코드 인터프리터 사용 설정 및 사용

코드 인터프리터는 자연어 질문을 Python 코드로 변환하여 고급 분석 및 시각화를 제공하는 대화형 분석의 기능입니다. 표준 SQL 기반 BI 환경과 달리 코드 인터프리터는 기본 계산 및 차트 작성부터 시계열 예측과 같은 고급 작업에 이르기까지 다양한 데이터 분석을 지원합니다. 코드 인터프리터를 사용하면 사용자가 고급 코딩 또는 통계 방법에 대한 전문 지식이 없어도 일반적으로 필요한 고급 분석을 수행할 수 있어 대화형 분석이 향상됩니다.

코드 인터프리터는 Looker Studio Pro 구독의 일부로 Looker Studio의 대화형 분석에서 사용할 수 있습니다.

Google Cloud 를 위한 Gemini에서 사용자 데이터를 사용하는 방법과 시점을 알아보세요.

시작하기 전에

코드 인터프리터를 사용하려면 Looker Studio에서 대화형 분석을 사용하기 위한 요구사항을 충족해야 합니다.

  • Looker Studio Pro 구독의 사용자여야 합니다.

코드 인터프리터 사용 설정

모든 대화 및 데이터 에이전트에서 코드 인터프리터를 사용 설정하려면 다음 단계를 따르세요.

  1. 대화형 분석의 왼쪽 탐색 패널에서 고급 분석 전환 버튼을 클릭하여 코드 인터프리터를 사용 설정합니다.
  2. 코드 인터프리터를 사용 설정하면 평소와 같이 대화형 분석을 사용하여 대화를 시작하고 데이터에 질문할 수 있습니다. 코드 인터프리터는 Gemini 채팅을 지원하는 엔진을 사용하여 질문을 Python 코드로 변환하고 해당 코드를 실행합니다.

알려진 제한사항

  • 코드 인터프리터는 Python을 사용하여 문제를 해결합니다. Python은 구조화된 쿼리 언어보다 유연하므로 코드 인터프리터의 대답은 핵심 대화형 분석 환경의 대답보다 변동성이 클 수 있습니다.
  • Looker 데이터의 경우 대화형 분석은 쿼리당 최대 5,000개 행을 반환할 수 있습니다.
  • 코드 인터프리터는 이러한 Python 라이브러리를 지원합니다. 추가 Python 라이브러리에 대한 지원을 요청하려면 conversational-analytics-feedback@google.com으로 이메일을 보내세요.
  • 다음 시각화 차트 유형은 코드 인터프리터 대답에서 지원되지 않습니다.
    • 지도

추가 제한사항에 대한 자세한 내용은 Conversational Analytics의 알려진 제한사항에 관한 문서를 참고하세요.

지원되는 Python 라이브러리

지원되는 Python 라이브러리 표시

코드 인터프리터는 다음 Python 라이브러리를 지원합니다.

  • 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

추천 질문

코드 인터프리터를 사용 설정하면 Python의 고급 분석 기능을 통해 대화형 분석에서 지원되는 표준 유형의 질문 외에도 다양한 질문에 답변할 수 있습니다. 예를 들면 다음과 같습니다.

  • 내 데이터를 기반으로 매출의 주요 요인을 설명해 줘.
  • 평균 구매 빈도와 평균 주문 금액을 고려할 때 각 고객 세그먼트의 평생 가치는 얼마인가요?
  • 올해 매출은 작년 매출과 비교했을 때 어떤가요?
  • 판매 데이터에서 이상치를 식별하여 실적이 특히 좋거나 나쁜 제품 또는 지역을 파악해 줘.
  • 동질 집단 분석을 수행하여 고객 유지를 파악합니다.
  • 이익률이 가장 높은 제품이 가장 인기 있는 제품인가요? 이 대답을 사용하여 제품 믹스를 최적화하는 방법에 관한 제안을 제공해 줘.
  • 지난 3년간 제품 카테고리별 매출의 연평균 성장률 (CAGR)은 얼마인가요?
  • 제품 카테고리가 x축에 있고 CAGR이 y축에 있는 막대 그래프로 CAGR을 표시해 줘.