャットを支えるエンジンを使用して、クエリを Python コードに変換し、そのコードを実行します。

既知の制限事項

  • Code Interpreter は Python を使用して問題を解決します。Python は構造化クエリ言語よりも柔軟性が高いため、コード インタープリタのレスポンスは、コアの Conversational Analytics エクスペリエンスのレスポンスよりもばらつきが大きくなる可能性があります。
  • Looker データの場合、会話分析はクエリあたり最大 5,000 行を返すことができます。
  • コード インタープリタは、これらの Python ライブラリをサポートしています。追加の Python ライブラリのサポートをリクエストするには、conversational-analytics-feedback@google.com 宛てにメールをお送りください。
  • 次のビジュアリゼーション グラフタイプは、コード インタープリタのレスポンスでサポートされていません。
    • マップ

その他の制限事項については、会話分析の既知の制限事項に関するドキュメントをご覧ください。

サポートされている Python ライブラリ

サポートされている Python ライブラリを表示する

コード インタープリタは、次の Python ライブラリをサポートしています。

  • altair
  • attrs
  • chess
  • contourpy
  • cycler
  • entrypoints
  • fonttools
  • fpdf
  • geopandas
  • imageio
  • jinja2
  • joblib
  • jsonschema
  • jsonschema-specifications
  • kiwisolver
  • lxml
  • markupsafe
  • matplotlib
  • mpmath
  • numexpr
  • numpy
  • opencv-python
  • openpyxl
  • packaging
  • pandas
  • patsy
  • pdfminer-six
  • pillow
  • plotly
  • protobuf
  • pylatex
  • pyparsing
  • PyPDF2
  • python-dateutil
  • python-docx
  • python-pptx
  • pytz
  • referencing
  • reportlab
  • rpds-py
  • scikit-image
  • scikit-learn
  • scipy
  • seaborn
  • six
  • statsmodels
  • striprtf
  • sympy
  • tabulate
  • tensorflow
  • threadpoolctl
  • toolz
  • torch
  • tzdata
  • xlrd

質問の候補

コード インタープリタを有効にすると、Python の高度な分析機能により、会話分析はサポートされている標準的なタイプの質問に加えて、より幅広い質問に回答できるようになります。次に例を示します。

  • データに基づいて、売上の主な要因を説明してもらえますか？
  • 平均購入頻度と平均注文額を考慮すると、顧客セグメントごとのライフタイム バリューはどのくらいですか？
  • 今年の売上は昨年の売上と比較してどうですか？
  • 販売データの外れ値を特定して、特にパフォーマンスの高い商品や地域、特にパフォーマンスの低い商品や地域を特定します。
  • コホート分析を実施して、顧客維持率を把握します。
  • 利益率が最も高い商品は、最も人気のある商品でもあるか？この回答を使用して、プロダクト構成を最適化する方法について提案してください。
  • 過去 3 年間の商品カテゴリ別の売上高の年平均成長率（CAGR）は？
  • X 軸に商品カテゴリ、Y 軸に CAGR を示す棒グラフで CAGR を表示します。